Proceeding 2010 Conference

I

The 4th Annual International Conference on the Application and Development of Geospatial Technologies in Mongolia

Газарзүйн Мэдээллийн Технологийн Монгол дахь

Хэрэглээ ба Хөгжил Сэдэвт Олон Улсын 4 дүгээр Их Хурал

Эрдэм шижилгээний бүтээлүүдийн эмхэтгэл 2010 оны 6-р сарын 21-23-ны өдөр

Зохион байгуулагч:

Монголын Байгаль орчныг Зайнаас Тандан

Судлах Нийгэмлэг

Монгол Улсын Их Сургууль

NUM-ITC-UNESCO

Зайнаас Тандан Судлал,

Газарзүйн Мэдээллийн Системийн лаборатори

Улаанбаатар 2010

II

Welcome Message

Dear Colleagues and Friends,

On behalf of organizing committee I would like to welcome all of you to The 4th Annual International Conference on the Application and Development of Geospatial Technologies in Mongolia Ulaanbaatar, Mongolia - June 21-23, 2010 workshop organized and supported by the National University of Mongolia, AusAid, Mongolian Geosciences & Remote Sensing Society.

The application of Geoinformatics to the human and natural environment of Mongolia is one of the

country's most important issues. This workshop will allow us to learn from domestic and international experience in the use of Remote Sensing (RS) and Geographic Information Systems (GIS) to combat issues relevant to Mongolia and will explore how RS and GIS have been applied to research, education, and business. We are creating this opportunity to get to know each other‟s research, increase collaboration, and sharing of ideas to build Mongolia's capacity.

One of the specialties of this workshop is that the commercial sector has rapidly advanced the

implementation of GIS in Mongolia, and we want to extend a special invitation to members of the business community this year. Participating in this conference are our scientists, professionals, young researchers, students, supporting companies and international organizations from different backgrounds. This provides a special opportunity to share their knowledge and exchange experiences.

We would like to take this opportunity to provide encouragement to Space Education in Mongolia.

During the Workshop there will be a special „Star Party‟ for astronomy development in Mongolia in order to empower astronomical communities in Mongolia. Through this activity, the astronomy community, school kids, students and nomads in countryside will have a wonderful experience to explore our universe.

During the Workshop, the NUM-ITC-UNESCO Remote Sensing GIS laboratory has also organized a

workshop for the “Distribution of remotely sensed and other data sets availability and its application in Mongolia” on 23 June, 2010. The purpose of this workshop is to introduce the opportunity to get datasets from the U.S. Geological Survey (USGS) and the Earth Resources Observation and Science (EROS) Center. Free data from the USGS archive will benefit the many institutions, organizations, initiatives, and networks that require satellite sensor data to address environmental issues in Mongolia. The organizing committee would like to thank all participants universities and organizations for their contribution and support this workshop. I would like to take this opportunity to wish you all a very successful workshop, with good presentations and lively debate and discussions. Chair: Dr. Tsolmon Renchin, NUM-ITC-UNESCO Remote Sensing/GIS Laboratory, The National University of Mongolia, Ulaanbaatar, Mongolia Heather Fara, GIS Expert Water Point and Extension Station Establishment Project Asian Development Bank/VSO

Samuel Wearne, Environmental Scientist Australian Youth Ambassador for Development Institute of Geoecology, Mongolian Academy of Science

Dr. T. Chuluun, NUM-ITC-UNESCO Remote Sensing/GIS Laboratory of, The National University of Mongolia, Ulaanbaatar, Mongolia

III

Dr. M.Erdenetuya, National Geo-information Center, Dutch-Mongolian Project, Ministry of Nature, Environment and Tourism, Ulaanbaatar, Mongolia D.Narantuya, Mongolian Geosciences and Remote sensing Society (MGRSS), Ulaanbaatar, Mongolia A.Dulmaa, Laboratory for Remote sensing/GIS of NUM-ITC-UNESCO, The National University of Mongolia, Ulaanbaatar, Mongolia Prof.G.Batsukh Gephysich Department Physics Electronics School of National University of Mongolia Prof. N.Tugjsuren Mongolian University of Science and Technology

IV

Conference Welcome Esteemed guests, ladies and gentlemen.

Good morning. It is my great pleasure to welcome you to the 4th International Conference on Geospatial Informatics in Mongolia.

Firstly, I would like to thank you all for coming and especially acknowledge those who have travelled from abroad to assist in the development of this important and influential sector for Mongolia‟s future. This year, we have representatives from as far away as the United States of America, Japan, Korea, Germany and Australia.

It is certainly encouraging to see the variety of disciplines presented in the proceedings and also the collective wisdom before me.

We can look forward to witnessing this diversity in experience and knowledge being shared over the next two days and the organizers hope this can lead to fruitful future cooperation and partnerships. Bringing researchers, practitioners, businesses and government together in this conference, we thus aim to promote the range of individual activities, but also identify collective strengths and challenges. So we invite you, as you listen to the presentations and network amongst peers, to do so both in the interest of developing your own skills, but also to consider how we may each contribute to the development of geospatial disciplines as a whole; be it through potential collaborations and complimentary research or through further sharing of expertise, data and experience.

As such, it is wonderful to see you all here, and I look forward to hearing about some fascinating

research in GIS, RS and natural resource management. Finally, I sincerely hope you can join us at the Star Party tomorrow night to experience a memorable insight into the modern and traditional conceptions of Mongolian astronomy.

Without further ado, I thank you all once again for attending and declare the conference open. Samuel Wearne Environmental Scientist Australian Youth Ambassador for Development Institute of Geoecology, Mongolian Academy of Science

V

Хүндэтгэлийн үг .................................................................................................................. II-IV Гарчиг VULNERABILITY ASSESSMENT OF MONGOLIAN SOCIAL-ECOLOGICAL SYSTEMS M.Altanbagana & T.Chuluun ........................................................................................................... 1 A CONCEPTUAL FRAMEWORK FOR UPDATE OF URBAN GIS BY RS DATA D.Amarsaikhan ............................................................................................................................... 12 URBAN LAND COVER CLASSIFICATION USING VERY HIGH RESOLUTION SATELLITE IMAGES D.Amarsaikhan .............................................................................................................................. 19

МОНГОЛЫН ЦАГ УУРЫН РАДАР Г.Батжаргал , М.Цоозол , Х.Хангайсайхан ................................................................................ 24 ХЭВТЭЭ БОЛОН НАЛУУ ГАДАРГАД ТУСАХ НАРНЫ ЦАЦРАГИЙН ЭНЕРГИЙН БОДИТ НӨӨЦИЙГ УЛААНБААТАР БОЛОН САЙНШАНДАД ТОДОРХОЙЛСОН ДҮН Г.Батсүх, Ц.Баатарчулуун, Б.Ганбат, Б.Даариймаа ............................................................... 31 ANALYSIS ON SUMMER VEGETATION AND CLIMATE CHANGE IN MONGOLIA, 1982-2009 Bolorchuluun Ch ............................................................................................................................. 38 VEGETATION TRENDS ANALYSIS IN MONGOLIA: USING LONG-TERM REMOTELY SENSED VEGETATION INDEX NDVI (1982-2008) T. Chuluun, B. Tserenchunt, D. Ojima, R.Tsolmon, N. Enkhjargal, T. Erdenezaya and B. Batbileg ............................................................................... 44 НАРНЫ ХЭТ ЯГААН ЦАЦРАГИЙН 365 НМ ДОЛГИОНЫ МУЖИД ҮДЭЭС ӨМНӨ БҮРТГЭГДСЭН ӨСӨЛТИЙН ТУХАЙ Г.Даваахүү ..................................................................................................................................... 52 LANDSAT TM, +ETM ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭ АШИГЛАН БАЙГАЛИЙН ЦОГЦОЛБОРТ ГАЗРААР ГАЗРЫН БҮРХЭВЧИЙН АНГИЛАЛ ХИЙХ М.Одбаяр, Н.Элбэгжаргал Д.Булган , О.Анхбаяр .................................................................... 57 DETERMINATION OF MOISTURE IN THE SOUTHERN SL OPES OF THE KHANGAI RANGE IN MONGOLIA USING REMOTELY SENSED DATA N.Enkhjargal, R.Tsolmon, T.Chuluun ............................................................................................. 68 FY-2 ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР БОЛОВСРУУЛСАН АГААРЫН ТЕМПЕРАТУР, ХУР ТУНАДАСЫГ ГАЗРЫН АЖИГЛАЛТЫН МЭДЭЭТЭЙ ХАРЬЦУУЛСАН НЬ М.Эрдэнэтуяа , Д.Мөнхзул, Б.Эрдэнцэцэг, Стевен Хоппер ...................................................... 73

DEFINING WATER VAPOR VOLUME IN THE TROPOSPGHERE BY USING GLOBAL POSITIONING SYSTEM (GPS) L.Jambajamts, G.Tuul, V.Uyanga ................................................................................................... 80

VI

SPATIAL MULTI-CRITERIA ANALYSIS FOR EIA B.Gantsetseg, D.Narantuya ............................................................................................................ 85 МОНГОЛЫН ЗУРАГЗҮЙН ШИНЖЛЭХ УХААНЫ ТҮҮХЭН ҮЕЧЛЭЛ ТҮҮНД АТЛАСЫН ЭЗЛЭХ БАЙР СУУРЬ Док, порф. Л.Мөнхнасан (Ms), Р.Алтанзул(Ms) ......................................... 91

ЗАЙНААС ТАНДАН СУДЛАЛЫН АРГААР УРГАМЛЫН БИОМАСС ТОДОРХОЙЛОХ НЬ Л.Мөнхнасан (Ms), М.Гүнбилэг .................................................................................................... 95 MAPPING FOREST FUNCTIONS USING GIS IN SELENGE, MONGOLIA Ochirsukh Badarch , Woo-Kyun Lee .............................................................................................. 98 DETERMINATION OF SEASONAL DYNAMICS IN GLACIER AND SNOW COVERAGE USING REMOTE SENSING Ts.Oyuntsetsgeg1, R.Tsolmon, Sh.Munkhjargal, Samual Wearne................................................. 106

ECOTOURISM DEVELOPMENT PLANNING IN THE BIGER SOUM OF GOBI-ALTAI PROVINCE, MONGOLIA B.Suvdantsetseg, H.Fukui and R.Tsolmon .................................................................................. 115

ESTIMATION OF FOREST STAND VOLUME AND BIOMASS USING AERIAL PHOTOGRAPH AND AIRBORNE LIDAR DATA Taejin Park, Zhen Xu, Doo-Ahn Kwak, Woo-Kyun Lee, Hyun-Kook Cho, Seung-Ho Lee ......................................................................... 127 HUMAN IMPACT ON LAND COVER CHANGES IN MONGOLIA Tsolmon Renchin ........................................................................................................................... 132 CLIMATE CONDITIONS AND DESERTICATION IN MONGOLIA N.Tugjsuren, G.Enkhjargal and E.Orolmaa ................................................................................ 140 ДАРХАН – УУЛ АЙМГИЙН НУТАГ ДЭВСГЭР ДЭЭРХ АГААРЫН ТЕМПЕРАТУРЫН ГОРИМ Э. Оролмаа, Н.Түгжсүрэн .......................................................................................................... 143

ЗАЙНААС ТАНДАН СУДЛАЛ БОЛОН ГАЗАРЗҮЙН МЭДЭЭЛЛИЙН СИСТЕМИЙН АРГА ЗҮЙГ ӨНДӨР УУЛЫН УРГАМАЛЫН СУДАЛГААНД АГШИГЛАХ НЬ Баяртунгалаг

1, Р.Цолмон

2, Н.Сонинхишиг

3, Б.Оюунцэцэг

4 ................................................. 146

WELL-STUDIED UNKNOWN ALBEDO OF LAND COVERS Tarzadin Ulaanbaatar ................................................................................................................. 151 LANDSAT БОЛОН ASTER ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР МӨНХ ЦАСТ УУЛЫН МӨНХ ЦАСНЫ ТАЛБАЙГ ТОДОРХОЙЛСОН ҮР ДҮН М.Одбаяр, Н. Д.Булган, О.Анхбаяр ........................................................................................... 155

Д.Эрдэнэцэцэг

VII

ABSTRACT……………. ............................................................................................................ 163 LAND DEGRADATION MAPPING USING MODIS DATA A.Tungalag *,R. Tsolmon ............................................................................................................ 164

NEW TECHNOLOGY OF DROUGHT DZUD EARLY WARNING SYSTEM IN MONGOLIA М.Erdenetuya, B.Erdenetsetseg, D.Munkhzul .............................................................................. 165 LANDCOVER CHANGE AND DEGRADATION IN TOGTTSETSII SOUM IN OMNIGOVI PROVINCE USING GIS AND REMOTE SENSING Odkhuu Kh, Tsolmon R ………………………........................................................................... 166 USING GIS AND REMOTE SENSING TO MONITOR TOXIC SUBSTANCE DISPERSAL FROM A GOLD MINE IN KHONGOR SOUM, DARKHAN PROVINCE IN MONGOLIA FROM Gandoljin N, Tsolmon R………………………………………………………………………………. 166 FLOOD RISK MAPPING B.Undrakh, R.Tsolmon................................................................................................................... 167 MUNKHKHAIRKHAN‟S CURRENT FRIGIDITY DYNAMICS, IT‟S INCLINING FOR HYDROGRAPHICAL NETWORK D.Shijir-Erdene, R.Tsolmon, A.Dashsteren…………………………………………………………. 167


-1-

VULNERABILITY ASSESSMENT OF MONGOLIAN SOCIAL-ECOLOGICAL SYSTEMS

M.Altanbagana & T.Chuluun NUM-ITC-UNESCO Remote sensing and GIS laboratory, Dryland Sustainability Institute

E-mail: [email protected], [email protected]

Abstract Integrated vulnerability assessment of social-ecological systems of Mongolia in a changing condition of climate, land use and poverty was done in this paper. Nowadays agricultural sector occurs majority of GDP in 16 aimags from 21 aimags. The factors, including overgrazing, loss of pastoral ecosystem‟s productivity and increased frequency of drought and zud, are leading to ecological vulnerability. Ecological vulnerability is an integrated calculation of climate change induced drought and zud‟s indexes and human induced pastoral use‟s index. Then the integrated assessment of vulnerability of social-ecological systems was calculated on ecological vulnerability index and social vulnerability index including UNDP‟s poverty assessment. Climate change related drought and zud has been happened more in West Mongolia, gobi, boundary area of gobi and Khangai region, in particularly, Hovd, Uvs, Bayanhongor, Umnugobi, Dornogobi and Dundgobi aimags. So it has been dominated climate change impacts more than pastoral use in these regions. According to livestock growth, pastoral use have increased during 1991-2008 and overgrazing more is being appeared in Hovd, Umnugobi, Bulgan and Central region‟s aimags. According to our assessments, ecological vulnerability has been higher in western region including Hovd, Uvs, Bayan-Ulgii and Gobi-Altai aimags, gobi region including Umnugobi, Dundgobi and Dornogobi aimags, Hangai region including Bulgan, Uvurhangai, Bayanhongor and Arhangai aimags since 1990. Poverty level is higher in Hovd, Uvs, Huvsgul, Bayanhongor and Dornod aimags than other regions (NSO&UNDP, 2009). Ecological vulnerability of Mongolia has increased by 8 percent in 1996-2008. To conclude, integrated vulnerability of social-ecological systems is the highest in Hovd, Uvs and Dundgovi aimag. So it is needed to develop adaptation options and mitigation risks in these vulnerability regions. Key words. Drought-zud index, pastoral use index, ecological vulnerability assessment, vulnerability assessment of social-ecological systems

1. ОРШИЛ

Монгол орны сүүлийн 70 жилийн агаарын дундаж температур 2.140С (MARCC. 2009) дулаарсан нь Дэлхийн сүүлийн 100 жилийн (0.740С) дунджаас 2-3 дахин илүү байна. Уур амьсгалын өөрчлөлтөөс үүдэлтэй байгалийн гамшигт үзэгдэл манай орны эдийн засаг, нийгмийн амьдрал болон экосистемд сөргөөг нөлөөлөөд зогсохгүй Монгол Улсын Мянганы хөгжлийн

зорилтод суурилсан 2021 он хүртлэх Үндэсний хөгжлийн цогц бодлогыг хэрэгжүүлэхэд саад учруулж болзошгүй болоод байна.

Дэлхийн дурааллаас үүдэлтэй байгаль цаг уурын гамшигт үзэгдлийн эрч хүч нэмэгдэж, усны нөөцийн хомстол, биологийн төрөл зүйлийн хорогдол, экосистемийн доройтол болон цөлжилтөд хүргэх замаар ус, хүнсний аюулгүй байдал нийгмийн амьдрал, цаашлаад улс орны эдийн засаг, хүний хөгжилд сөргөөг нөлөөлж байна. Монгол Улсын нийт 21 аймгаас 16 аймгийн дотоодын

нийт бүтээгдэхүүн (ДНБ)-ны дийлэнх хувиа хөдөө аж ахуйн (ХАА) салбараас бүрдүүлж (ҮСГ. 2006 & 2008) байгаа нь тухайн аймгийн нийгэм, эдийн засаг байгалиас хамааралтай бөгөөд уур амьсгалын өөрчлөлтөд эмзэг, өртөмтгий байна. Тухайлбал, 1998-2001 оны ган зуднаар 2369 өрх

огт малгүй, 10 гаруй мянган өрх 100 хүрэхгүй толгой малтай үлдэж амжиргааны түвшин эрс доошилж хөдөө орон нутагт ажилгүйдэл ядуурал эрс нэмэгдсэн бөгөөд тухайн үеийн Монголын эдийн засагт 90 гаруй тэр бум төгрөгийн (Монголын иргэн бүрт өгч буй 70000₮-ийн нийт дүнгийн ½-тэй тэнцэхүйц мөнгө) шууд хохирол (“1999-2000 оны зудын сургамж” тайлан. 2000 он) учруулсан бол 2009-2010 оны зуднаар 6.9 сая мал хорогдож, нийт 63.9 тэрбум төгрөгийн хохирол учраад байна (С.Батболд. 2010). Мөн 8500 малчин өрх огт малгүй болсон буюу цөөн тооны

малтай үлдэж ажилгүйдэл ядуурлыг улам нэмэгдүүллээ. Үүнийг дагаад хотруу чиглэсэн их

нүүдлийг (экологийн дүрвэгсэд) бий болгоод зогсохгүй Улаанбаатар хотын хүнс, ус, газар, агаарын ачааллыг нэмэгдүүлж байна.

Монгол нутагт уур амьсгалаас үүдэлтэй ган, зудын гамшигт үзэгдэл нь энэ тэргүүнд бэлчээрийн мал аж ахуйгаар дамжин улс орны эдийн засаг, нийгмийн амьдралд шууд сөргөөр

mailto:[email protected]



-2-

нөлөөлж байна. Гангийн аюул жараад оноос хойш нэмэгдэж байгаа, сүүлийн хэдэн жилийн турш гангийн эрчимшил урьд хожид үзэгдээгүй хэмжээгээр өсч байгаа явдлыг дэлхийн уур амьсгалын

өөрчлөлттэй холбон тайлбарлах нь зүйтэй хэмээн эрдэмтэд (Л.Нацагдорж нар. 2002) дүгнэсэн

байдаг. 1990 оноос хойш эдийн засгийн чөлөөт зах зээлээс үүдэлтэй малын хувьчлал, тоо толгойн

өсөлт, шилжилт хөдөлгөөн, хотжилттой холбоотой бэлчээрийн даацаа хэтрүүлэн ашиглах байдал, дээр нь уур амьсгалын өөрчлөлтөөс үүдэлтэй гамшигт үзэгдэл зэрэг хүн-байгалийн хавсарсан

сөрөг нөлөөллүүд Монголын бэлчээрийн экосистемийн бүтээмжийг бууруулаад зогсохгүй, нийгэм-экологийн хувьд улам эмзэг болгож байна.

Энэхүү судалгаагаар уур амьсгалын болон газар ашиглалтын өөрчлөлт, мөн ядуурлын үнэлгээнд тулгуурлан Монгол орны нийгэм-экологийн тогтолцооны эмзэг байдлын үнэлгээг цогцоор үнэлж, дүгнэлт өгөхийг зорьсон. Юуны эмзэг байдлын үнэлгээ хийхээсээ хамаараад олон улсад янз бүрийн өнцгөөс харан төрөл бүрийн аргаар хийдэг. Тухайлбал, нийгмийн эмзэг байдлын

үнэлгээг НҮБ-ын Латин Америк ба Карибын орнуудын эдийн засгийн комимсс боловсруулсан

байдаг бөгөөд хүн амын боловсрол, эрүүл мэнд, нийгмийн хамгаалал, харилцаа холбооны хангамжийн түвшнийг нийгмийн чанартай эмзэг байдлын үүднээс үнэлж, дүгнэлт өгсөн байдаг.

Эмзэг байдал гэдэг бол хүрээлэн буй орчин болон нийгмийн өөрчлөлтөөс шалтгаалан системд эвдрэл учруулах буюу гарз хохирол учруулахуйц хямрал, дарамтыг мэдрэмтгий хүлээч авч буй төлөв (Adger. 2006 & IPCC. 2007) байдал юм. Уур амьсгалын өөрчлөлт болон хүний үйл ажиллагааны хам нөлөө, ядуурлын байдлаас хамааруулан Монгол орны нийгэм-экологийн тогтолцооны эмзэг байдлын судалгааг ямар нэгэн түвшинд цогцоор үнэлж, дүгнэсэн судалгаа

өмнө нь хийгдэж байгаагүй бөгөөд AIACC (Assessments of Impacts and Adaptations to Climate Change) хөтөлбөр (Neil Leary et al. 2008)-ийн хүрээнд П.Батима нар (2005) “Уур амьсгалын өөрчлөлтөд бэлчээрийн мал аж ахуйн өртөх байдал”-ын судалгааг хийсэн. Уг судалгаанд сүүлийн

60-аад жилийн дотор өвлийн цаг агаарын нөхцөл зөөлөрч, зуны гандуу байдал эрчимтэй нэмэгдэж

байгаагаас шалтгаалан том малын зүй бус хорогдол өвлийн цаг агаараас илүү зуны цаг агаарын нөхцөлөөс илүүтэй хамаарч байгаа, том малын зүй бус хорогдол өсөх хандлагатай байгаа, цаашид XXI зууны дунд үе гэхэд зудын нөхцлийн улмаас бэлчээр дагнасан мал аж ахуй эрхлэх боломж

ихээхэн хомсдох төлөвтэй болох талаар дүгнэж хэлсэн байдаг. Уур амьсгалын өөрчлөлтөд бэлчээрийн мал аж ахуйг дасан зохицуулах, эмзэг байдлын

судалгааг экологийн өөр бүсүүд дэх малчдын бүлгүүдэд тулгуурлан нийгэм-экологийн

тогтолцооны эмзэг байдлын цогц үнэлгээг (Chuluun, M.Altanbagana and C.Davaanyam. 2008) 2007-2008 онд ACCCA (Advancing Capacity to Support Climate Change Adaptation) хөтөлбөрийн хүрээнд

хийж, үр дүнгээ 2008 онд БНХАУ-ын Хөххотод болсон Олон Улсын Бэлчээрийн XXI конгресст хэвлүүлсэн (Chuluun, Davaanyam, Altanbagana and Ojima. 2008). Мөн Т. Чулуун, М. Алтанбагана, Г. Сарантуяа нар (2005) уур амьсгал болон газар ашиглалтын өөрчлөлтөд Монгол орны

бэлчээрийн мал аж ахуйн эмзэг байдлын үнэлгээг хийж байсан болно. Судалгааны зорилго.

Уур амьсгалын болон газар ашиглалтын өөрчлөлт, ядууралд Монгол орны нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээг аймгийн түвшинд хийхийг зорилоо. Үүний тулд цаг хугацаа, орон зайн тархалтаар ган, зуд, бэлчээр ашиглалт тус бүрийн үнэлгээн дээр тулгуурлан экологийн эмзэг байдлын үнэлгээг хийж, улмаар 2000 оны хүн ам, орон сууцны тооллогод

тулгуурлан хийсэн ядуурлын үнэлгээ (NSO & UNDP. 2009)-тэй нэгтгэн индексжүүлэн нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээг хийлээ. Өөрөөр хэлбэл Монгол нутагт

уур амьсгалын өөрчлөлт болон хүний үйл ажиллагаанаас үүдэлтэй хаана, юу эмзэг байгааг мэдэхийг зорилоо. Мөн уур амьсгалын өөрчлөлтөөс үүдэлтэй ган зудын нөлөө хаана илүү байгааг, хаана хүний үйл ажиллагаанаас үүдэлтэй бэлчээр ашиглалтын нөлөө байгааг, хаана экологийн болон нийгмийн эмзэг байдал илүү байгааг судалж мэдэх нь тухайн нутгийн нийгэм-экологийн

системээ ирээдүйн эрсдлээс урьдчилан сэргийлэх төдийгүй, уур амьсгалын өөрчлөлтөд дасан зохицох бодлого, үйл ажиллагааг хэрэгжүүлэхэд чухал ач холбогдолтой юм.


-3-

2. АРГАЗҮЙ

Тухайн нутагт зун нь төдий чинээ гантай байгаад өвөл нь хар эсвэл цагаан зудтай байгаад дээр нь бэлчээрийн ургац буурах, малын тоо толгойн өсөлттэй уялдуулан бэлчээрээ даацаас нь хэтрүүлэн ашиглавал тухайн нутаг экологийн хувьд улам эмзэг болно гэсэн зарчимд тулгуурлалаа. Аргазүйн схемд харуулсанчлан (Зураг-1) гангийн, ган-зудын, хүний үйл ажиллагаанаас үүдэлтэй бэлчээр ашиглалтын үнэлгээ тус бүрт тулгуурлан экологийн эмзэг байдлын үнэлгээг тооцоолж ядуурлын

үнэлгээтэй (NSO & UNDP. 2009) индексжүүлэн нэгтгэж нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээг хийнэ.

Судалгааны аргазүйг ган, хар болон цагаан зуд, бэлчээр ашиглалтын үнэлгээ тус бүрээр харууллаа.

Ган, зуд (хар, цагаан)-ын үнэлгээ. Ганг тооцсон зудын үнэлгээг Л.Нацагдорж, Г.Сарантуяа нар

(2003) тооцоолж байсан. Уг эрдэмтэд зудыг үнэлэхдээ том малын зүй бус хорогдолтой холбон зун, өвлийн агаарын температурын нормчилсон хазайцаас мөн үеийн тунадасны нормчилсон

хазайцын зөрөөгөөр зудын индексийг анх тооцоолсон. Малын зүй бусын хорогдол хамгийн их

байсан зудтай байсан жилийн өмнөх зун нь гантай байсан байдаг. Ган бол зудын угтвар нөхцөл болох бөгөөд гангийн эцсийн үр дүн ирэх өвөл, хавар нь илэрдэг. Монгол орны экологийн бүсүүдийн онцлогоос хамааруулан тооцоонд хур тунадасны харилцан адилгүй нөхцөлүүдийг оруулж өглөө. Өвөл-хаврын тунадасыг 11, 12, 1, 2, 3 сарууд ба зуны тунадасыг 5, 6, 7 сар, харгалзах агаарын температурын цуваа мэдээнүүдийг ашиглалаа. Харин цөл болон цөлийн

хээрийн бүсэд хаврын сүүлч, зуны эхээр гантай байх тохиолдол нэмэгдэж байгаа, мөн зуны хур

бороо оройтож орвол 7, 8 сар гаргаж зуншлага сайжирдаг байдлыг харгалзан үзэж 5, 6, 7, 8 дугаар саруудын тунадасын мэдээг авлаа. Мөн тухайн саруудтай харгалзах агаарын температурын мэдээг ашиглан өвөл, зуны шинж байдлыг дан ганц агаарын температураар илэрхийлэх хангалттай бус

гэж үзээд температур, хур тунадасны нормчилсон хазайлтын ялгавар буюу Педийн индексээр ган зудын үнэлгээг дараахь байдлаар илэрхийллээ.

n

t

n

t RTган

RRTTs1 1

[1]

n

ii

Ri

n

iзуд

RRTTS11

)()(

гэж авав . [2]

Энд : R – i-р станц дээр өвөл ба зуны саруудад орсон цас болон хур тунадасны хэмжээ (мм-р), R - i- р станц дээрх өвөл ба зуны саруудад орсон цас болон хур тунадасны олон жилийн дундаж,

R - i-р станцын өвөл ба зуны цас болон хур тунадасны хэмжээний дундаж квадрат хазайлт,

n

ii xx

n 1

2)(1

1 - үүнийг Флуктуац гэнэ [3]

үүний хi-тухайн хэмжилтийн i дахь утга, <x>-арифметик дундаж утга Эндээс Sган >>0 байвал төдий гантай, Sзуд <<0 төдий их зудтай байх бөгөөд Sзуд ба Sган -ийн

ялгавараар зун хэдий гантай, өвөл нь төдий хатуу ширүүн бол S төдий их байна. S -ийг ган

зудын нийлмэл индекс гэнэ.

Уур амьсгалын хүчин зүйл

Table 1. Landsat satellite

data

Th

e study area is the Western part of Mongolia (Khovd, Uvs, Bayan-Ulgii)

Th

e total area is 1913

Бэлчээр ашиглалтын үнэлгээ

Ганг тооцсон зудын үнэлгээ

Гангийн үнэлгээ

Экологийн эмзэг байдлын үнэлгээ

Ядуурлын үнэлгээ

Нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээ

Зураг-1. Аргазүйн схем


-4-

Харын зуд. Бид цагаан зудаас гадна харын зудыг нэмж тооцооллоо. Учир нь сүүлийн жилүүдэд

Дэлхийн дулаарлаас үүдэлтэй өвлийн хур тунадас багасах, тогтвортой цасан бүрхүүлтэй байх хугацаа багасаж байгаатай холбогдуулан говь болон зарим хуурай хээрийн бүс нутгаар ихэвчлэн хар зуд тохиолдох нь ихсэж байгааг харгалзан үзэж, хар зудыг нэмж тооцохыг зорилоо. Өөрөөр хэлбэл зарим бүс нутагт зун нь гантай байгаад өвөл нь харын зуд тохиолдох байдал ажиглагдах

болсон. Өндөр уул, ойт хээр, хээрийн бүсийн ихэнх нутагт 10 жилийн 1-2 жилд нь ган болох

эрэмбэтэй байдаг бол цөлөрхөг хээрийн бүсэд 2 жилийн нэг нь гантай байдаг, харин хээрийн бүс цөлөрхэг хээрийн бүсийн зааг нутгаар 3 жилд нэг удаа ган тохиолдох тухай (Л.Нацагдорж,

Б.Цацоал, Ж.Дуламсүрэн. 2002) судалгаандаа дурьджээ. Харын зуд Монгол орны говь болон баруун бүсийн аймгуудын говь цөлийн бүсэд 2 жил тутамд харын зуд тохиолдог (L.Natsagdorj, J.Dulamsuren. 2001) байна. Их хүйтрэх, ялангуяа эрт хүйтрэх, өвөл хэд хэдэн сараар цас орохгүй, нуур, ихэнх гол мөрөн,

булгийн ус хөлдсөнөөс худгийн ус хүрэлцэхгүй мал сүрэг усаар гачигдан мал олноор үхэх нөхцөл бүрэлдэх нь харын зуд тохиох угтвар нөхцөл бодлог (Ш.Цэрэнпунцаг. 2010). Харын зуд болсон

цагт ашиглаж байгаа цөөн харз булаг, худгийн ойролцоо олон мал цугларч, бэлчээрээс алслагдах буюу усанд туугдаж, мал улдах, дулаан бууц, хашаа байргүй нутагт нутаглах зэргээс мал богино

хугацаанд ихээхэн турдаг онцлогтой бөгөөд өвөл хавар ногоо ургаж эхлэх амь чийг дутагдах улмаар бэлчээрийн экосистем төдийгүй мал аж ахуйд сөрөг үр дагавартай.

Дээрх [2] томъѐо нь R>>0 буюу цас их орж цагаан зуд тохиолдох нөхцлийг тооцсон томъѐо

юм. Иймд хар зудыг тооцохдоо тухайн жилийн өвөл хаврын саруудад унасан нийлбэр тунадас нь тухайн саруудын нийлбэр тунадасны олон жилийн дунджийн 20%-д хүрэхгүй тунадас унавал хар зуд тохиолдоно гэж үзлээ. Ингээд дараахь тохиолдлуудад хар, цагаан зуд болно эсвэл зуд

тохиолдохгүй нөхцөлүүд гэж үзээд [2] томъѐонд дараахь нөхцөлийн дагуу хувиргалт хийж

бодлоо. Sзуд <<0 байвал төдий зудтай гарах ѐстой. Тэгвэл: - Rj>>0 үед их цас орж цагаан зуд тохиолдох буюу Sзуд <<0 байхад зудтай байна гэсэн

[2], [4] томъѐоны нөхцөл хангагдана; - Rj=R20%чRОЖ.дун үед Rj нь тухайн сарын олон жилийн дундаж тунадас болон түүний

20%-ийн хооронд унасан байвал хар болон цагаан зудын аль нь ч тохиолдохгүй буюу Sзуд<<0 байхад зудтай байхын эсрэг нөхцөл хангагдана;

- Rj<R20% үед цас бага орж хар зуд тохиолдох буюу Sзуд <<0 байхад зудтай гэсэн [2], [4] томъѐоны нөхцөлийг бүрдүүлэхийн тулд [2] томъѐоны ( RR j ) тус бүрийг (-1)-ээр үржүүллээ.

Энд Rj- i-р станц дээрх өвөл, хаврын тухайн сард унасан нийлбэр тунадас (мм-р); RОЖ.дун-тухайн сарын нийлбэр тунадасны олон жилийн дундаж; Rj<R20% байх нөхцлийг цөл, цөлийн хээр, болон хуурай хээрийн нутагт орших сумдыг сонгон авлаа. Харин ойт хээр, уулын хээр, ойн экосистемд харын зуд гэсэн ойлголт бараг байхгүй учир энд R>>0 буюу цас их орох тусам цагаан зуд болох нөхцөл бүрдэх юм. Ингээд ган зуд(хар, цагаан)-ын индексийг тооцоолохдоо

зудган SSS [4] гэсэн томъѐогоор илэрхийлсэн. Бэлчээр ашиглалтын (индекс) үнэлгээ. Нэг га бэдчээрт байгаа малын тоо (хон.тол) нь нэг га

бэлчээрт байх ѐстой (бэлчээрийн даац) малын тооноос төдий чинээ хэтэрвэл тухайн бэлчээрийн экосистемээ төдий доройтуулж, улмаар эмзэг байдлаа нэмэгдүүлнэ гэж үзээд бэлчээр ашиглалтын үнэлгээг дараахь байдлаар тооцооллоо.

Бэлчээр ашиглалтын индексийг гаргах томьѐо нь:

o

o

NNNN [5]

Энд: N- нэг га-д байгаа малын тоо, [хон.тол/га]; No- бэлчээрийн даац (нэг га-д байх ѐстой малын тоо), [хон.тол/га] (ШУА, Үндэсний атлас. 1990 & УЦУХ. 2009); - Бэлчээрийн МАА-н

менежментийн коэффициент. Бэлчээрийн МАА-н менежментийн коэффициент нь малын тэжээл, хашаа саравч, бэлчээр усжуулалт болон ашиглах менежмент зэргээс хамаарах бөгөөд цаашид судлах шаардлагатай.


-5-

Экологийн эмзэг байдлын (индекс) үнэлгээ. Экологийн эмзэг байдлын үнэлгээг дээр

дурьдсанчлан цаг уурын хатуу ширүүн нөхцөл болох ган, зуд төдий их байгаад дээр нь бэлчээрийн ургац буурах нөхцөл болон бэлчээрийн даацаа хэтрүүлэн ашиглавал бэлчээрийн экосистем төдий чинээ доройтож улмаар экологийн эмзэг байдлыг нэмэгдүүлнэ гэж үзээд ган

зудын болон бэлчээр ашиглалтын үнэлгээнүүдийг нэгтгэн дараахь томъѐогоор тооцооллоо.

Экологийн эмзэг байдлын үнэлээ тооцоолох томъѐо: SNV [6]

N - Бэлчээр ашиглалтын индекс, S - ган-зудын индекс

3. СУДАЛГААНЫ ҮР ДҮН

Гангийн үнэлгээ Монгол орны гангийн үнэлгээг аймгийн түвшинд цаг хугацаа, орон зайн тархалтаар нь

харууллаа (Зураг-2). 1970-1990 онд Өмнөговь, Ховд, Увс аймгийн нутагт ган илүү тохиолдож байсан бол, 1991-2008 оны хооронд ган улам хүрээгээ тэлж Монгол орны төв хэсэг, говийн болон баруун аймгуудын нутгаар илүү тохиолдох болсон байна. Өөрөөр хэлбэл 1991 оноос хойш 18 жилд Увс, Ховд, Говь-Алтай, Баянхонгор, Өмнөговь, Дундговь, Төв аймгийн нутгаар ган илүү тохиолдох болсон байна.

1940-2008 он хүртлэх 68 жилийн гангийн индексийн динамикийн олон жилийн хандлагаас

харвал 1940 оноос буурах хандлагатай байгаад 60-д

оны эхэн үеэс нэмэгдээд, эргээд 80-д оны эхэн үеэс буураад 1990 оны сүүл үеэс эргээд нэмэгдсэн байна. Ерөнхийдөө Монгол нутагт ган тохиолдох байдал

нэмэгдэх хандлагатай. Зудын үнэлгээ

Малчдын уламжлалт үнэлгээгээр зудыг дотор нь цагаан, хар, шуурган, хүйтэн, төмөр буюу шилэн гэж ялгасан байдаг (Д.Чогсом. 1964). 1999-2000 оны өвөл Ус цаг уурын хүрээлэнгийн үнэлгээгээр 32 сумын нутагт цагаан зудтай, 47 сумын нутагт харын зуд

болсон гэж үнэлсэн байхад, Улсын Байнгын Онцгой Комисс (УБОК)-оос 13 аймгийн 157 сумын

нутаг буюу Монгол орны 70%-ийг хамарсан зуд болсон гэж тогтоосон (1999-2000 оны зудын

сургамж. 2000) байдаг. Зураг-3-т ганг тооцсон хар болон цагаан зудын үнэлгээг үзүүллээ. Энд ганг тооцсон хар болон

цагаан зудыг ерөнхийд нь зуд гэж нэрлэсэн байгаа. 1990 оноос өмнөх 20 жилд Монгол нутгийн баруун болон говийн бүсээр зуд болох нөхцөл ялангуяа Ховд, Дундговь, Дорноговийн нутгаар илүү ажиглагдаж байсан бол 1991 оноос хойш 18 жилийн хугацаанд хүрээгээ улам тэлсэн байна. Монгол орны хойд хэсгээр буюу ой болон ойт хээрийн бүс нутгаар зудын индекс харьцангуй бага

гарсан нь тухайн бүс нутагт цагаан зуд их тохиолдох боловч харин ган болон харын зуд бараг

тохиолддоггүйтэй холбоотой юм.

y = 0,0008x + 0,3869

0,200,300,400,500,600,70

19

40

19

47

19

54

19

61

19

68

19

75

19

82

19

89

19

96

20

03

Инд

екс

Монгол орны гангийн индексийн олон жилийн динамик

1991-20081970-1990

Зураг-2. Монгол орны гангийн үнэлгээ


-6-

Монгол нутагт тохиолдох зудын индексийн 1940-

2008 оны хооронд буюу сүүлийн 68 жилийн динамикийн

ерөнхий хандлагаас үзвэл тавиад оны сүүл хүртэл өсөж

байснаа эргээд буураад, ерөөд оны эхэн үеэс эхлэн эргээд

өсөх хандлагатай болсон.

Бэлчээр ашиглалтын үнэлгээ Уур амьсгалын өөрчлөлтийн нөлөөллөөс гадна, хам байдлаар малын тоо толгойн өсөлттэй

холбоотой бэлчээрийн даацаа хэтрүүлэн ашиглах байдлаар хүний үйл ажиллагаанаас болж бэлчээрийн экосистемээ доройтуулах, цөлжих хандлага ажиглагдах болсон. Бэлчээрт байгаа

малын тоо толгой, тэдгээр малыг агуулах бэлчээрийн экосистемийн боломжит даацаас хамааруулан бэлчээр ашиглалтын үнэлгээг индексжүүлэн гаргаж цаг хугацаа, орон зайн тархалтаар үнэлгээ хийж үзүүллээ (Зураг-4).

1970-1990 онд Ховд аймаг бэлчээрийн даацаа хамгийн их хэтрүүлэн ашигласан, дараа нь Өмнөговь, Дорноговь, Баян-Өлгий, Увс аймгууд бэлчээрээ мөн хэтрүүлэн ашиглаж байсан байна. Зах зээлийн эдийн

засагт шилжсэн 1990-ээд оноос хойших 18 жилийн хугацаанд баруун гурван аймаг (түүн дотроо хамгийн их нь Ховд), мөн төвийн болон говийн бүсийн аймгууд (түүн дотроо хамгийн их нь Булган,

Өмнөговь) бэлчээрийн даацаа хэтрүүлэн ашиглах

байдал нэмэгдсэн байна. Бэлчээр ашиглалтын индексийн 1970-2008 оны хоорондох олон жилийн динамикаас харвал 70-аад оноос ерээд оны дунд үе хүртэл харьцангуй тогтмол байснаа ерээд оны сүүл хүртэл эрчимтэй өсөөд, эргээд 1998-2001 дараалсан ган зудаас болж мал сүргээ ихээр алдаж

1995 оны бэлчээр ашиглалтын түвшинд хүрсэн байх юм. Ингээд 2003 оноос 2008 он хүртэл эргээд малын тоо толгойн өсөлттэй холбоотой бэлчээр ашиглалт тасралтгүй өссөн байна. Энэ хооронд тавхан жил зарцуулсан бөгөөд бог малын өсөлт илүү жин авна.

1991-20081970-1990

Зураг 3. Монгол орны ган-зуд(хар, цагаан)-ын үнэлгээ

1970-1990 1991-2008

Зураг 4. Монгол орны бэлчээр ашиглалтын үнэлгээ


-7-

Ган зуд болон бэлчээр ашиглалтын хам нөлөө Ган-зудаас үүдэлтэй гарз хохиролд

байгаль, уур амьсгалын өөрчлөлтийн анхдагч хүчин зүйл боловч хэдэн хувь нь

биднээс өөрсдөөс хамаарч байгааг тоон утгаар ялгаж салгах, цаашид судалж

тодруулах нь бодлого боловсруулахад ач холбогдолтой талаар П.Батима нар (2003) AIACC (Assessments of Impacts and Adaptation to Climate Change) хөтөлбөрийн төслийн судалгааны тайландаа дурьдсан. Монгол орны хаана уур амьсгалын өөрчлөлтөөс үүдэлтэй, хаана бэлчээр

ашиглалт буюу хүний үйл ажиллагаанаас үүдэлтэй нөлөө давамгайлж байгааг олж мэдэх нь бодлого боловсруулахад ач

холбогдолтой төдийгүй, цаашид нарийвчлан судлах шаардлагатай байгаа

зүйлийн нэг юм. Дээр дурьдсан ган-зудын

болон бэлчээр ашиглалтын үнэлгээний үр

дүнд тулгуурлан индекс тус бүрийг 0-1 хооронд түгэлт хийж, жинлэх байдлаар

давамгайлж буй хүчин зүйлийг экологийн бүсүүд дэх аймгуудаар харууллаа(Зураг-5). Зургаас харахад 1970-1990 онд Монголын

ихэнх бүс нутаг буюу аймгуудад ган-зудын нөлөө давамгайлж байсан бол 1990 оноос

хойш бэлчээр ашиглалтын нөлөө ерөнхийдөө нэмэгдсэн бөгөөд Ховд, Өмнөговь, Булган, Архангай, Баян-Өлгий аймгуудад хүний үйл ажиллагаанаас үүдэлтэй бэлчээр ашиглалтын нөлөө давамгайлах болсон байна. Энд бэлчээр

ашиглалтын үнэлгээний цаана бэлчээрийн ургац даацын тухай ойлголт байгаа учир зуун хувь хүний нөлөө гэж хэлэх нь учир дутагдалтай гэдгийг хэлэх хэрэгтэй. Харин хээрийн бүс дэх

Сүхбаатар, Дорнод, ойт хээрийн зарим аймгуудад бэлчээр ашиглалтын нөлөө ган-зудын нөлөөнөөс харьцангуй бага байна. 1990 оноос хойших жилүүдэд бэлчээрийн экосистемд үзүүлэх хүний үйл ажиллагаа зарим аймагт уур амьсгалын өөрчлөлтийн нөлөөнөөс дутуугүй болсноос үзвэл ХАА-н салбарт байгальдаа ч, хүндээ ч ашигтай хөгжлийн “Хож-хож” загварууд (Ojima and Chuluun. 2008 & Chuluun. 2008)-ыг хэрэгжүүлэх, бодлогын түвшинд шинэчлэл хийх шаардлагатай болсон нь харагдаж байна. Экологийн эмзэг байдлын үнэлгээ

Уур амьсгалын болон газар ашиглалтын өөрчлөлтөд Монгол орны экологийн эмзэг байдлыг цаг хугацаа, орон зайн тархалтаар үнэлгээ хийлээ. Монгол Улсын 2010 оны Үндэсний Хүний хөгжлийн илтгэл бичихэд зориулсан суурь өгүүллүүдийн нэг “Монгол орны газрын доройтол, цөлжилт”-ын асуудлаар боловсруулсан (Chuluun. 2010) өгүүлэлд экологийн эмзэг байдлын үр дүнг тодорхой тусгасан. Аргазүйн хэсэгт дурдсанчлан уур амьсгалын өөрчлөлтийн нөлөөллөөс үүдэлтэй ган, зуд болон хүний үйл ажиллагаанаас үүдэлтэй бэлчээр ашиглалтын үнэлгээнүүдийг

индексжүүлэн нэгтгэн тооцооллоо. Өөрөөр хэлбэл ган болоод ирэх өвөл нь зуд тохиолдвол тухайн бэлчээрийн нийгэм-экологийн тогтолцоо төдий чинээ эмзэг болно, дээр нь бэлчээрээ даацаас нь

хэтрүүлэн ашиглавал эмзэг байдал улам нэмэгдэнэ гэсэн энгийн зарчим баримталсан. Монгол орны экологийн эмзэг байдлын үнэлгээг Зураг-6-д харууллаа.

Монгол орны экологийн эмзэг байдлыг орон зайн тархалтаар нь аймгийн түвшинд 1970-1990 оны хоорондох 20 жилд баруун хязгаарын гурван аймаг, түүн дотроо Ховд аймаг илүү эмзэг мөн говийн бүсийн гурван аймаг, түүн дотроо Өмнөговь аймаг илүү эмзэг гарсан байна. Харин 1991-2008 оны хоорондох 18 жилд экологийн эмзэг байдал улам хүрээгээ тэлсэн. Тухайлбал, баруун таван аймгуудын экологийн эмзэг байдал нэмэгдсэн бөгөөд, ялангуяа Ховд, Увс аймаг илүү эмзэг болсон байна. Мөн төвийн болон говийн бүс нутгийн аймгуудын экологийн хувьд эмзэг болсон бөгөөд, ялангуяа Говийн бүсээс Өмнөговь, Дундговь, Төвийн бүсээс Булган аймаг экологийн хувьд илүү эмзэг болсон байна.

Бэлчээр ашиглалт болон ган-зудын нөлөө

(1970-1990)

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

Бая

н-Ө

лги

й

Го

вь

-Ал

тай

Ув

с

Хо

вд

До

рн

ого

вь

Дун

дго

вь

Өм

нө

гов

ь

Бул

ган

Ар

хан

гай

Сэл

эн

гэ

Тө

в

Хө

всгө

л

Хэн

тий

Бая

нхо

нго

р

Зав

хан

Өв

өр

хан

гай

Сүхб

аата

р

До

рн

од

Говийн бүс Ойт хээр Говь хангайн

шилжилтийн

бүс

Хээрийн

бүс

Бэлчээр ашиглалт Ган, зуд

Бэлчээр ашиглалт болон ган-зудын нөлөө

(1991-2008)

0

0,1

0,2

0,3

0,4

0,5

0,6

0,7

0,8

0,9

Бая

н-Ө

лги

й

Го

вь

-Ал

тай

Ув

с

Хо

вд

До

рн

ого

вь

Дун

дго

вь

Өм

нө

гов

ь

Бул

ган

Ар

хан

гай

Сэл

эн

гэ

Тө

в

Хө

всгө

л

Хэн

тий

Бая

нхо

нго

р

Зав

хан

Өв

өр

хан

гай

Сүхб

аата

р

До

рн

од

Говийн бүс Ойт хээр Говь хангайн

шилжилтийн

бүс

Хээрийн

бүс

Бэлчээр ашиглалт

Ган, зуд

Зураг 5-а. Бэлчээр ашиглалт болон ган зудын нөлөө

Зураг 5-б. Бэлчээр ашиглалт болон ган зудын нөлөө


-8-

1970-2008 оны олон жилийн динамикаас

харвал Монгол орны хэмжээнд экологийн эмзэг байдал сүүлийн 10 орчим жилд 8 хувиар

нэмэгдэж, өөр түвшинд очсон байх юм. Нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээ

Монгол Улсын Үндэсний статистикийн газар НҮБ-ын хөгжлийн хөтөлбөртэй (2009) хамтран Монгол Улсын 2000 оны хүн ам орон сууцны тооллогын мэдээнд тулгуурлан Монгол орны ядуурлын хамралын хүрээ буюу үнэлгээг хийсэн (Зураг-7). Аливаа улс орны эдийн засгийг

бүрдүүлж буй салбарууд нь байгаль орчин, геополитик, ажилгүйдэл ядуурал зэрэг гадна дотны хүчин зүйлээс хэрхэн хамааралтай байгаагаас шалтгаалан төдий чинээ эмзэг,

өртөмтгий байдаг. Ядуурал нь эмзэг байдлыг

ихэсгэнэ. Хувь хүн, орон нутгийн төвшинд энэ

нь ажилгүйдэлд орох, тогтмол орлогогүй байх, зохих үйлчилгээг хүртэх боломжгүй, дутмаг

байх зэрэг юм (Ш.Паламдорж нар. 2010). Зураг-7-с харахад Баруун бүсээс Ховд, Увс, Хангайн бүсээс Баянхонгор, Хөвсгөл, зүүн бүсээс Дорнод аймгууд илүү ядууралтай гэж гарсан байна.

Дээрх ядуурлын үнэлгээг индексжүүлэн экологийн эмзэг байдлын үнэлгээний 1990-2008 оны дундажтай нэгтгэн Монгол орны нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн

үнэлгээг хийлээ (Зураг-8). Зургаас харахад нийгэм-экологийн хувьд баруун бүсээс Ховд, Увс, Төвийн бүсээс Дундговь аймгууд илүү эмзэг, дараа нь Хөвсгөл, Архангай, Баянхонгор, Өмнөговь, Дорноговь аймгууд эмзэг болсон байна. Нийгэм-экологийн тогтолцооны эмзэг байдал хамгийн багатай аймаг нь Хэнтий, Сүхбаатар гэсэн хоѐрхон аймаг байна.

Зураг 7. Ядуурлын хамралтын хүрээ, аймгаар

1970-1990

1991-2008

Зураг 6. Монгол орны экологийн эмзэг байдлын үнэлгээ Байгалийн (ган, зуд) болон хүний хүчин зүйлийн

(бэлчээрийн доройтол) хам нөлөө

No data


-9-

Ерөнхийдөө суурь мэдээллүүд нь байгаад судалгаанд орсон дээрх 18 аймгаас 16 нь уур

амьсгалын болон газар (бэлчээр) ашиглалтын өөрчлөлт, ядууралд нийгэм-экологийн тогтолцооны хувьд илүү эмзэг болсон нь харагдаж байна.

4. ДҮГНЭЛТ

Уур амьсгалын өөрчлөлтөөс үүдэлтэй ган зудад эмзэг байдлаараа Монгол орны баруун болон говь, хээрийн бүс нутаг бараг бүхэлдээ буюу түүн дотроо Ховд, Увс, Баянхонгор, Өмнөговь, Дорноговь болон Дундговь аймгууд илүү их эмзэг, дараа нь говь хангай зааг бүс нутаг буюу Өвөрхангай, Төв болон Завхан аймгууд, мөн хээрийн бүс нутгийн аймгууд эмзэг болсон байна. Ган зуд илүү тохиолдох хандлагатай байгаа аймгуудад уур амьсгалын өөрчлөлтөд дасан зохицох, эмзэг байдлаа бууруулах арга хэмжээг нэн тэргүүнд авч хэрэгжүүлэх шаардлагатай.

Зах зээлийн эдийн засагт шилжсэн үеэс хойш малын тоо толгойн өсөлт, бэлчээрийн экосистемийн бүтээмжийн бууралтаас шалтгаалан Монгол орны бэлчээр ашиглалт эрс нэмэгдсэн

байна. Бэлчээр ашиглалтын үнэлгээгээр Монгол орны ихэнх аймгуудын бэлчээр ашиглалт нэмэгдсэн бөгөөд түүн дортоо Ховд, Булган, Өмнөговь аймгууд илүү байна. Бэлчээр ашиглалт давамгайлж байгаа аймгуудад газар ашиглалтын менежментийн сайжруулах, бэлчээрийн экосистемээ хамгаалахад чиглэсэн арга хэмжээгээр дамжуулан экосистемд үзүүлэх хүний үйл ажиллагааны сөрөг нөлөөллийг бууруулах шаардлагатай байна.

1970-1990 онд Монголын ихэнх аймгуудад ган-зудын нөлөө давамгайлж байсан бол 1990 оноос хойш бэлчээр ашиглалтын нөлөө ерөнхийдөө нэмэгдсэн бөгөөд Ховд, Өмнөговь, Булган,

Архангай, Баян-Өлгий аймгуудад хүний үйл ажиллагаанаас үүдэлтэй бэлчээр ашиглалтын нөлөө

давамгайлах болсон байна. Иймд ХАА-н салбарт байгальдаа ч, хүндээ ч ашигтай байх “Хож-хож” загваруудыг хэрэгжүүлэх, бодлогын шинэчлэл хийх шаардлагатай болсон нь харагдаж байна.

1990 оноос хойш ихэнх аймгуудын экологийн эмзэг байдал нэмэгдэсэн бөгөөд Монгол орны хэмжээгээр 8 орчим хувиар нэмэгдэж өөр түвшинд шилжсэн байна. Ховд, Увс, Өмнөговь, Дундговь болон Булган аймгууд экологийн хувьд илүү эмзэг болсон байна. Экологийн хувьд илүү

эмзэг болж байгаа дээрх аймгууд, бүс нутагт байгаль орчноо хамгаалах, эмзэг байдлаа бууруулах, сэргэх хөгжих чадавхийг нь нэмэгдүүлэхэд чиглэсэн газар ашиглалтын менежментийг сайжруулах, уур амьсгалын өөрчлөлтөд нийгэм-экологийн тогтолцооны дасан зохиоцох бодлогыг

(М.Алтанбаган, Т.Чулуун, С.Мягмарсүрэн. 2009) шинжлэх ухааны үндэслэлтэй боловсруулж, үе

шаттайгаар хэрэгжүүлж эхлэх хэрэгтэй. Магадгүй ирээдүйд нэгэнт явагдаад эхэлчихсэн уур

амьсгалын өөрчлөлтөөс үүдэлтэй эрсдэлүүдээс (IPCC. 2007) гарах хохирол одоогийн явуулж болох үйл ажиллагааны өртөгөөс хэд дахин их хохирол учруулж болзошгүй байгаа. Ирээдүйн

N

EW

S

LEGEND< 0.250.26 - 0.350.36 - 0.450.46 - 0.550.56 <

Зураг 8. Нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээ

Баян-Өлгий Увс

Ховд Завхан

Говь-Алтай Баянхонгор

Сэлэнгэ

Хөвсгөл

Булган

Архангай

Өвөрхангай

Төв

Дундговь

Өмнөговь

Дорноговь

Сүхбаатар

Хэнтий Дорнод

No data


-10-

эрсдэлд зориулсан үйл ажиллагааны төлөвлөгөө нь зөвхөн нийгэм-эдийн засгийн асуудалд хандах байдлаар бус экологийн урт хугацааны асуудалтай уялдаж байгаа учир магадгүй 40-60 жилийн дараах асуудлыг одооноос авч хэрэгжүүлэхгүй бол нэгэнт хоцорч магадгүй юм.

Уур амьсгалын болон газар ашиглалтын өөрчлөлт, ядууралд Монгол орны нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээгээр ихэнх аймаг эмзэг гарсан бөгөөд түүн дортоо эмзэг байдал ихтэй нь Ховд, Увс, Дундговь аймгууд, харьцангуй эмзэг байдал багатай Хэнтий, Сүхбаатар гэсэн хоѐрхон аймаг орсноос үзвэл Монгол нутгийг ихэнх аймгууд ерөнхийдөө эмзэг

болсон гэж дүгнэж болно. Иймд уур амьсгалын өөрчлөлтөд нийгэм-экологийн тогтолцооны эмзэг байдлаа бууруулах, дасан зохицоход чиглэсэн арга хэмжээний цогц хөтөлбөрийг тогтвортой хөгжлийн бодлоготой уялдуулж боловсруулах шаардлагатай байна.

ТАЛАРХАЛ. Энэхүү судалгааг Байгаль орчны глобал өөрчлөлтийн Ази Номхон далайн сүлжээ (APN)-ний

“Монгол орны уур амьсгал болон газар ашиглалтын өөрчлөлтөд хамгийн эмзэг, Хангайн нурууны өвөр

талын бэлчээрийн тогтолцооны судалгаанд Хуурай газрын хөгжлийн парадигмыг ашиглах нь” төсөл (APN: 2008CB-FP12-Togtohyn), НҮБ-ын Судалгаа, Сургалтын хүрээлэн(UNITAR), Глобал өөрчлөлтийн судалгаа,

сургалтын тогтолцоо(START)-оос эрхлэн явуулж буй “Уур амьсгалын өөрчлөлтөд дасан зохицох чадавхийг

дэмжих (ACCCA)” хөтөлбөрийн хүрээнд Европын Тусламж, Хамтын ажиллагааны газрын Европын

Комисс, Английн Хүрээлэн буй орчин, Хөдөөгийн хөгжлийн газар, Нидерландын Уур амьсгалын өөрчлөлтийг

дэмжих хөтөлбөрөөс санхүүжсэн “Уур амьсгалын өөрчлөлтөд бэлчээрийн мал аж ахуйг дасан зохицуулах

бодлого боловсруулах нь (2007-2008)” төсөл болон НҮБ-ын Хөгжлийн хөтөлбөр, Нийгмийн хамгаалал,

хєдєлмєрийн яамны “Ядуурлын судалгаа, хөдөлмөр эрхлэлтийг дэмжих” төслөөс хангасан мэдээ, хээрийн болон бусад судалгааны үр дүнд тулгуурлан тус өгүүллийг бичлээ.

НОМ ЗҮЙ

- Adger, W.N., 2006. Vulnerability: in Global Environmental Change 16 (2006) 268-281. - Chuluun, T., M.Altanbagana and C.Davaanyam. 2008. Policy on adaptation of pastoral systems

to climate change, The project brochure, Admon Publishing, Ulaanbaatar, Mongolia, 46pp. - Climate Change and Vulnerability. 2008. Edited by Neil Leary, Cecilia Conde, Jyoti Kulkarni,

Anthony Nyong and Juan Pulhin. Earthscan. London. - Coleen, V., Susanne, C.M., Roger, E.K., Geoffrey, D.D., 2007. Linking vulnerability, adaptation

and resilience science to practice: Pathways, players and partnerships. Global Environmental Chanfe 17, 349-364.

- Chuluun, T., S. Davaanyam, M. Altanbagana and D. Ojima. 2008. A policy to strengthen pastoral communities and to restore cultural landscapes for climate change adaptation and sustainability. XXI Grassland and Rangeland Congress & VIII International Grassland Congress on “Multifunctional Grasslands in a Changing World” Volume II: 930.

- Chuluun, T. 2008. Adaptation Strategies of Pastoral Communities to Climate Change in Central Mountainous Region of Mongolia. Update-IHDP, Newsletter of the International Human Dimensions Program on global environmental change, 2: 53-58. http://www.ihdp.unu.edu/file/IHDP+Updates/IHDP+Update+2008+2?menu=60.

- Chuluun, T. 2010. Land degradation and desertification in Mongolia. Background paper for the “Human Development Report-2010-Mongolia‟ (accepted).

- Gilbert C.Gallopin., 2006. Linkages between vulnerability, resilience, and adaptive capacity. Global Environmental Change magazine. 16, 293-303, EarthScan.

- IPCC (Intergovernmental Panel on Climate Change) working groups. 2007. The Fourth Assessment Report (AR4), http://www.ipcc.ch/.

- Ojima, D., and T.Chuluun. 2008. Policy changes in Mongolia: Implications for land use and landscape: in Fragmentation in semi-arid and arid landscapes: Consequences for Human and Natural Systems, p 179-193.

- MARCC 2009. Mongolia: Assessment Report on Climate Change. Ministry of Nature, Environment and Tourism. Ulaanbaatar.

- Natsagdorj, L., J.Dulamsuren, 2001. Zud assessment. Meteorology and Hydrology, Institute of Meteorology and Hydrology. №23/3, Ulaanbaatar, pp.3-18.

- National Statistical Office (NSO) & UNDP, 2009. Mongolia Census-Based Poverty Map: Region, Aimag, and Sum Level Results. Ulaanbaatar.

- 1999-2000 оны зудын сургамж. 2000. Ус цаг уур, орчны шинжилгээний газар, ЖЭМР ХХК-д хэвлэв. Улаанбаатар.

http://www.mswl.pmis.gov.mn/

http://www.mswl.pmis.gov.mn/

http://www.ihdp.unu.edu/file/IHDP+Updates/IHDP+Update+2008+2?menu=60

http://www.ipcc.ch/


-11-

- Алтанбагана, М., Т.Чулуун, С.Мягмарсүрэн. 2009. Дэлхийн дулааралд Монгол орны эмзэг байдал болон дасан зохицуйн зарим асууудал. Природные условия, история и культура западной Монголий и сопредельных регионов. Том I. Материалы IX международной

конференций, г Ховд, 16-20 сентября 2009 года. Ховд-Томск-2009 г. Хуудас 130-138. - Батболд, С. 2010. УИХ-ын 2010 оны хаврын чуулганд Ерөнхий сайдын 2009-2010 оны

өвөл, хаврын зудын хохирлын талаар хийсэн мэдээлэл. Вэб сайт. http://politics.news.mn/content/8145.shtml. Улаабаатар.

- Батима, П., Л.Нацагдорж, Т.Чулуун, Р.Оюун. 2005. GEF, UNEP, START, AIACC-ийн “Уур амьсгалын өөрчлөлтөд сав шим тогтолцоо, мал аж ахуйн өртөх, дасан зохицохын

судалгаа” төслийн “Уур амьсгалын өөрчлөлтийн нөлөө” судалгааны тайлан. Ус цаг уурын

хүрээлэн. Улаанбаатар. - Батима, П., Л.Нацагдорж, Т.Чулуун, Р.Оюун. 2005. GEF, UNEP, START, AIACC-ийн “Уур

амьсгалын өөрчлөлтөд сав шим тогтолцоо, мал аж ахуйн өртөх, дасан зохицохын

судалгаа” төслийн “Уур амьсгалын өөрчлөлтөнд мал аж ахуйн өртөх байдал” судалгааны

тайлан. Ус цаг уурын хүрээлэн. Улаанбаатар. - Монгол Улсын статистикийн эмхтгэл. 2006. Монгол Улсын Үндэсний статистикийн газар.

Улаанбаатар. - Монгол Улсын статистикийн эмхтгэл. 2008. Монгол Улсын Үндэсний статистикийн газар.

Улаанбаатар. - Монгол Улсын Үндэсний атлас. 1990. Шинжлэх ухааны академи. Улаанбаатар. - Нацагдорж, Л., Б.Цацоал, Ж.Дуламсүрэн. 2002. Монгол орны нутаг дэвсгэр дээрх агаар

мандлын гангийн судалгааны асуудалд “Уур амьсгалын өөрчлөлт, газар тариалангийн үйлдвэрлэл” эмхтгэл, хуудас 26-47.

- Нацагдорж, Л., Г.Сарантуяа. 2003. Монголын бэлчээрийн мал аж ахуйд тохиолддог агаар мандлын зудын үзэгдэл ба уур амьсгалын өөрчлөлт. “Экологи-Тогтвортой хөгжил” эрдэм шинжилгээний цуврал бүтээл. №7, хуудас 151-180.

- Паламдорж, Ш., П.Цэдэв, Н.Гэрэлцолмон, Ш.Олзвой, Д.Оюунбаатар. 2010. Хянан тохиолдуулсан Ш.Болдбаатар. “Гамшгийн эрсдэлийг үнэлэх аргазүй”. Улаанбаатар.

- Санжид. 2002. Уур амьсгалын өөрчлөлтөөс ургамлан нөмрөг, ургамалд үзүүлэх нөлөө, дасан зохицохын судалгаа. “Уур амьсгалын өөрчлөлтөнд сав шим тогтолцоо мал аж ахуйн өртөх, дасан зохицохын судалгаа” төслийн жилийн тайлан. Улаанбаатар.

- Цэрэнпунцаг, Ш. 2010. Үндэсний Портал Gogo вэб сайтад гарсан “Зуд болгон өөрийн

онцлогтой” нийтлэл. http://news.gogo.mn/r/67058. Улаанбаатар. - Чогсом, Д. 1964 он. Зудын судалгааны асуудалд. Монгол орны газарзүйн асуудлууд. №2,

УБ, ШУАХ. - Чулуун, Т., М.Алтанбагана, Г.Сарантуяа. 2005. Уур амьсгал болон газар ашиглалтын

өөрчлөлтөд Монгол орны бэлчээрийн МАА-н эмзэг байдал, дасан зохицох чадавхийн үнэлгээ. МУБИС, Байгалийн ухааны сургууль, Биологийн тэнхимийн эрдэм шинжилгээний бичиг, IV боть, 182-189.

- Чулуун, Т., М.Алтанбагана. 2010. “Уур амьсгалын өөрчлөлтөд нийгэм-экологийн

тогтолцооны эмзэг байдал, дасан зохицох бодлогын сонголтууд”. Баруун бүсийн хөгжил,

шинжлэх ухаан технологи сэдэвт эрдэм шинжилгээний бага хурлын илтгэлүүдийн

эмхтгэл. Ерөнхийлөгчийн тамгын газар, УИХ-ын тамгын газар, Засгийн газрын хэрэг эрхлэх газар, Баруун бүсийн зөвлөл, шинжлэх ухааны академи, Үндэсний хөгжлийн хүрээлэн. Улаанбаатар. Хуудас 369-384.

http://politics.news.mn/content/8145.shtml

http://news.gogo.mn/r/67058


-12-

A CONCEPTUAL FRAMEWORK FOR UPDATE OF URBAN GIS BY RS DATA

D.Amarsaikhan Institute of Informatics and RS, Mongolian Academy of Sciences,

av.Enkhtaivan-54B, Ulaanbaatar-51, Mongolia Tel: 976-11-453660 Fax: 976-11-458090

E-mail: [email protected]

Abstract. The aim of this paper is to describe a conceptual framework for development of urban geoinformation system (GIS) and its update by the processing of remote sensing (RS) data from different sources. The information system is broadly reviewed in terms of the database structure and development as well as organizational structure and decision functions. For the update of some layers within the GIS, information extraction from RS data is proposed. In addition, a methodological scheme for development of the urban GIS updated by RS data and other data sets is elaborated. Key words: Urban GIS, RS, Spatial data, Update, Information extraction

1. INTRODUCTION

The traditional method for storing and conveying of spatial information lacks the rapid data retrieval and update. To overcome this problem, in most of the western countries the development of the computerized spatial information systems has begun in the 80s of of the last century. In recent years, due to rapid development in information technology, the costs for appropriate hardware and software to handle both geographical and attribute information in a digital format have drastically decreased. This has given a great chance for countries of the developing world to acquire and use advanced computer technology for their applications (Amarsaikhan, 2000). At present, in many developing countries the conversion of their traditional hard copy maps into a digital form as well as modern new technology-based surveying are being made. In most countries, the main activities are being carried out in the fields of urban cadastral mapping and natural resources assessment. Many countries are trying to develop a proper integrated database in a most efficient and cost-effective way on the basis of the available data and advanced surveying technology.

Untill recently, in Mongolia most of the spatial data has been in hardcopy forms. For urgent decision making specifically in urban planning and environmental management, the country needs the most reliable and efficient digital spatial information that can be rapidly updated and presented in various forms according to different user requirements (Amarsaikhan and Sato, 2003). In the country, still different data sets are distributed in different organizations and there is no efficient way of exchanging or sharing it. Meanwhile, there might be some possibilities of duplication of data sets and they might be in different standards.

For urban planning and management the precise and detailed spatial information can play an important role. For example, such information can be successfully used for many different disciplines including property management, various network related analysis, land use change detection, neighborhood analysis, utility management and many others. However, most of the developing countries have a lack of detailed and accurate spatial information specifically represented in a digital format, because of a lack of financial support for conducting a measurement to acquire accurate information and upgrading of the existing techniques and technologies. Consequently, they might need to find an alternative method to solve this problem in a cost-effective way and one of the approaches could be the usage of RS images with different spatial and spectral resolutions (Amarsaikhan et al. 2007, Amarsaikhan et al. 2009).

The aim of this paper is to describe one of the approaches that can be used for development of urban GIS and demonstrate the possibilities of the high and very high resolution satellite images for update of the thematic layers. For the information extraction three different approaches such as manual, automatic and knowledge-based are proposed and for each approach the appropriate case studies are given.



-13-

2. DEVELOPMENT OF URBAN GIS

The function of an information system is to provide different user communities by necessary information. In this context, urban GIS can be viewed as an information system that supplies a variety of different users by the information related to urban land use, infrastructure and environment. The main parts of the urban GIS should be a thoroughly structured integrated database, appropriate hardware and application software. In addition, in order to satisfy the efficiency of the system functions and data management internal organizational structure and decision levels should be defined. 2.1. Database development

Urban areas are very complex and they include a variety of different features. However, in many cases land use information can be a determining factor in urban context. As most land use information is related to land plots, use of land and its ownership, database would mainly consist of large scale maps though some middle and small scale maps could also be expected. Before the commencement of any physical work, the real world should be modeled and the structure of a database should be defined. As the urban entities are parts of the interrelated real world objects viewed by a specific user community, their modeling within a computer environment should follow the following stages (Amarsaikhan, 1997):

Design of the conceptual model, which describes a conceptual framework for the abstraction,

simplification and classification of the phenomena and their relationships as viewed by the user community of the database. At this stage, a logical structure which specifies the logical data content of the database should be defined.

Physical model, which transfers the specified logical data to the internal data structure. 2.2. Conceptual model

For proper conceptual database design one should clearly define different data sets and differentiate all possible entities and their attributes. At this stage, classification and grouping of classes of objects, the reduction of redundancies or duplications have to be thoroughly investigated. The database should consist of the following two types of data sets:

For the representation of spatial data sets a layer based approach can be used as it can easily separate different themes and store them as logically and physically independent data sets. For proper database design and implementation different issues related to the themes (eg, how many, symbols and annotation, relationships and identifiers) and their attributes (identifiers, relationships) should be considered. For the attribute database design, data flow diagrams, flow charts and unified modeling language might be used and the physical implementation can be carried out using relational and object-oriented structures. Here, the entities must be uniquely identified by their ID numbers and different foreign keys should be defined on the basis of determining the relationships among the entities. To have a compact and flexible structure, the attribute tables should be normalized and repeating groups should be eliminated. In practice, it is highly desirable not to exceed a normalization degree of 3. Spatial (eg,

Theme Type ID . . . cadastre polygon poly# . . .

utility line util# . . . road line road# . . . well point well# . . . . . . . . . . .etc.) Attribute (eg,

Parcel (ID, size, ownerID,…) Owner (ID, name, age, profession, duty,…) and all other textual documents).

Global database should be viewed (or stored) as a continuous map consisting of spatially indexed

map sheets adopting a multi-level data structuring approach as shown in figure 1.


-14-

Figure 1. Spatially indexed map sheets using a multi-level approach.

A unique index should be assigned to each map sheet (eg, S1, S2, etc.), which in turn has to be able to be easily retrieved by any demand (Amarsaikhan, 2000). During the design procedure, for logical representation of the real world entities an internationally accepted common standard might be used.

In the near future, depending on the complexity of the developed database that might be associated with (mainly) complex relationships among objects, classes and layers as well as advancement in information technology, more sophisticated object-oriented approach can be introduced as it easily deals with aggregation, inheritance, encapsulation and relationships. 2.3. Organizational structure and decision function

The database development and its maintenance should be carried out at the central land agency and should be connected to the other agencies. The district land agencies from the lower hierarchy should keep own databases. They must be responsible for data update which might regularly happen due to property transaction and sending of the information about the change in database to the central organization. Decisions to be taken in all hierarchies are mainly operational because each decision might deal with large data sets related to the transfer of land ownership.

3. UPDATE OF THE URBAN GIS

Once the information system is developed, it needs to be regularly updated. In most cases, update of

the information system components (eg, database, hardware and software) is expensive and long-term process. As information systems contain a variety of data sets, different types of information will require different approaches for the update. Surely, when update of information is made, the currently existing data should be kept in data archive. For the update three different approaches such as interpretation, automatic and artificial intelligence can be used. Each of these methods together with a related case study is discussed in detail below. 3.1. Interpretation Method

Any visual interpretation using RS data can be considered as an interpretation approach. This is the most widely used method for extracting thematic information or updating various layers of a GIS. For example, in urban areas land use types can be directly digitized on the RS images thus producing a new map, meanwhile updating a digital database stored within a GIS. To demonstrate this approach, a central part of Ulaanbaatar city has been selected and for the detailed analysis, SPOT 5 and Quickbird images of 2002 have been used.

1:5,000 1:1,000

S1 S2 S3 S4 S5 S6


-15-

Figure 2. The images created by Brovey transform (a) and the related interpretation (b).

Initially, the SPOT 5 and Quickbird images have been georeferenced to a Gauss-Kruger map

projection, using a topographic map of 2000, scale 1:5.000. The ground control points (GCP) have been selected on well defined intersections of roads and for the transformation, a linear transformation and nearest neighbour resampling approach have been applied. The root mean square (RMS) error of the image transformation for the SPOT 5 image was 0.97 pixel, while for the Quickbird image it was 0.99 pixel. In each case of the georeferencing, an image was resampled to a pixel resolution of 0.7m. Then, in order to enhance the spectral and spatial variations of different land use classes as well as to merge the images with different spatial resolutions, Brovey transform has been applied. The Brovey transformed image as well as the interpreted image are shown in Figure 2a,b. 3.2. Automatic Method

In this method, thematic information should be automatically generated after applying some image processing techniques. Within the framework of this research, as a case study of the automatic approach land cover mapping has been performed using multi-temporal RS images. As RS data sources, Landsat MSS, Landsat TM, SPOT XS and Landsat ETM+ data were used. To extract the urban land cover information from the selected RS data sets, a maximum likelihood classification that uses spatial thresholds defined from the local knowledge was applied.

At the beginning, all images were thoroughly analyzed in terms of radiometric quality and geometric distortion. The Landsat MSS data had a destriping effect and it was corrected by applying a destripe removing function followed by a 3x3 size average filtering. Then, the RS images were successively georeferenced to a Gauss-Kruger map projection using a topographic map of 1984. The GCPs have been selected on well defined cross sections of roads, streets and other clearly delineated sites. For the actual transformations, a second order transformation and nearest neighbour resampling approach were applied. In all cases of the georeferencing, an image was resampled to a pixel resolution of 30m.

To extract the reliable urban land cover information from the selected RS data sets, a refined maximum likelihood classification that uses spatial thresholds defined from the local knowledge has been used (Amarsaikhan et al. 2009). As the features for the classification, for all data sets green, red and near infrared bands have been selected. To define the sites for the training signature selection, from the images, several areas of interest have been selected for the available classes such as building area, ger (Mongolian national dwelling) area, green vegetation, soil and water using the local knowledge. To separate the statistically mixed classes, the class specific features as well as spatial thresholds can be applied. In the present study, to separate the statistically overlapping classes, different spatial thresholds


-16-

determined on the basis of the local knowledge have been used. The local knowledge was based on the knowledge about the site as well as the historical GIS data sets. 3.3. Artificial intelligence approach

Unlike the other approaches, in this method structured knowledge based on human expertise is used for automatic image interpretation. In recent years, application of a knowledge-based approach in digital image processing has been of great interest. Different types of this approach have been, and are being developed for information extraction from RS images representing knowledge in different ways. The most commonly used knowledge representation technique is the production rule type that is based on different rules whose conditions have to be fulfilled under certain constraints.

Within the framework of this paper to demonstrate a case of a knowledge-based approach for urban area mapping using commercial software, the method used in Amarsaikhan and Douglas (2004) has been used. In the method, to derive an urban land use map a rule-based approach has been applied. Based on the knowledge about spectral and scattering characteristics of the selected classes and other intermediate classification results, a set of rules (mainly constraints on spatial and spectral parameters and threshold values) has been determined and a hierarchical decision tree was created. A general diagram of the created decision tree is shown in figure 3.

Figure 3. A general diagram of the decision tree.

As seen from the image, the rules to extract specifically the ger area information which was not easy

in the MLC produced a better result. The overall classification accuracy has been evaluated using 60 sample pixels and it was 91.53%.

SPOT XS Image ERS-2 SAR Image

Other Ancillary data

Speckle Suppression

Radiometric Correction

Geometric Correction

Ellipsoid/Terrain Correction

Co-registration

Other Classification

builtup

Hypothesis

RS and LU class

B4<255

LU class=TRUE

LU class LU class=2

Rule

SPOT XS

B1>20

B3<15

water

D E C I S I O N

T R E E

B1>140

Land Use Map


-17-

4. CONCLUSIONS

The overall idea of this study was to describe a possible urban GIS in Mongolia and its update by the data from different sources. In case of the GIS, a layer based approach for the spatial database development and relational and object-oriented structures for the attribute database development were suggested. For the GIS as it maintains integrated data sets a complex

Figure 3. A complex approach for development of the urban GIS and its update by data from different sources

Spectral Enhancement

Projection UTMetc.

Etc. Digitising

Editing

Maps

AI (eg, rule-based, KBS,

etc.)

gGIS

Decision Making

Connectivity Adjacency Definition

Radiometric Correction

Geometric Correction

Optical Data

GCP

Attribute Data

Conceptual Model

Normali- sation

Editing PCA, ratioing, norm_n, etc.

Analogue Data

Resolution Definition

Scanning

Editing

Microwave Data

Speckle Supression

Ellipsoid or Terrain Cor.

Filters (linear, non-linear, morph. etc.)

Grid cell Definition

Manual (eg, interpret_n,

etc.)

Image map (eg. NCC, FCC, etc.)

Automatic (eg, class_n,

etc.)

Other Data

Standard Definition

Editing

uGIS

Y Feature Extraction

N

Y Topology N

Y Rasterisation N

Y Spatial Enhancement N


-18-

approach including data structure, storage and maintenance was considered. For the update of some thematic layers within the information system, information extraction from RS data was proposed and for the information extraction manual, automatic and artificial intelligence techniques were considered. Furthermore, a methodological scheme for development of the urban GIS updated by RS data and other data sets was elaborated. As seen, the proposed approach can be used for development of any information systems in Mongolia.

5. ACKNOWLEDGEMENT

This research was conducted under the sponsorship of Asia Research Center, National University of Mongolia.

6. REFERENCES

1. Amarsaikhan, D. (1997) Update of a GIS by RS data using a knowledge-based approach. PhD Thesis, Mongolian Academy of Sciences, Ulaanbaatar, Mongolia.

2. Amarsaikhan, D. (2000) Information technology and cadastral information systems in developing countries. Technical Report, Institute of Informatics and RS of the Mongolian Academy of Sciences, Ulaanbaatar, Mongolia.

3. Amarsaikhan, D. and Sato, M., 2003, The role of high resolution satellite images for urban area mapping in Mongolia. In: CD-ROM Proceedings of the Computers for Urban Planning and Urban Management International Conference, Japan.

4. Amarsaikhan, D. and Sato, M., 2003, A conceptual framework for development of a cadastral information system linked to an environmental information system in Mongolia, A Paper Published in the „Non-Reviewed Papers‟ part of Proceedings of the Computers for Urban Planning and Urban Management (CUPUM)‟03 International Conference, Sendai, Japan, pp.1-10, May 2003.

5. Amarsaikhan, D., and Douglas, T., 2004, Data fusion and multisource data classification.

International Journal of Remote Sensing. 17(25): 3529-3539.

6. Amarsaikhan, D., Ganzorig, M., Ache, P. and Blotevogel, H., 2007, The Integrated Use of Optical and InSAR Data for Urban Land Cover Mapping, International Journal of Remote Sensing, Vol.28, No.6 pp.1161-1171.

7. D.Amarsaikhan, M.Ganzorig, H.H.Blotevogel, B.Nergui and R.Gantuya, 2009, Integrated method to extract information from high and very high resolution RS images for urban planning, Journal of Geography and Regional Planning, Vol. 2(10), pp. 258-267, October, 2009.

D.Amarsaikhan, Blotevogel, H., Ganzorig, M., and Moon, T.H, 2009, Applications of remote sensing and geographic information systems for urban land-cover changes studies in Mongolia, Geocarto International, a multi-disciplinary journal of Remote Sensing and GIS, Vol. 24, No. 4, August 2009, 257–271.

http://www.informaworld.com/index/909249379.pdf

http://www.informaworld.com/index/909249379.pdf


-19-

URBAN LAND COVER CLASSIFICATION USING VERY HIGH RESOLUTION SATELLITE IMAGES

D.Amarsaikhan

Institute of Informatics and RS, Mongolian Academy of Sciences av.Enkhtaivan-54B, Ulaanbaatar-51, Mongolia

Tel: 976-11-453660, Fax: 976-11-458090 E-mail: [email protected]

Abstract. The aim of this study is to compare the performances of different supervised and unsupervised classification techniques for classifying the urban land cover types. For the actual classification, various features derived from the very high resolution TerraSAR and Quickbird images of the Ulaanbaatar city are used. Overall, the research indicates that a combined use of optical and synthetic aperture radar (SAR) data sets has a valuable contribution to efficient land cover mapping.

Keywords: Optical, SAR, Urban land, Feature derivation, Classification

1. INTRODUCTION

At present, the combined optical and microwave data sets are being widely used for land cover and other resources mapping. As it is known, optical data contains information on the reflective and emissive characteristics of the Earth surface features, while the SAR data contains information on the surface roughness, texture and dielectric properties of natural and man-made objects. Over the past decade, the integrated features of these multisource data sets have been efficiently used for an improved land-cover analysis. It is evident that a combined use of the optical and SAR images will have a number of advantages because a specific feature which is not seen on the passive sensor image may be observable on the SAR image and vice versa because of the complementary information provided by the two sources (Amarsaikhan et al. 2007).

Multispectral RS data sets have been widely used for a land cover mapping and for the generation of land cover information, diverse classification methods have been applied. Unlike single-source data, data sets from multiple sources have proved to offer better potential for discriminating between different land cover types. Many authors have assessed the potential of multisource images for the classification of different land cover classes using different methods (Benediktsson et al. 1997, Hegarat-Mascle et al. 2000, Amarsaikhan and Douglas 2004, Amarsaikhan et al. 2007). However, many users still like to use the standard supervised and unsupervised methods for derivation of land cover maps taking different features.

Urban areas are complex and diverse in nature, and many features have similar spectral characteristics. In order to successfully separate urban classes, reliable features derived from different sources should be selected (Amarsaikhan et al. 2010). The aim of this study is to compare the performances of different supervised and unsupervised classification techniques for classifying the urban land cover types. For the actual classification, the features derived from the very high resolution TerraSAR and Quickbird images of the Ulaanbaatar city were used. The analysis was carried out using PC-based ENVI 4.3.

2. TEST SITE AND DATA SOURCES

As a test site, Ulaanbaatar, the capital city of Mongolia has been selected. Ulaanbaatar is situated in the central part of Mongolia, on the Tuul River, at an average height of 1350m above sea level and currently has over 1 million inhabitants. Although, the city is extended from the west to the east about 30km, and from the north to the south about 20km, the study area chosen for the present study covers a very small portion. As the images have very high spatial resolution, in the selected image frame, it is possible to define such classes as built-up area, ger area (Mongolian traditional dwelling), soil, water, green area and open area (ie, roads and central squire). Figure 1 shows a Quickbird image of the test site, and some examples of its land cover.



-20-

Figure 1. 2009 Quickbird image of the selected part of Ulaanbaatar. 1-built-up area; 2-ger area; 3-open area; 4-soil; 5-green area; 6- water.

In the present study, for the urban land cover classification, green, red and near infrared bands of

Quickbird image of 2009 as well as HH and VV polarization components of TerraSAR X-band (wavelength is 3.1cm) image of 2008 have been used. TerraSAR-X is a German Earth observation satellite carrying a cloud-piercing, night-vision radar. It images the Earth‟s surface at a rate of one million square km a day and provides information at various spatial resolutions. 3. Co-registration of multisource images and speckle suppression of the SAR image

In order to conduct accurate pixel by pixel classification, both high geometric accuracy and good geometric correlation between the images are needed. As the main aim was just to classify, but not to create ortho-rectified products, the TerraSAR image was geometrically corrected and its coordinates were transformed to the coordinates of the original Quickbird image. In order to correct the SAR image, 14 more regularly distributed ground control points were selected from different parts of the image. For the actual transformation, a second-order transformation was used. As a resampling technique, the nearest-neighbour resampling approach was applied and the related root mean square error was 1.19 pixel. As both optical and microwave images had a very high spatial resolution, the errors of less than 1.2m were considered as acceptable for further studies.

As microwave images have a granular appearance due to the speckle formed as a result of the coherent radiation used for radar systems, the reduction of the speckle is a very important step in further analysis. The analysis of the radar images must be based on the techniques that remove the speckle effects while considering the intrinsic texture of the image frame (Serkan et al. 2008). In this study, a 5x5 size gammamap filter was applied to the SAR image in order to reduce its speckle noise. The TerraSAR image used in the current study is shown in figure 2.

Figure 2. TerraSAR image of the study area.

http://en.wikipedia.org/wiki/Germany

http://en.wikipedia.org/wiki/Earth_observation_satellite

http://en.wikipedia.org/wiki/Earth_observation_satellite


-21-

4. CLASSIFICATION OF THE IMAGES 4.1. Derivation of features and supervised classification

Initially, in order to increase the spatial homogeneity of the data, to the TerraSAR image, a 3x3 average filtering was applied. Then, to define the sites for the training signature selection from the multisensor images, two to four regions of interest (ROI) representing the available six classes have been selected through analysis of the fused images. As the data sources included both optical and SAR features, the fused images were very useful for the determination of the homogeneous ROI as well as for the initial intelligent guess of the training sites. The separability of the training signatures was firstly checked in feature space and then evaluated using transformed divergence. After the investigation, the samples that demonstrated the greatest separability were chosen to form the final signatures. For the classification, the following feature combinations were used: 1. The original spectral bands of the Quickbird data. 2. HH, VV, HH-VV bands of the TerreaSAR data. 3. The HH polarization component of TerreaSAR and original spectral bands of the

Quickbird data. 4. The PC1, PC2, PC3 and PC4 of the PCA. 5. 6 bands, including original spectral bands of the Quickbird and

HH, VV, HH-VV bands of the TerreaSAR.

PCA has been performed using all available bands and the results are shown in table 1. As could be seen from table 1, the PC1 contains almost all of the available variance, but visual inspection of other PCs indicated that PC2, PC3 and PC4 still contained useful information for the classification.

Table 1. Principal component coefficients from TerraSAR and Quickbird images.

PC1 PC2 PC3 PC4 PC5 PC6 Quickbird B2 0.00 0.00 0.00 0.00 0.00 0.99 Quickbird B3 0.09 0.08 0.08 0.69 0.69 0.00 Quickbird B4 -0.59 -0.55 -0.55 0.11 0.11 0.00 TerraSAR HH -0.72 0.09 0.68 0.00 0.00 0.00 TerraSAR VV 0.33 -0.81 0.46 0.00 0.00 0.00

TerraSAR HH-VV 0.00 0.00 0.00 0.70 -0.70 0.00 Eigenvalue 61101710 5609 4258 64 11 0.00

For the actual classification, standard maximum likelihood classification (MLC) has been used

assuming that the training samples have the Gaussian distribution. The MLC is the most widely used statistical classification technique, because a pixel classified by this method has the maximum probability of correct assignment (Erbek et al. 2004).

To increase the reliability of the classification, to the initially classified images, a fuzzy convolution with a 5x5 size window was applied. The fuzzy convolution creates a thematic layer by calculating the total weighted inverse distance of all the classes in a determined window of pixels and assigning the centre pixel the class with the largest total inverse distance summed over the entire set of fuzzy classification layers, i.e. classes with a very small distance value will remain unchanged while the classes with higher distance values might change to a neighboring value if there are a sufficient number of neighboring pixels with class values and small corresponding distance values (ERDAS 1999). The visual inspection of the fuzzy convolved images indicated that there are some improvements on the borders of the neighboring classes that significantly influence the separation of the decision boundaries in multidimensional feature space. The final classified images are shown in figure 3 (a–e). As seen from the figure3, a classification result of the Quickbird image gives the worst result, because there are high overlaps among classes: built-up area and ger area. Likewise, there are high overlaps among classes on the classified SAR image, but it looks better than the result of the Quickbird.

However, these overlaps decrease on other images for the classification of which SAR and optical bands have been used. It is seen from the classification result of TerreaSAR HH and Quickbird that besides the overlaps‟ decrease among ger area and builtup classes, there is an increase of reliability of the soil class. As could be seen, the best result has been obtained by the use of all available bands (figure 3d). On this image, the classes are more separable from each other. Meanwhile, the spatial homogeneity


-22-

of the classes has also been increased. The classification result of the PCA shows that it is better than many other combinations, but worse than the result of the 6 bands.

Figure 3. Comparison of the classification results for the selected classes (cyan-builtup area; dark green-ger area; yellow-open area; green-green area;

sienna-soil, blue-water). Classified images (a) Quickbird bands, (b) TerraSAR bands, (c) TerreaSAR HH and Quickbird, (d) 6 bands,

(e) PC bands, (f) Isodata method. 4.2. Unsupervised classification

In the present study, as an unsupervised classification method, ISODATA clustering has been used. This method uses minimum spectral distance to assign a cluster for each candidate pixel. The process begins with a specified number of arbitrary cluster means or the means of existing signatures, and then it processes repetitively, so that those means shift to the means of the clusters in the data (ERDAS 1999). To perform ISODATA clustering, one should specify:

N - the maximum number of clusters to be considered. T - a convergence threshold, which is the maximum percentage of pixels whose class values are allowed to be unchanged between iterations. M - the maximum number of iterations to be performed.

In our case, we used the following values: N=15, T=95, M=5.

As the features, the combinations applied in case of the supervised classification have been used. As the unsupervised classification does not include human intelligence, in most cases the resulting clusters could not satisfy our requirements. To create the final classified image, the clusters having similar characteristics were merged, thus forming one single land cover class. When all the results were compared, the result of the TerreaSAR VV and Quickbird combination was better than any other combinations. The final classified image is shown in figure 3f.


-23-

5. CONCLUSIONS

The overall idea of the research was to compare the performances of different supervised and

unsupervised classification techniques for classifying the urban land cover types taking the features derived from the very high resolution optical and SAR images. For the supervised classification a MLC was applied, whereas for the unsupervised classification ISODATA clustering method was used. In case of the supervised method, the best result was obtained by the use of all available bands, while in case of the unsupervised classification, the best result was obtained by the use of TerreaSAR VV and Quickbird combination. Overall, the study indicated that a combined use of optical and SAR data sets has a valuable contribution to efficient land cover mapping.

6. ACKNOWLEDGEMENTS

This research was conducted under the sponsorship of Asia Research Center, National University of Mongolia. The author is grateful to Professor J.L. van Genderen from the ITC for providing TerraSAR data for this stduy.

7. REFERENCES

1. Amarsaikhan, D., and Douglas, T., 2004, Data fusion and multisource data classification, International Journal of Remote Sensing, No.17, Vol.25, pp.3529-3539.

2. Amarsaikhan, D., Ganzorig, M., Ache, P. and Blotevogel, H., 2007, The Integrated Use of Optical and InSAR Data for Urban Land Cover Mapping, International Journal of Remote Sensing, 28, pp.1161-1171.

3. D.Amarsaikhan, H.H.Blotevogel, J.L. van Genderen, M.Ganzorig, R.Gantuya and B.Nergui, 2010, Fusing high resolution TerraSAR and Quickbird images for urban land cover study in Mongolia, International Journal of Image and Data Fusion.

4. Benediktsson, J. A., Sveinsson, J. R., Atkinson, P. M., and Tatnali, A., 1997, Feature extraction for multisource data classification with artificial neural networks. International Journal of Remote Sensing, 18, 727–740.

5. Erbek, F.S., Zkan, C.O. and Taberner, M., 2004. Comparison of maximum likelihood classification method with supervised artificial neural network algorithms for land use activities. International Journal of Remote Sensing, 25(9): 1733–1748.

6. ERDAS 1999, Field Guide, 5th edn (Atlanta, Georgia: ERDAS, Inc.). 7. Hegarat-Mascle, S. L., Quesney, A., Vidal-madjar, D., Taconet, O., Normand, M., and Loumagne,

2000, Land cover discrimination from mutitemporal ERS images and multispectral Landsat images: a study case in an agricultural area in France. International Journal of Remote Sensing, 21, 435–456.

8. Serkan, M., Musaoglu, N., Kirkici, H. and Ormeci, C., 2008, Edge and fine detail preservation in SAR images through speckle reduction with an adaptive mean filter, International Journal of Remote Sensing, Volume 29, Issue 23, First published 2008, Pages 6727 – 6738.

http://www.informaworld.com/smpp/content~db=all~content=a795452095?words=speckle*

http://www.informaworld.com/smpp/content~db=all~content=a795452095?words=speckle*

http://www.informaworld.com/smpp/title~content=t713722504~db=all

http://www.informaworld.com/smpp/title~content=t713722504~db=all


-24-

МОНГОЛЫН ЦАГ УУРЫН РАДАР Г.Батжаргал 1, М.Цоозол 2, Х.Хангайсайхан 3

1 Ус Цаг Уурын Хүрээлэн, 2 МУИС, ГГФ-ийн Цаг Уур, Ус судлалын тэнхим,

3 ЦУОШГ, Нислэгийн Цаг Уурын төв Abstract Since 1999, Doppler radar is used for operational services in the Mongolina hydrometeorological service. Main advantages of use of Doppler radar for observation of cloud condition and related meteorological phenomenas such as rainfaIl, its intensity, wind etc., are areal coverage and continuity of observation. One importnat outputs of radar‟s observation is rainfall amount and therefore development of relationship between radar rainfall and ground rainfall record extremely useful for many applications including hydrology, flood, soil moisture and vegetation studies, imputs to different models etc. The mentioned relationship is based on the famous relationship established by Marshall-Palmer in 1948. We have used 15 rainfall station‟s data within effective radius of Doppler radar at Morin uul hill and period of study cover 2007-2009. Our particular studies show that correlation coefficient between radar and ground rainfall was 0.57 which is relatively high value indicating possibility to use derived relationship for estimation of ground rainfall by the radar. Certainly we will continue this studies in future involving more detailed analysis in terms of space and time and imput data. Our finall goal is to develope algorithm which allowed to estimate the ground rainfall by the radar signal and estimated ground rainfall amount also can be used for the input of rainfall-runoff models and as well as for the early warning services from different climate related events such as heavy rainfall, flash flood etc. Түлхүүр үг Допплерын радар, радиолокац, турбулент хөдөлгөөн, үүлний ойлт, хур тунадасны эрчимшил, гридийн цэг, тунадасны өөрөө бичигч, газрын тунадас.

ОРШИЛ

Монгол Улсын Ус цаг уурын ажиглалтын системд 1999 оноос Допплерын радарыг цаг

агаарын урьдчилсан мэдээний шуурхай үйлчилгээнд ашиглаж эхэлсэн юм. Допплерийн радар нь агаар мандлын төлөв байдлыг радиолокацын аргаар хэмжин тодорхойлж

үүлшил, салхины орон, түүнтэй холбоотой үүсдэг цаг агаарын үзэгдэл /ширүүн аадар, аянга цахилгаан, мөндөр, өрөвхий салхи/ -ийн тухай тодорхой мэдээллийг гаргадаг. Үүлшил, түүнтэй холбоотой цаг агаарын үзэгдэл орон зай, цаг хугацааны ихээхэн хувьсал өөрчлөлттэй байдаг

бөгөөд радиолокацын арга нь цэгэн хэмжилтийн арга, хиймэл дагуулын мэдээнээс орон зайны хувьд илүү нарийвчлалтай, цаг хугацааны хувьд тасралтгүй тоон мэдээллийг гаргадаг. Допплерын радарын энгийн радараас ялгаатай тал нь салхины орон, өрөвхий салхины бүс, агаарын турбулент

хөдөлгөөний чанарыг тодорхойлдог явдал юм. Дэлхийн олон улсын Ус цаг уурын албадын ажиглалт, шинжилгээ, судалгаа, мэдээллийн

ажилд зайнаас тандан судлах төхөөрөмж онцгой байр эзэлдэг бөгөөд түүний дотор цаг уурын радиолокатор (радар)-аар үүл, тунадас, тэдгээртэй холбоотой цаг агаарын аюултай, байгалийн гамшигт үзэгдлүүдийг урьдчилан мэдээлэх, судлах ажил жилээс жилд улам бүр өргөжиж байна.

Тиймээс ч Дэлхийн цаг уурын байгууллага (ДЦУБ)-ын тайланд “Цаг агаарын хэт богино хугацааны прогнозод дээд зэргээр тохируулга хийсэн Допплерын радарын мэдээ онцгой үүрэг

гүйцэтгэнэ” гэж тэмдэглэсэн нь радарын техникийн ашиглалт, мэдээллийн үр ашгийг өндөр

гэдгийг үнэлсэн хэрэг юм. Өөрөөр хэлбэл радар нь хур тунадасны хэмжээ, эрчимшлийг урьдчилан

мэдээлэх, газрын тунадасыг үнэлэх улмаар аадар бороо, уруйн үер зэрэг гамшгаас урьдчилан сэргийлэх боломжыг бүрдүүлдэгээр онцгой ач холбогдолтой.

Улаанбаатар дахь Чингэс Хаан олон улсын нисэх буудлын баруун талд барлах Морин-Уул

дахь доплерын радар нь үүл-тунадасны эрчимшлийн гурван хэмжээст бүтээгдэхүүн боловсруулдаг. Энэ бүтээгдэхүүнийг ашиглан үүл, түүнтэй холбоотой үзэгдэл процессуудын байрлалын мэдээллийг орон зай, цаг хугацааны хувьд өндөр нарийвчлалтай тодорхойлох

боломжтой. Радар нь газрын гадаргад буух тунадасны хэмжээг тооцоолон боловсруулдаг боловч энэ утга

газрын станцын мэдээтэй ямар нэг хэмжээгээр зөрөөтэй байна. Иймээс радарын мэдээг газрын бодит хур тунадасны хэмжээтэй уялдуулан, улмаар газрын тунадасыг үнэлэн ус, хөрс, ургамлын

бүрхэвчийн бусад боловсруулалт, загварчлал хэрэглээ, үйлчилгээнд ашиглах бололцоо бүрдэх


-25-

юм. Мөн тухайн радар нь үүл-тунадасны эрчмийн гурван хэмжээст бүтээгдэхүүн боловсруулдаг. Энэ бүтээгдэхүүнийг ашиглан үүл, түүнтэй холбоотой үзэгдэл процессуудын байрлалын

мэдээллийг орон зай, цаг хугацааны хувьд өндөр нарийвчлалтай тодорхойлох боломжтой. Иймээс радар болон газрын станц дээр тэмдэглэгдсэн хоѐр утгын хоорондын хамаарлыг олж

тогтоох шаардлагатай байна. Үүнийг тогтоосноор радарын ажиглалтын идэвхитэй бүсэд орж буй хур тунадасны хэмжээг радарын хэмжилтийн утгад засвар хийж орон зайн хувьд тасралтгүйгээр

тодорхойлох боломжтой болох юм.

Материал, судалгааны арга Морин-Уул дахь радар нь 480 км хүртэлх радиусын бүсэд (1 дүгээр зураг.A) ойролцоогоор

8 минут хугацаанд 0-40о-ийн босоо өнцгөөр бүтэн эзэлхүүнт хайлт хийж салхи, үүл-тунадасны мэдээлэл цуглуулан 16 төрлийн бүтээгдэхүүн боловсруулдаг. Харин энэ судалгаанд RAIN1 болон CAPPI (Constant Altitude Plan Position Indicator) бүтээгдэхүүнүүдийг ашиглалаа.

1 дүгээр зураг. Морин Уул дахь Допплерын радарын ажиглалтын бүс:

А- Радарын ажиглалтын хязгаар ( 480 км хүртэлх радиусын бүс ) В- CAPPI бүтээгдэхүүн ( 180 км радиусын бүс ) С- RAIN1 бүтээгдэхүүн ( 130 км радиусын бүс )

RAIN1 бүтээгдэхүүн нь радараас 130 км радиусын бүсэд орсон хур тунадасны нэг цагийн нийлбэр хэмжээг мм-ээр илэрхийлдэг (1 дүгээр зураг.С). Тухайн бүтээгдэхүүн нь 360 метрын алхамын нарийвчлалтай, 720х720 гридийн цэгийн утга агуулсан 2 хэмжээст массив хэлбэртэй

тоон мэдээлэл байдалтай байна. Энэ ажилд 2007-2009 оны 6-8 сарын цаг тутмын 6624 хугацааны мэдээг газрын станцын мэдээний хугацаатай харьцуурахын тулд 12 хугацааг хооронд нь нэгтгэж 08, 20 цагийн утгуудыг гарган авч түүнээсээ харгалзах газрын станцын координат дахь утгыг

түүж цуваа бүрдүүллээ. 1 дүгээр хүснэгт:

Судалгаанд ашигласан цаг уурын сүлжээний станцууд. № Станцын нэр Өргөрөг Уртраг Радараас алслагдсан

зай (км) 1 Буянт-Ухаа 47.85 106.75 2.40 2 Зуун мод 47.72 106.95 13.26 3 Улаанбаатар 47.92 106.87 13.30 4 Их сургууль 47.93 106.93 18.80 5 Алтанбулаг 47.42 106.42 51.00 6 Баянчандмань 48.23 106.28 55.10 7 Тэрэлж 47.98 107.48 58.20 8 Мааньт 47.30 107.48 80.20 9 Жаргалант 48.52 105.87 99.00

10 Угтаал 48.27 105.42 108.50


-26-

11 Лүн 47.87 105.25 110.30 12 Багануур 47.78 108.38 123.00 13 Баян-Өнжүүл 46.85 105.90 125.70

Мөн радараас 130 км радиус дотор байрлах цаг уурын сүлжээний 13 станцын 08, 20 цагийн

хур тунадасны мэдээг харгалзах хугацаагаар түүвэр хийлээ (1 дүгээр хүснэгтэнд тооцоонд ашигласан 13 станцын нэр, солбицол, радараас алслагдсан зайг харууллаа). Бүрдүүлсэн цуваанаас

2008-2009 оны мэдээг боловсруулалтын шатанд, 2007 оны мэдээг шалгалтын шатанд үл хамаарах

мэдээ болгон ашиглалаа. Харин CAPPI бүтээгдэхүүн нь 8 минут тутамд 180 км радиусын бүсэд 1-ээс 15 км-ын

өндрүүдэд үүл-тунадасны эрчмийн гурван хэмжээст мэдээлэл боловсруулдаг (1 дүгээр зураг.В).

Тухайн бүтээгдэхүүн нь 2 км алхамын нарийвчлалтай, 180х180х15 гридийн цэгийн утга агуулсан 3 хэмжээст массив хэлбэртэй тоон мэдээлэл байдалтай байна. Эндээс 1-ээс 10 км-ын түвшиний, 2007-2009 оны 6-8 сарын 49680 хугацааны мэдээг авч ашиглав. Тооцоо хийхдээ түвшиний мэдээг нэг түвшинд буулгалт хийж, дараа нь нэг цагийн мэдээнүүдээс тухайн нүдэнд оногдсон хамгийн

их утгыг авч файл үүсгэж ашиглалаа (CAPPI бүтээгдэхүүний ерөнхий зураглалыг 2 дугаар зурагт

харууллаа). Энэ үүссэн файл нь нэг цагийн хугацаанд ажиглалтын бүсэд илэрсэн үүл-тунадасны хамгийн их эрчимийн тархалтын мэдээг агуулна.

2 дугаар зураг. CAPPI бүтээгдэхүүний 3 хэмжээст байдал.

Эндээс нийт сарын турш тухайн нутагт тодорхой эрчимшилтэй үүл-тунадас хэдэн цаг

ажиглагдсаныг тооцоолоход хялбар болж байна. Эрчимшлээр ялгахдаа радиолокацийн ажиглалтын зааврын дагуу конвекцийн үзэгдлийн үндсэн шалгуурт тулгуурлан ангилсан болно (2 дугаар хүснэгт).

2 дугаар хүснэгт: Конвекцийн үзэгдлийн үндсэн шалгуур.

Хур тунадасны хүч Эрчимшил (мм/цаг) Радиолокацийн ойлт dBZ мм6/м3

Сул 0.5-2.9 18-29 0.0-1.1 Дунд зэргийн 3.0-25.0 30-45 1.2-2.7 Хүчтэй 25.1-140.0 45-54 2.8-3.9 Их хүчтэй 140.0 < 54 < 3.9 <

Мөн доктор Х.Хангайсайхан зуны улиралд төвийн нутагт ажиглагддаг хүчтэй аадар

тунадасны эрчимшлийн доод босгыг 25 мм/цаг буюу түүнээс их (радиолокацийн ойлт нь 45 дБZ буюу 2.7 мм6/м3) гэж тогтоон, радиолокацийн ойлтын энэ утгаас эхлэн аянга цахилгааны үзэгдэл 90%-аас дээш магадлалтай, 54 дБZ буюу 3.6 мм6/м3–ээс дээш мөндөр ажиглагдана гэж үзжээ.

Дээрх өгүүлснээс үндэслэн дунд зэргийн хүчтэй болон хүчтэй, их хүчтэй гэсэн 2 ангиллаар

үүл-тунадасны эрчимшлийн тархалтыг гаргасан болно.


-27-

ҮР ДҮН

1. Радар болон станцуудын тунадасны хамаарал

Радар болон газрын станцуудын хур тунадасны хоорондын шугаман хамаарал 6-р сард дундажаар 0.70, 7 дугаар сард 0.58, 8 дугаар сард 0.57 байдаг байна. Харин 6-8 дугаар сард буюу зуны улиралд энэ хамаарал 0.18-0.84, дундажаар 0.57 болож байна (3 дугаар хүснэгт).

3 дугаар хүснэгт. Радар болон газрын станцуудын

тунадасны хоорондын шугаман хамаарал. корреляц MAE

6 сар 7 сар 8 сар 1 Буянт-Ухаа 0.89 0.82 0.86 0.42

2 Зуун мод 0.76 0.73 0.88 0.42

3 Улаанбаатар 0.88 0.84 0.81 0.37

4 Их сургууль 0.83 0.69 0.81 0.37

5 Алтанбулаг 0.65 0.39 0.26 1.04

6 Баянчандмань 0.70 0.84 0.75 0.69

7 Тэрэлж 0.73 0.14 0.54 1.38

8 Мааньт 0.86 0.64 0.49 0.35

9 Жаргалант 0.44 0.68 0.16 0.94

10 Угтаал 0.68 0.54 0.39 0.72

11 Лүн 0.59 0.80 0.84 0.71

12 Багануур 0.95 0.28 0.03 0.68

13 Баян-Өнжүүл 0.15 0.11 0.57 0.19

4 дүгээр хүснэгт. 2008-2009 оны мэдээн дээр гаргасан станц тус

бүрийн шугаман регрессийн тэгшитгэл: № Станцын нэр регрессийн тэгшитгэл

1 Буянт-Ухаа y=0.537x+0.423 2 Зуун мод y=0.71x+0.234 3 Улаанбаатар y=0.732x+0.271 4 Их сургууль y=0.543x+0.505 5 Алтанбулаг y=0.204x+0.462 6 Баянчандмань y=0.322x+0.292 7 Тэрэлж y=0.184x+0.406 8 Мааньт y=0.366x+0.079 9 Жаргалант y=0.158x+0.205

10 Угтаал y=0.243x+0.089 11 Лүн y=0.481x+0.059 12 Багануур y=0.008x+0.01 13 Баян-Өнжүүл y=0.066x+0.156

Станц тус бүр дээр гаргасан шугаман тэгшитгэлээр үл хамаарах мэдээн дээр тооцоолсон

тунадасны утга болон харгалзах газрын станц хоѐрын хоорондын хамаарлыг 3 дугаар зурагт

үзүүлэв. Энд Багануур болон Баян-Өнжүүл станцууд дээрх шугаман корреляц харьцангуй бага

байгаа нь тухайн станцууд өндөр уулын хаалттай байгаатай холбоотой гэж үзэх үндэстэй. Харин

станц бүрийн хамаарлын утгыг түүний радараас алслагдах зайтай харьцуулан авч үзэхэд зай холдох тусам энэ утга буурч байна. Энэ нь радиолокацийн ажиглалтын нэг сул тал болох дэлхийн


-28-

бөмбөрцгийн хэлбэр дүрс болоод радио долгионы рефракц, радио харааны алслалт хязгаарлагдмал байдгаас радио горизонтоос доош орших алсын үүлшлийг илрүүлж чаддаггүйтэй холбоотойг давхар харуулж байна.

3 дугаар зураг. (1 дүгээр хүснэгтийн станцын дугаараар.)

Series1: 2008-2009 оны 6-8 дугаар сарын радарын болон газрын станцын мэдээний хоорондын хамаарал Series2: Үл хамаарах мэдээ болох 2007 оны 6-8 дугаар сарын мэдээнээс станц тус бүрийн шугаман

тэгшитгэлээр тооцоолсон тунадас, станцын хур тунадасны хамаарал.

Мөн радараар тодорхойлсон тунадас болон газрын станцын тунадасны хоорондын зөрөөг тооцож, түүнд харгалзах газрын станцын тунадасны хоорондын хамаарал 0.76-0.99, дундажаар

0.89 гарч байна (4 дүгээр зураг). Энэ нь радараар тооцоолсон тунадасны хэмжээ, газрын станцын мэдээний хоорондын хамаарал орж байгаа тунадасны хэмжээ, эрчимшлээс ихээхэн хамаардаг

болох нь харагдаж байна.

4 дүгээр зураг. Радар болон газрын станцын тунадасны зөрөө, газрын станцын тунадасны хоорондын

хамаарал (1 дүгээр хүснэгтийн станцын дугаараар).

2. Радарт илэрсэн үүл тунадасны давтагдал

5 дугаар зурагт дунд зэргийн хүчтэй үүл-тунадасны эрчимшлийн орон зайн тархалтыг сар

бүрээр зураглал хийж харьцуулан харууллаа.


-29-

5 дугаар зураг. Дунд зэргийн (30-45 dBZ) хүчтэй үүл-тунадасны эрчимшлийн тархалт.

6 дугаар зураг. Хүчтэй болон их хүчтэй (>45 dBZ) үүл-тунадасны эрчимшлийн тархалт.

Үүнээс үзэхэд Монгол орны төвийн бүсэд дунд зэргийн хүчтэй тунадас 6 дугаар сард

дундажаар 25 цаг, 7 дугаар сард 32 цаг, 8 дугаар сард 40 цаг ордог байна. Гэвч энэ утга жил бүр

харилцан адилгүй байжээ.


-30-

Харин хүчтэй, их хүчтэй үүл-тунадасны эрчимшлийн орон зайн тархалтыг сар бүрээр

зураглал хийж харьцуулан 6 дугаар зурагт үзүүлэв. Монгол орны төвийн бүсэд зуны улиралд аянга цахилгаантай аадар бороо орох өндөр магадлалтай үүлний радиолокацын ойлтын дээд утга 2007 оны 6 дугаар сард 2 цаг, 7,8 дугаар саруудад тус тус 4 цаг ажиглагдсан бол 2008 оны 6 дугаар сард 4 цаг, 7 дугаар сард 10 цаг, 8 дугаар сард 8 цаг ажиглагдсан байна. Гэтэл 2009 онд энэ тоо

огцом өсөж 6-р сард 10 цаг, 7,8-р сард 12 цагаас их ажиглагдсан байна. Энэ бүхнээс үзэхэд зуны

улиралд үүсэх конвекцтой холбоотой үзэгдлийн давтагдал жилээс жилд нэмэгдэх хандлага ажиглагдаж буй нь зарим судлаачдын өмнө гаргасан үр дүнтэй таарч байна.

ДҮГНЭЛТ

1. Радар болон газрын станцуудын тунадасны хоорондын хамаарал 0.2-0.9, дундажаар 0.57 байгаа нь эдгээр гаргасан тэгшитгэлүүдийг ашиглан радарын мэдээгээр газарт буух хур тунадасны хэмжээг тооцоолж өдөр тутмын практикт болон бусад судалгаанд ашиглах

боломжтойг харуулж байна. Гэвч зарим станц дээр хамаарал бага байгаа нь энэ ажлыг цаашид үргэлжлүүлж, цувааг уртасгах, станц тус бүрийг байрлалын онцлогоор ялгаж засвар хийх, мөн орсон тунадасны хүчийг ангилж тус бүрт нь тэгшитгэл гаргаж ашиглавал илүү үр дүнтэй

болохоор байна. 2. Монгол орны төвийн нутагт зуны гурван сард ажиглагдах конвекцын гаралтай үзэгдлийн

давтагдал сүүлийн 3 жилийн хувьд жил ирэх тусам нэмэгдэх хандлага ажиглагдаж байна. 3. Цаг уурын радарын өгөгдлийг цаг уурын хиймэл дагуул, аэрологийн өгөгдөлтэй хавсруулан,

синоптикийн анализад нэмэлт болгон ашиглах нь хамгийн үр ашигтай бөгөөд зохистой юм. Энэ судалгааны ажлаар радарын мэдээг орон зай, цаг хугацааны хувьд тасралтгүйгээр авч

ашигласан болно. 4. Радарын болон газрын бодит тунадасны хамаарал, үнэлгээний үр дүнг цаашид ус судлалын

тунадас-урсацын хамаарал бүхий загвар оролтын хэмжээнд хүргэж, улмаар уруйн үер зэрэг аюултай үзэгдлээс сэргийлэх арга, загвар боловсруулах судалгааг цаашид гүйцэтгэх

шаардлагатай бөгөөд Монгол улсын хүн амын тал орчим хувь нь оршин суугаа Улаанбаатар

хотын ард иргэдийг гэнтийн аадар, үерийн аюулаас урьдчилан сэрэмжлүүлэх аргад ашиглах

нь чухал ач холбогдолтой юм.

АШИГЛАСАН ХЭВЛЭЛ:

1. Боровиков А.М, Костарев В.В, Мазин И.П, Смирнов В.И Черников А.А

Радиолокационные измерения осадков.- Л., Гидрометеоиздат, 1967 2. Брылев Г.Б, Низдойминого Г.Л Использование радиолакоционных данных в

синоптической практике. Методическое пособие. –Л. Гидрометеоиздат.1977.75 3. Глушкова.Н.И, Лапчева В.И, Песков В.Е, Использование данных мет.радио для

определения количество осадков гроз града и шквалов. Трудб-7 всесоюзного совещения

радиометрологий 21-24 окт 1986 г –Л. Гидрометеоиздат.1989 105-107с 4. Давиан Р, Зринц Д Допплерование радиолакаторы и метеролоические наблюдение–Л.

Гидрометеоиздат 1988 132 с 5. Нацагдорж.Л, Уур амьсгалын өөрчлөлт, УБ 2009 6. Оюунжаргал.Л, Оюунбаатар.Д, Нацагдорж.Л , Радараар бодит хур тунадасны хэмжээг

үнэлэх асуудалд, УЦУХ-ийн ЭШ-ний бүтээл, Дугаар 24, УЦУХ, Улаанбаатар, 2002, х.х 28-35

7. УЦУХ-ийн ЭШ-ний бүтээл, Дугаар 30, УБ 2009 8. Хангайсайхан.Х, Төвийн нутагт ажиглагдах конвекцийн үүлний радиолокацийн үндсэн

үзүүлэлтүүд, тэдгээр нь цаг агаарын зарим аюултай үзэгдэлтэй уялдах нь, Газарзүйн ухааны дэд

докторын зэрэг горилсон бүтээл, УБ, 1998 9. Interactive Radar Information System Programmer‟s Manual, June 2008, 10. Hideshige Iida, Doppler radar for weather observation, 2005 11. Thomas M.Hamill, Thomas Nehrkorn, A Short-Term Cloud Forecast Scheme Using Cross Correlations,

June 1993 Ronald E.Rinehart, Ph.D, Third Edition, Radar for Meteorologists.


-31-

ХЭВТЭЭ БОЛОН НАЛУУ ГАДАРГАД ТУСАХ НАРНЫ ЦАЦРАГИЙН ЭНЕРГИЙН БОДИТ

НӨӨЦИЙГ УЛААНБААТАР БОЛОН САЙНШАНДАД ТОДОРХОЙЛСОН ДҮН

Г.Батсүх, Ц.Баатарчулуун, Б.Ганбат, Б.Даариймаа

МУИС-ийн Геофизикийн тэнхим

Abstract In recent times the precision and reliability of the solar radiation measurements have been increasing in terms of fully automatic measurement instruments. The solar radiation on a surface depends on many parameters including sun height, cloudiness and its repetition, geographical peculiarities, global sunshine duration characteristics of the region and etc. Also, the solar radiation on the given surface relies on the incidence angle of the radiation which results in a diverse yearly or monthly solar radiation trend on the horizontal and tilted surfaces. In this paper we have reported experimental results of estimation and comparison of global solar radiation on the horizontal and tilted surfaces. The experiments were held within the framework of cooperation between Department of Geophysics of NUM and Tokyo University of Agriculture and Technology.

СЭДВИЙН ҮНДЭСЛЭЛ

Дэлхий дээр хэрэглэж ирсэн уламжлалт энергийн эх үүсвэр, түлшний нөөц шавхагдаж

байгаатай уялдан сэргээгдэх эрчим хүч ялангуяа нарны энергийг хэрэглэх явдал хүн төрөлхтний

өмнө тулгамдсан асуудлын нэг болоод байна. Орчин үед нарны цацрагийг автоматаар, нарийвчлал

сайтай хэмжих болсноор янз бүрийн гадаргууд тусах нарны цацрагийн энергийн бодит хэмжээг илүү нарийвчлал сайтай тодорхойлох боломж бүрдсэн. МУИС-ийн Геофизикийн тэнхмээс,

Токиогийн Хөдөө Аж Ахуй Технологийн Их Сургууль (ХААТИС)-ийн судлаачидтай хамтран хийж буй судалгаандаа нарны нийлбэр цацрагийг автоматаар хэмжигч CPR-CM-21 пиранометрийг хэрэглэж Сайншандад 2002 оны 10-р сараас 2009 оны 3-р сар хүртэл налуу болоод хэвтээ гадаргад хийсэн хэмжилт болон дээрх ажлын хүрээнд МУИС-ийн Геофизикийн судалгааны төв дээр MS-601 пиранометрээр налуу гадаргад тусах нарны интеграл нийлбэр

цацрагийн 2005 оны 7-р сараас одоог хүртэл хэмжсэн судалгааны үр дүнгээр налуу гадаргад тусах энергийн хэмжээг тодорхойлон хэвтээ гадаргад тусах энергийн хэмжээтэй тус тус харьцуулан

судлах боломж бүрдсэн юм.

ЗОРИЛГО

Энэхүү ажлын хүрээнд:

Улаанбаатар орчимд хэвтээ болон налуу гадаргад тусах цацрагийн хэмжээг тодорхойлох

Сайншанд орчимд хэвтээ болон налуу гадаргад тусах цацрагийн хэмжээг тодорхойлох Дээр тодорхойлсон дүнгүүдийг харьцуулан судалж дүгнэлт өгөх зорилго тавьлаа.

АЧ ХОЛБОГДОЛ

Бүс нутаг болон тухайн орон нутагт тусах нарны цацрагийн нөөц болон түүний тархалтыг

оновчтой тогтоох нь агаар мандлын ерөнхий төлөв байдал, түүний сар жилийн өөрчлөлтийн онцлог шинжийг илрүүлэхэд шинжлэх ухааны ач холбогдолтой төдийгүй нарны энергийг ашиглах, хөдөө аж ахуй газар тариалангийн үйлдвэрлэл, байгалийн нөөцийг үнэлэх зэрэгт

практик ач холбогдолтой юм.


-32-

ҮР ДҮН

МУИС-ийн Геофизикийн судалгааны төв дээр Улаанбаатар орчимд хэвтээ гадаргад тусах

нарны интеграл нийлбэр цацрагийг ОХУ-д үйлдвэрлэсэн М-80 пиранометрээр 1980 оноос хойш

цаг тутамд хэмжиж байдаа билээ. Мөн МУИС, Японы ХААТИС-ийн эрдэмтдийн хамтарсан судалгааны хүрээнд автомат хэмжигч МS-601 пиранометрээр налуу (450) гадаргад ирэх нарны интеграл нийлбэр цацрагийг 2005 оны 7-р сараас эхлэн хэмжиж эхэлсэн. Энэхүү налуу гадарагад тусах цацрагийн эрчмийг 10 минут тутамд хэмжсэн хэмжилтийн дүнг ашиглан хэвтээ болон налуу гадаргад ирэх цацрагийн сарын нийлбэрийг тодорхойлсон дүнг 1,2-р хүснэгт үзүүллээ. Хүснэгт 1-ээс харвал Улаанбаатар орчимд тусах нарны интеграл нийлбэр цацрагийн сарын нийлбэрийн

хамгийн их утга нь олон жилийн дундажаар 5-р сард (683 МДж/м2), хамгийн бага утга нь 12-р

сард (140 МДж/м2) ажиглагдаж байна.

Улаанбаатар орчимд хэвтээ гадаргад тусах нарны интеграл

нийлбэр цацрагийн сарын нийлбэрүүд [МДж/м2]

хүснэгт 1

он сар I II III IV V VI VII VIII IX X XI XII жилд

1980 179 315 504 655 776 746 675 544 460 312 185 146 5497 1981 173 248 419 555 723 751 670 514 383 314 202 117 5069 1982 162 244 407 637 683 579 538 528 454 304 179 124 4839 1983 152 233 435 529 705 490 621 501 380 329 199 145 4719 1984 167 263 436 536 666 577 539 486 331 281 226 158 4666 1985 197 281 480 534 703 580 465 479 454 305 209 131 4643 1986 173 284 482 574 704 668 676 630 522 370 221 152 5456 1987 178 266 469 612 736 726 659 545 438 289 201 142 5261 1988 185 270 507 622 620 649 618 473 412 340 215 155 5066 1989 188 289 494 558 694 700 608 535 471 299 205 152 5193 1990 186 252 378 601 714 683 505 480 423 333 192 141 4888 1991 189 287 433 587 736 704 627 578 445 319 184 129 5218 1992 171 266 479 579 628 695 647 508 373 312 168 118 4944 1993 259 459 590 683 575 512 588 437 364 208 133 4989 1994 169 259 516 542 704 672 605 509 416 305 169 152 5018 1995 206 305 514 547 659 623 594 493 434 323 212 162 5072 1996 203 316 454 621 697 610 549 544 485 346 212 142 5179 1997 178 283 458 607 642 605 576 553 478 345 201 141 5067 1998 195 246 489 545 664 595 616 429 399 326 171 140 4815 1999 187 274 470 564 626 635 645 539 394 341 179 143 4997 2000 186 309 446 612 684 677 232 142 5182 2001 210 310 540 636 741 636 633 554 494 378 182 128 5442 2002 186 283 474 544 600 675 720 523 460 289 186 129 5069 2003 161 249 459 559 614 648 650 658 433 337 214 144 5126 2004 172 298 506 590 675 675 648 472 417 346 5128

дундаж 181 276 468 581 683 647 608 528 433 325 198 140 5062 хазайлт 15 24 38 37 44 61 63 52 43 26 18 12 226

МS-601 пиранометрээр 2005 оны 7-р сараас хэмжсэн хэмжилтийн утгаар нарны интеграл нийлбэр цацрагийн сарын нийлбэрүүдийг тооцоолон гаргаж 2-р хүснэгтэд үзүүллээ. Энэ хүснэгтээс үзэхэд хамгийн бага утга нь өмнөхийн адил 12-р сард (248 МДж/м2), хамгийн их утга 5,7-р сард (623 МДж/м2) ажиглагдаж байна. Улаанбаатар орчимд хэвтээ болон налуу гадаргад

ирэх цацрагийн жилийн явцыг 1-р зурагт харууллаа. 1-р зургаас үзвэл хэвтээ гадаргад тусах нийлбэр цацрагийн жилийн явц нь 5-р сард хамгийн их утга бүхий өрөнхий явцтай байдаг бол харин налуу гадаргын хувьд жилийн явц нь 5, 7-р сард хамгийн их утгатай байна. Эндээс авч


-33-

үзвэл зуны саруудад хэвтээ гадаргад ирэх цацрагийн хэмжээ их, бусад саруудад налуу

гадаргад сард тусах цацрагийн хэмжээ их байгаа нь тухайн гадаргад тусах нарны тусгалын өнцөгтэй

холбоотой. Өөрөөр хэлбэл өвлийн улиралд Монгол орны нутаг дэвсгэрт хэвтээ гадаргад тусах нарны цацрагийн

усгалын өнцөг бага, налуу (450) гадаргад тусах нарны цацрагийн тусгалын өнцөг их байдагтай

холбоотойгоор нарны цацрагийн эрчим налуу гадаргад их байдаг. Дээр дурьдсан хамтарсан судалгааны хүрээнд Сайншандад CPR-CM-21 пиранометрээр 2002 оноос 10 минут тутамд

хэмжсэн хэмжилтийн утгаар хэвтээ болон налуу гадаргад ирэх нийлбэр цацрагийн сарын нийлбэрүүдийг тооцоолон гаргаж харгалзан 3,4-р хүснэгтэд үзүүллээ.

Улаанбаатар орчимд налуу гадаргад тусах нарны интеграл нийлбэр цацрагийн сарын нийлбэрүүд [МДж/м2]

хүснэгт 2 он сар I II III IV V VI VII VIII IX X XI XII жилд

2005 597 604 658 528 355 255 6077 2006 273 285 511 572 620 645 595 517 249 5873 2007 309 445 536 643 594 393 244 6108 2008 316 443 661 614 653 521 652 641 564 480 368 244 6157 2009 266 625 578

дундаж 291 391 569 610 622 597 606 623 611 508 372 248 6054 дун. кв. хаз 25 92 80 36 30 67 32 26 66 25 19 5 125 вариаци 9 23 14 6 5 11 5 4 11 5 5 2 2


-34-

Сайншанд орчимд хэвтээ гадаргад тусах нарны интеграл


хүснэгт 3

он сар I II III IV V VI VII VIII IX X XI XII жилд 2002 525 409 288 242 6103 2003 294 357 527 613 713 709 710 664 540 448 275 240 6090 2004 272 348 547 688 797 720 776 659 530 440 288 209 6273 2005 273 353 578 654 655 779 737 689 543 425 281 226 6193 2006 248 356 539 575 711 710 741 670 537 424 282 213 6006 2007 521 653 726 733 725 676 540 432 291 224 2008 264 361 518 618 703 677 701 680 527 409 271 215 5945 2009 278 334

дундаж 272 352 538 633 718 721 732 673 534 427 282 224 6102 дун. кв.

хаз 15 9 22 40 46 34 27 11 7 15 7 13 120

вариаци 6 3 4 6 6 5 4 2 1 3 3 6 2 3-р хүсэнгтээс авч үзвэл Сайншанд орчимд тусах нарны интеграл нийлбэр цацрагийн сарын

нийлбэрийн хамгийн их утга нь олон жилийн дундажаар 7-р сард (732 МДж/м2), хамгийн бага

утга нь 12-р сард (224 МДж/м2) ажиглагдаж байна. Сайншанд орчимд налуу гадаргад тусах нарны интеграл


хүснэгт 4

он сар I II III IV V VI VII VIII IX X XI XII жилд 2002 623 581 463 2003 537 574 697 667 683 644 650 684 675 714 522 542 7589 2004 566 582 647 771 765 662 728 693 667 703 583 458 7828 2005 590 598 728 719 689 670 721 697 695 587 541 7962 2006 518 598 763 646 2007 759 778 724 681 697 742 719 740 657 557 8238 2008 603 678 762 716 700 640 681 752 705 702 592 518 8048 2009 643 606

дундаж 576 606 726 718 718 663 685 718 693 696 587 513 7900 дун. кв. хаз 46 37 52 53 31 22 30 30 22 39 43 43 243

вариаци 8 6 7 7 4 3 4 4 3 6 7 8 3 CPR-CM-21 пиранометрээр 2005 оны 10-р сараас хэмжсэн хэмжилтийн утгаар нарны интеграл

нийлбэр цацрагийн сарын нийлбэрүүдийг тооцоолон гаргаж харуулсан 4-р хүснэгтээс үзэхэд

хамгийн бага утга нь өмнөхийн адил 12-р сард (513 МДж/м2) хамгийн их утга 4,5-р сард (718 МДж/м2) ажиглагдаж байна. Мөн 2-р зурагт Сайншанд орчимд хэвтээ болон налуу гадаргад ирэх цацрагийн жилийн явцыг үзүүллээ.


-35-

2-р зургаас үзвэл хэвтээ гадаргад тусах нарны интеграл нийлбэр цацрагийн жилийн явц нь 7-р

сард хамгийн их утга бүхий өрөнхий явцтай, налуу гадаргын хувьд жилийн явц нь 5, 7-р сард хамгийн их утга бүхий явцтай байна. Эндээс авч үзвэл зуны саруудад хэвтээ гадаргад, бусад

саруудад налуу гадаргад ирэх цацрагийн хэмжээ их байгаа нь дээр дурьдсан шалтгаантай ижил

юм. 1 ба 2-р зургаас харвал Улаанбаатар, Сайншандад хэвтээ болон налуу гадаргад ирэх нарны интеграл нийлбэр цацрагийн жилийн ерөнхий явц ижил байна. Улаанбаатар, Сайншандад хэвтээ болон налуу гадаргад ирэх цацрагийн сарын нийлбэрийн улирлын явыг харгалзан 3,4-р зурагт үзүүллээ. 3-р зургаас авч үзвэл Улаанбаатар орчимд өвөл, намрын улиралд налуу гадаргад сард ирэх цацрагийн энергийн хэмжээ хэвтээ гадаргаас 36% орчмоор, харин хавар, зуны улиралд 5% орчмоор их байна. Харин 4-р зургаас авч үзвэл Сайншанд орчимд өвлийн улиралд налуу гадаргад

сард ирэх цацрагийн энергийн


-36-

хэмжээ хэвтээ гадаргаас 50% орчмоор, хаврын улиралд 13% орчмоор тус тус их

байгаа бол зуны улиралд хэвтээ гадаргад ирэх цацрагийн хэмжээ 3% орчмоор их, намрын

улиралд налуу гадаргад ирэх цацрагийн хэмжээ 37% орчмоор тус тус их байна.


-37-

Сайншанд, Улаабаатарт хэвтээ болон налуу гадаргад тусах цацрагийн сарын нийлбэрийн

харьцааг харгалзан 5,6-р хүснэгтэд тус тус үзүүллээ. Эдгээр хүснэгтээс үзэхэд хэвтээ налуу аль ч гадаргад нарны интеграл нийлбэр цацрагийн сарын нийлбэр Сайншанд орчимд их утгатай байдаг

нь харагдаж байгаа боловч, харьцуулсан дүнгээс үзвэл Сайншанд болон Улаанбаатар орчимд сард ирэх нарны интеграл нийлбэр цацрагийн сарын нийлбэрийн өөрчлөлтийн утга өвлийн саруудад их

зуны бага байгаа зүй тогтол ажиглагдаж байна. Энэ нь өвлийн улиралд нарны гийгүүллийн үргэлжлэх хугацаа болон нарны өндөр өргөргөөс хамаарч багасдагтай холбоотой, харин зуны

улиралд нарны гийгүүллийн үргэлжлэх хугацааны өргөргийн хамаарал багасдаг ч нарны тусгалын өнцөг бага өргөрөгт их, мөн тухайн газар нутгийн үүлшлийн давтагдал зэрэгтэй холбоотой.

ДҮГНЭЛТ

1. Монгол орны нутагт зуны саруудаас бусад саруудад налуу (450) гадаргад тусах цацрагийн

энергийн хэмжээ хэвтээ гадаргад тусах нарны цацрагийн энергийн хэмжээнээс их байна. 2. Манай орны хувьд хэвтээ, налуу аль ч гадаргад ирэх цацрагийн хэмжээ говийн бүс нутагт

бусад бүс нутгаас их байдаг байна. Энэ дээр дурьдсан шалтгаануудтай холбоотой. 3. Монгол орны нутаг дэвсгэр дээр хэвтээ гадаргад тусах нарны цацрагийн энергийн

нөөцийн хэмжээ нь өвлийн улиралд зуны улирлынхаас 3 гаруй дахин бага байдаг байна. 4. Энэхүү судалгааг цаашид илүү нарийвчлан хийж жилийн аль улиралд ямар налуутай

гадаргад цацрагийн хэмжээ хамгийн их байхыг тооцоолон гаргах нь нарны энергийг ашиглах, цаашлаад агаар мандлын судалгаа зэрэгт ач холбогдолтой дүн мэдээ болох нь харагдаж байна.

НОМ ЗҮЙ

1. Ё.Гира., “Монгол орны нутаг дэвсгэр дахь нарны цацрагийн кадастр” 2. Г.Батсүх “Агаар мандалд явагдах физик үзэгдлийн судалгаа” төслийн эрдэм

шинжилгээний тайлан II бүлэг 25-33 хууд 3. Угтаал компани “Таримал ургамлын ургацанд гол нөлөө бүхий нарны

фотосинтезийн идэвхит цацрагийн судалгаа“ эрдэм шинжилгээний тайлан 45-46 хууд 4. А.И.Бакулин “Курс общий Астрономи“ 5. БНМАУ-ын уур амьсгал, гадаргын усны нөөцийн атлас 6. К.Я.Кондратьев “Актинометрия” 7. Д.Батдэлгэр “Режим солнечной радиации на территории МНР” 8. Автореферат, Улан-Батор, 1990


-38-

ANALYSIS ON SUMMER VEGETATION AND CLIMATE CHANGE IN MONGOLIA, 1982-2009

Bolorchuluun Ch.

Department of Geography, National University of Mongolia [email protected]

Abstract The vegetation plays a very important role on the natural environment conservation and improvement to keep human being‟s living environment evergreen while the vegetation supplies many natural resources to human living and development continuously. Rangeland degradation defined as a long-term loss of ecosystem function. The dynamic change of vegetation is the direct indicator of the ecological environment changes. Therefore, study on the dynamic change of vegetation will be very interest and useful. In this paper, the vegetation and climate change in different natural zones of Mongolia will be described in detail. Dynamic change of summer vegetation in Mongolia last 28 years (from 1982-2009) was explored, based on GIMMS and MODIS data. The results showed that the NDVI can effectively monitor vegetation change, but also the mean multi-year NDVI maximum of 0.10 basically can be considered as the threshold of vegetation cover in Mongolia. Using available meteorological data, this paper examines the variation of precipitation and temperature. Analysis of the temperature data show significant increasing trends in summer temperature all natural zone. Warming effect is particularly noteworthy in whole study area. Key words: Mongolia, trend analysis, dynamic change

1. INTRODUCTION Vegetation is an important component of the global land surface system, and it has a significant role

in stabilizing and improving the regional ecological environment. Multi-temporal remote sensing data recording the vegetation change process are of great significance for revealing global or regional environmental change.

In this respect, the normalized difference vegetation index (NDVI) datasets derived from National Atmospheric and Oceanic Administration (NOAA) series Advanced Very High Resolution Radiometer (AVHRR) global area coverage data source for a large area survey and has a high probability of obtaining cloud free data over a growing season for any given geographical area. The potential of AVHRR data for monitoring grassland production was recognized in many studies (e.g. Tucker, et al., 2005). Shoshany et al. (1995) analysed the temporal changes of vegetation cover in the arid and semi-arid regions.

Rising global temperature affecting the atmospheric circulation and the global precipitation patterns (Beniston, 2003; Fallot, Barry, & Hoogstrate, 1997). Overall increase of 5-10% in annual precipitation over most mid and high latitudes of the northern hemisphere and decrease by an average 3% in subtropical areas have been reported (IPCC, 2007). The impacts of increasing global air temperature expanse of land and forest cover, the health and the socio-economic conditions of the population. Extensive researchers were currently focused on correlation analysis between vegetation changes, temperature and precipitation (Propastin & Kappas, 2008; Wang, Rich, & Price, 2003). The aim of the current study is to highlight the changes in the regional NDVI and climate over last 28 years, with particular focuses on the different natural zones.

2. THE STUDY AREA

Mongolia is located in transition zone for vegetation, where it ranges from taiga forest in the north to desert in the south corresponding to a decrease of annual rainfall amount (Fig. 1). It is classified into five subtypes; high mountains (4.5%), forest steppe (23%), steppe (28%), desert steppe (28%) and desert (16%).

Forest-steppe is slightly humid grassland with many herbaceous species. Most of the meadow steppe is protected from grazing by fencing during the summer, is usually mowed during the late summer and a


-39-

deal with the local authorities ensures that the plants used for making hay usually stand until late August. Typical steppe occupies the largest area of the eastern Mongolia used for grazing and recently large areas consisting of high quality grasses were lost due to increased grazing pressure. Gobi is the most arid type of grassland in the Mongolia and, as this type of grassland is a transition to desert, the vegetation has a low diversity, low stature and is very sparse (Gunin, Vostokova, Dorofeyuk, Tarasov, & Black, 1999).

Figure 1. Natural zones of Mongolia and locations of the meteorological stations

In Mongolia increasingly experiencing high degradation rates and socio-economic pressure (Purevdorj, Tateishi, Ishiyama, & Honda, 1998). Over a period of 30 years, 46.5% of agricultural area suffers from wind and water erosion, forest cover has been reduced by 1.4 million hectares and 70% of pasturelands have been overgrazed. Vegetation yields - especially in dry regions such as the desert steppe and steppe, have decreased 6 times (MNE, 2002). Several coarse-scale studies have estimated the nationwide or regional rangeland productivity using NDVI (Bayarjargal, et al., 2006; Erdenetuya, 2004; Iwasaki, 2009; Purevdorj, et al., 1998).

3. DATA AND METHODOLOGY Two different NDVI products were used in this study: global products from AVHRR on the NOAA

satellites and MODIS NDVI products. Both of these NDVI time series are based on the maximum value compositing technique. This method minimizes differences in the spectral properties, radiometric resolution, residual atmosphere effects, and, most importantly, minimizes clouds.

The Global Inventory Modelling and Mapping Studies (GIMMS) dataset comprises radiometer (AVHRR) data collected by National Oceanic and Atmospheric Administration (NOAA) satellites, generalised to fortnightly images of 8-km spatial resolution, corrected for calibration, view geometry, volcanic aerosols, and other effects not related to actual vegetation change. Some studies have been carried out to evaluate the general compatibility of the AVHRR data with MODIS (Bai & Dent, 2009; Brown, Pinzón, Didan, Morisette, & Tucker, 2006; Tucker, et al., 2005). These have, however, focussed on cross-calibration between sensors, required because of differences in the spectral response functions of the red and near-infrared satellite bands.

The climate data used in this study was from 70 meteorological stations in Mongolia, provided by the NAMHEM. Locations of these stations are shows in Figure 1. The analysis climate variaibilities included daily mean temperature and daily precipitation. The linear trend of summer maximum NDVI over the study period was estimated using ordinary least-squares regression. Slope is the slope coefficient of the fitted regression line at each pixel. Slope>0.1 is better for vegetation, while slope<-0.1 is worse for vegetation. The different natural zone summer series of anomalies were calculated.

The NDVI, Standardized Precipitation Index (SPI) and Standardized Temperature Index (PTI) series for the whole region of the Mongolia for the last three decades were calculated arithmetically by averaging. The long-term trends in the NDVI, SPI and STI time series were calculated by using standard parametric and non-parametric statistical techniques, such as linear regression analysis (Borgaonkar & Pant, 2001).

4. RESULTS


-40-

For better understanding of potential impacts of the climate change and land degradation in this study area, dynamic change and trend analysis of the NDVI, precipitation and temperature data were carried out. The precipitation trend analysis shows decreasing trend (significant at 95% confidence level) during study period.

The mean summer NDVI anomaly for whole Mongolia is drawn in Figure 2. It shows the summer mean NDVI anomalies are -0.04 to 0.05 in recent 28 years, mean NDVI is lowest in 1988 and highest in 1994. Vegetation state of 1994 and 2008 were obviously better than other years distance from average. The worst vegetation state occurred in 1988, 2000 and 2007 (Fig. 2). The phenomena may be resulted from global warming and also human activities such as farming, mining etc., which led to the local change in some areas (MENT, 2009) .

Figure 2. Mean NDVI anomaly

The dynamic change of the multiyear NDVI of Mongolia is basically consistent with the main types of land cover (Fig. 3). Those places with NDVI values of less than 0.1 were mainly concentrated in arid regions to the southern Mongolia and overlapped with the distribution patterns of the deserts and gobies. This result shows that NDVI can be used for dynamic monitoring and quantitative research of vegetation changes, and the NDVI value equal to 0.1 basically can be an important threshold of vegetation cover in the sandy regions southern Mongolia. According to statistical analysis, these non-change regions where the NDVI value is equal to or smaller than 0.1 occupied about 28.9% of the total study area. The areas with NDVI<0.1 were defined as “sparsely vegetated areas,” while the areas with NDVI>0.1 were defined as “vegetated areas” (Fang, Piao, He, & Ma, 2004). To reduce the impact resulting from these vast areas in southern Mongolia on spatial statistical analysis, those grids with multi-year maximum NDVI values equal to or smaller than 0.1 over the past 10 years were considered as non-change regions and are given a new value of zero in all later analysis in this paper.

According to the dynamic change of NDVI state change has been quite huge in eastern steppe depends from precipitation. The dynamic change of the summer NDVI distance from the average of study period was permanence during period of 1982-1992 except 1988. Vegetation coverage dramatically improved about 56% in 1994.


-41-

Figure 3. Dynamic change of the summer NDVI distance from the average in Mongolia

The vegetation change trends of the different natural zones are obviously different. Eastern Mongolian regions (steppe and gobi) are strongly affected by the East Asian monsoon, but at the same time basically has had the same change mode for the last 10 years. The vegetation change of southern Mongolia (desert and gobi) was anomalous with smaller fluctuation, because the faction vegetation cover in this area is very spare (Fig. 4a). The results indicate that the distance from summer average NDVI values during the study period for different natural zone. High mountain and mountain shared a similar changes in NDVI anomalies, with both decreasing initially and then increasing over the study period. The forest steppe and steppe NDVI anomalies are indefensible from climate change. The anomalies indicating larger changes in steppe and gobi last ten years.

According to trend analysis of change modes of PSI and STI were negative (Fig. 4b and 5). Temperature anomaly charts show the difference between each year and the average temperature during a baseline period. Summer rainfall amount significant decreased from north to south. It looks territory of Mongolia getting dryer and warmer.


-42-

Figure 4. Change modes of the summer NDVI (a) and STI (b) distance from average in different natural zones

Figure 5. Change modes of the summer SPI distance from average in different natural zones

5. DISCUSSION AND CONCLUSIONS

One of the key findings of this study is that there have been spatially coherent but temporally asymmetric change patterns in NDVI, SPI and STI. The trend analysis indicate decreasing trend in


-43-

summer precipitation but temperature data show significant increasing trends in all natural zones. Warming effect appears to be particularly significant last 10 years.

In this study, six vegetation dominants of different natural zones of Mongolia were investigated. Further studies should be considered for the subclasses of vegetation. The study provides useful information about changes in land cover and climate events in different natural zones of Mongolia from 1982. However, the magnitude of change quantifies in this study should be used with caution due to data quality issues. In addition, further homogeneity checking is required to reduce potential bias of data sets caused by other non-climatic factors.

REFERENCES

Bai, Z., & Dent, D. (2009). Recent land degradation and improvement in China. AMBIO: A Journal of the Human Environment 38(3), 150-156.

Bayarjargal, Y., Karnielia, A., Bayasgalan, M., Khudulmur, S., Gandusha, C., & Tucker, C. J. (2006). A comparative study of NOAA–AVHRR derived drought indices using change vector analysis. Remote sensing of Environment, 105(1), 9-22.

Beniston, M. (2003). Climate change in mountainous regions: a review of possible impacts. Climatic Change, 36, 233-251.

Borgaonkar, H. P., & Pant, G. B. (2001). long-term climate variability over Mooonsoon Asia as revealed by some proxy sources. Mausam, 52, 9-22.

Brown, M. E., Pinzón, J. E., Didan, K., Morisette, J. T., & Tucker, C. J. (2006). Evaluation of the consistency of long-term NDVI time series derived from AVHRR,SPOT-vegetation, SeaWiFS, MODIS, and Landsat ETM+ sensors IEEE Transactions on Geoscience and Remote Sensing, 44(7), 1787-1793.

Erdenetuya, M. (2004). Pasture productivity changes in Mongolia. Paper presented at the Map Asia 2004.

Fallot, J. M., Barry, R. G., & Hoogstrate, D. (1997). Variationof mean cold season temperature, precipitation and snow depts during the last 100 years in the former Soviet Union (FSU). Hydrological Science 42, 301-327.

Fang, J., Piao, S., He, J., & Ma, W. (2004). Increasing terrestrial vegetation activity in China, 1982–1999. Science in China Series C: Life Sciences, 47(3), 229-240.

Gunin, P. D., Vostokova, E. A., Dorofeyuk, P. E., Tarasov, P. E., & Black, C. C. (Eds.). (1999). Vegetation dynamics of Mongolia (Vol. 26). London, UK: Kluwer Academic Publishers.

IPCC. (2007). Climate Change 2007: The Physical Science Basis. Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.

Iwasaki, H. (2009). NDVI prediction over Mongolian grassland using GSMaP precipitation data and JRA-25/JCDAS temperature data. Journal of Arid Environments, 73, 557-562.

MENT. (2009). Mongolia: Assessment report on climate change. Ulaanbaatar, Mongolia: Ministry of Environment, Nature and Tourism.

MNE. (2002). Second report on the implementation of the UN Convention to Combat Desertification in Mongolia, National desertification report.

Propastin, P. A., & Kappas, M. (2008). Reducing intercertainly in modeling the NDVI-precipitation releationship: a comparative study using global and local regression techniques. Geosciences Remote Sensing, 45, 47-67.

Purevdorj, T., Tateishi, R., Ishiyama, T., & Honda, Y. (1998). Relationships between percent vegetation cover and vegetation indices. International Journal of Remote Sensing, 19(18), 3519-3535.

Shoshany, M., Kutiel, P., & Lavee, H. (1995). Seasonal vegetation cover changes as indicators of soil types along a climatological gradient: a mutual study of environmental patterns and controls using remote sensing. International Journal of Remote Sensing, 16(2137-2151).

Tucker, C. J., Pinzon, J. E., Brown, M. E., Slayback, D. A., Pak, E. W., Mahoney, R., et al. (2005). An extended AVHRR 8-km NDVI dataset compatible with MODIS and SPOT vegetation NDVI data. International Journal of Remote Sensing, 26(20), 4485-4498.

Wang, J., Rich, P. M., & Price, K. P. (2003). Temporal responses of NDVI to precipitation and temperature in the central Great Plains, USA. International Journal of Remote Sensing, 24, 2345-2364.


-44-

VEGETATION TRENDS ANALYSIS IN MONGOLIA: USING LONG-TERM REMOTELY SENSED VEGETATION INDEX NDVI (1982-2008)

T. Chuluun1,2,3, B. Tserenchunt2, D. Ojima1, R.Tsolmon3, N. Enkhjargal3, T. Erdenezaya3 and B. Batbileg3

1Natural Resource Ecology Laboratory, Colorado State University, USA, 2Dryland Sustainability Institute, Mongolia

3NUM-ITC-UNESCO RS/GIS Laboratory, National University of Mongolia

Abstract We studied vegetation productivity trends in Mongolia, using long-term remotely sensed vegetation index AVHRR NDVI (1982-2008). First, we related remotely sensed vegetation index NDVI long-term (1982-2008) average value intervals to main 6 ecological zones. Then we studied changes in areas within these NDVI intervals. Vegetation trends analysis in Mongolia, using long-term remotely sensed vegetation index NDVI (1982-2008) showed that main ecological zone boundaries didn‟t shift. However, there were changes within main ecological zones, particularly, southern drier parts with relatively lover productivity (southern sub-ecological zones) have expanded in areas by 6.5-11.1% northward, and the northern parts with relatively higher productivity (northern sub-ecological zones) have shrunk in areas. Expansion of southern sub-zones within ecological zones means that plant productivity tend to decrease due to climate and land use changes. This study was funded by the NASA and APN.

Key words: NDVI, ecological zone shift, climate change and land use change Impact

ОРШИЛ

Монгол оронд уур амьсгалын өөрчлөлт, дэлхийн дулаарлын нөлөө хамгийн их илэрч байна. Хуурай газрын экосистемийн доройтолд бэлчээрийн талхлагдал, газар тариалан эрхлэхийн аль аль нь маш хурдан нөлөөлдөг болохоор хуурай газар нь доройтолд эмзэг өртдөг (Глобаль Газар Төсөл

2005 болон Мянганы Экосистемийн Үнэлгээ 2005). Эдгээр нь ургамалжилтын бууралтанд ч мөн нөлөөлж байна.

Сүүлийн 16 жилд маш их доройтсон газрын хэмжээ 7 дахин, их доройтсон газрын хэмжээ 11.4 дахин ихэсжээ ("Монгол улсын Цөлжилтийн эсрэг тэмцэх үндэсний хөтөлбөр" 2009).

Судалгаан зорилго бол 1982-2008 оны NOAA хиймэл дагуулын мэдээ ашиглан ургамлын нормчлогдсон индекс буюу NDVI-н утгад байгалийн 6 бүсийг харгалзуулан үзэж түүний доторх дэд бүсүүдэд гарсан өөрчлөлтийг харуулах оролдлого хийлээ.

1982-2001 оны хоорондох 20 жилийн NDVI-н өөрчлөлтийн судалгаа (М.Эрдэнэтуяа, 2004), Монгол орны байгалийн бүс бүслүүрийн зурагтай синтез хийж байгалийн бүсийн хилийн шугамд

тохирох NDVI-тодорхой тоон утга бүхий шугамуудыг дүйцүүлэн тооцож 1982-2003 оны байгалийн 6 бүсийн NDVI-ийн ангиллын зураг (М.Баясгалан, 2005) зэрэг судалгаа хийгдэж байсан бол бид 1982-2008 он хүртэлх 27 жилиийн хугацаанд байгалийн бүсийн доторх дэд бүсүүдэд

гарсан өөрчлөлтийг судалж байгаа нь шинэлэг тал болох болвуу. Мөн дэлхийн дулааралтаас болж олон мянган жилийн турш харьцангуй тогтвортой оршиж

ирсэн одоогийн байгалийн бүсийн хилийн шугам хойш, урагш шилжих үү? (В. Өлзийсайхан., нар, 1999) зэрэг асуудалд судлаачид өөр өөрсдийн дүгнэлтийг хийж байгаа өнөө үед бид ч мөн энэ

асуудалд энэ судалгааны үр дүнгээр өөрсдийн саналыг илэрхийлж байна. 1982-2003 оны NDVI-индексийн ангиллын зургийг байгалийн бүс, бүслүүрийн (Даш, 2003),

зурагтай харьцуулж хэт гандуу ба жинхэнэ цөлийн хойд хил нь NDVI=0.05, говийн бүсийн

заримдаг цөлийн дэд бүсийн хил нь NDVI=0.1, цөлжүү хээрийн бүс нь NDVI=0.2, цөлжүү хээр,

заримдаг цөлийн хил Дундговь, Дорноговь аймгийн хэсгээр хойшоо 20-30км шилжсэн, харин хэт гандуу цөлийн дэд бүс нилээд тэлсэн (М. Баясгалан, 2005) тухай судлаач бичжээ.

21-р зууны монголын уур амьсгалын өөрчлөлт нь байгалийн бүсэнд хэрхэн нөлөөлөх тухай

судалгааны ажилд говь, цөлийн бүс нилээд хойш түрж болзошгүй гэж тэмдэглэсэн байна

(Өлзийсайхан., нар, 1999)


-45-

АШИГЛАСАН МЭДЭЭ БОЛОН СУДАЛГААНЫ АРГАЗҮЙ

NOAA -AVHRR хиймэл дагуулын 8 км-ийн нарийвчлалтай NDVG-н 1982-2008 оны (7-8 сар) 27 жилийн мэдээ

ArcGIS 9.2, Envi 4.3, Erdas Imagine 9.1 программ хангамжууд

Ургамлын нормчлогдсон индекс (Normalized Difference Vegetation Index) - АНУ-ын агаар, сансрын уудмыг судлах газрын судлаач Jim Tuccer 1979, 1991 онд Jacson болон бусад эрдэмтэд 1983 онд ногоон ургамлын спектр шинж чанарт суурилсан дээрх индексийг сайжруулан ургамлын нормчлогдсон индекс (NDVI)-г тодорхойлох дараах томьѐог гарган ирсэн нь өнөөг хүртэл

ургамлын шинж чанарыг илэрхийлэх индексийн суурь илэрхийлэл болсоор байна. Өөрөөр хэлбэл

агаарын температур, хур тунадасны хэмжээ нь ургамал ургах цаг уурын нөхцөл хир зэрэг байгааг харуулсан тоон утгууд болно. Иймд эдгээрийг нөлөөөллийн функц хэлбэртэйгээр илэрхийлж, улмаар нормочлон хэмжээсгүй болгосон энэхүү тоон үзүүлэлтийг ургамалжилтын нөхцөлийг

илэрхийлэх индекс гэж үзэн “ургамалжилтын индекс” гэж нэрлэсэн болно (Р. Мижиддорж, 2008).

REDNIRREDNIRNDVI

Бид Монгол орны нутаг дэвсгэрийг үндсэн 6 бүсээр (Үндэсний атлас, 2009) таслан авч

тэдгээрт харгалзах NDVI-н (1982-2008) олон улсын ургамалжилтын ангиллын утгыг давхцуулж үзсэний үндсэн дээр (Хүснэгт 1) ургамалжилтын өөрчлөлтийг экологийн 6 бүсээр судалж, улмаар

бүс доторх дэд бүсийн өөрчлөлтийг судалж үзлээ

Хүснэгт 1. NDVI-н ангилал, түүний байгалийн бүстэй харгалзах байдал

Монгол орны байгалийн бүс бүслүүрийн 1: 3000 000 масштабын зураг (зохиогч Д. ДАш, редактор Д. Доржготов, 2002) –ийг тоон мэдээлэлд хөрвүүлсэн нь байгалийн бүсийн өөрчлөлт, бүсийн хилийн

мониторингийн судалгаанд чухал шаардлагатай

газарзүйн тулгуур мэдээлэл болж байна. NOAA хиймэл дагуулын мэдээгээр тодорхойлсон 1982-2003 оны дулаан улирлын дундаж NDVI –ийн тоон утгаар

газарзүйн ангилал хийхдээ NDVI-ийн утгуудыг 0.1 зайцаар авч газарзүйн мэдээллийн систем ашиглан

зураглаж (М. Баясгалан, 2005) дараа нь монгол орны байгалийн бүс бүслүүрийн зурагтай синтез

хийж байгалийн бүсийн хийлийн шугамд тохирох NDVI-тодорхой тоон утга бүхий шугамуудыг

дүйцүүлэн тооцсон үр дүнг судалгаанынхаа аргазүй болгон ашиласан (Хүснэгт 1).

№ NDVI–н утга Байгалийн бүс 1 0.001-0.15 Цөлийн бүс 2 0.1501-0.3 Цөлийн хээрийн бүс 3 0.301-0.45 Хээрийн бүс 4 0.4501-0.6 Ойт хээрийн бүс 5 0.601-0.75 Өндөр уулын бүс 6 0.7501-1 Тайгын бүс

Figure 1. Natural zones of Mongolia a. National Atlas of Mongolia, b. NOAA/NDVI classification

Resource: M.Erdenetuya, 2004. Pasture Productivity Changes in Mongolia, “Map Asia Conference 2004, GIS development.net ” Beijing, China


-46-

СУДАЛГААНЫ ДҮН

Бид байгалийн үндсэн 6 бүс тус бүрийг таслан авч тухайн бүс доторх дэд бүсүүдэд гарсан өөрчлөлтийг 1982-1990, 1991-1999 болон 2000-2008 онуудаар хувааж үзэхэд дараах үр дүнгүүд гарлаа. Цөлийн бүс:

Цөлийн бүс нь Монгол орны нийт нутаг дэвсгэрийн 15.34 хувийг эзлэх бөгөөд жилд 100мм-с

бага хур тунадас ундаг, +100с –аас их байх өдрийн нийлбэр >30000с байдаг (Жигжидсүрэн, 2005). Зураг 2-с харахад цөлийн бүсийн ургамалжилтын өөрчлөлт 27 жилийн хугацаанд анхаарал

татахуйц хэмжээгээр өөрчлөгдөөгүй бөгөөд 1991-1999 оны хооронд 386.3 км2-р тэлж 2000-2008 онд цөлийн бүсийн талбайн хэмжээ -649.8 км2-р багассан байна.

Зураг 2. Цөлийн бүсийн өөрчлөлт (1982-2008)

Уур амьсгалын хэлбэлзэл харьцангуй их бөгөөд урьдчилан тааварлах бололцоогүй говийн бүс болон хуурай хээрт бэлчээр сэлгэн нүүх нь харьцангуй олон бөгөөд бэлчээрийн гарц даган нүүдэллэдэг. Ийм нүүдлийн хэлбэр тэнцвэрт бус динамиктай экосистемтэй говь болон хуурай

хээрийн бүс нутагт ажиглагддаг (Эллис, Чулуун 1993, Фернандез Жеминез 1999, Чулуун 2000 ба

Бедунаа, Шмидт 2004).

Цөлийн хээрийн бүс (говийн бүс) Цөлийн хээрийн бүс Монгол орны нийт нутаг дэвсгэрийн 21.92 хувийг эзэлдэг. Тус бүсийг

цөлжүү хээр буюу цөлийн хээрийн өмнөд, хээржүү цөл буюу цөлийн хээрийн хойд гэж 2 дэд

бүсүүдэд хувааж үзсэн. 1991-1999 оныг 1982-1990 онтой харьцуулахад цөлийн хээрийн өмнөд хэсэг -20168.4 км2-р

буюу -17.7 %-р багасч цөлийн хээрийн хойд хэсэг 20439.4 км2-р буюу 8.2 %-р тэлсэн байна. Үүнээс үзэхэд 2 дугаар 9 жилд (1991-1999) цөлийн хээрийн өмнөд хэсэг багасаж хойд хэсэг тэлж

ургамалжилт цөлийн хээрийн бүсэд нэмэгдсэн байна. Цөлийн хээрийн бүс сүүлийн 9 жилд (2000-2008 он) цөлийн хээрийн өмнөд хэсэг 7.2 %-р тэлж,

цөлийн хээрийн хойд хэсэг -4.7%-р багассан (Зураг 3).

Desert 1982-1990 1991-1999 2000-2008 302682,3 303068,5 302418,8

1982-1990 year

1991-1999 year

1999-2008 year

1982-1990 year


-47-

Зураг 3. Цөлийн хээрийн бүсийн дэд бүсүүдийн талбайн өөрчлөлт

Хүснэгт 2. Цөлийн хээрийн бүсийн дэд бүсүүдийн ургамалжилтын талбайн өөрчлөлт, %

Цөлийн хээрийн дэд бүсүүдийн ургамалжилтын талбайн өөрчлөлт,%

Км2 1991-1999

/1982-1990 2000-2008 /1991-1999

2000-2008 /1982-1990

1991-1999 /1982-1990

2000-2008 /1991-1999

2000-2008 /1982-1990

1 -20168.4 30629.5 10461.1 -17.7 21.2 7.2 2 20439.4 -30777.6 -10338.2 8.2 -14.0 -4.7

2000-2008 оныг 1991-1999 онтой харьцуулахад цөлийн хээрийн өмнөд хэсэг 30629.5 км2-р

буюу 21.2 %-р тэлж цөлийн хээрийн хойд хэсэг -30777.6 км2-р буюу -14.0 %-р багассан нь 27 жилийн сүүлийн 9 жилд цөлийн хээрийн өмнөд хэсгийн талбай нэмэгдэж хойд хэсгийн талбай

буурсан байгаа нь энэ хугацаанд ургамалжилт багассаныг харуулна. 2000-2008 оныг 1982-1990 онтой харьцуулахад (20 жилийн өмнөх үетэй) цөлийн хээрийн

өмнөд хэсэг 10461.1 км2-р буюу 7.2 %-р тэлж цөлийн хээрийн хойд хэсэг -10338.2 км2-р буюу -4.7%-р багассан байна (Хүснэгт 2).

Эндээс үзэхэд цөлжүү хээрийн талбай нэмэгдэж байгаа нь экологийн хувьд маш эмзэг,

доройтолд орсон нөхцөлд эргүүлж нөхөн сэргээх боломж хязгаарлагдмал (Жигжидсүрэн, 2005) энэ бүс нутагт дэлхийн дулаарал, хуурайшилт эрчимтэй явагдаж байгааг харуулж байна. Хээрийн бүс

Монгол орны нийт нутгийн 25.86 хувийг эзэлдэг бөгөөд хээрийн бүс нь хуурайсаг ургамал, сөөг (харгана), заримдаг сөөгөнцөр ургадгаараа онцлог юм. Жилийн нийт хур тунадас 125-250 мм байдаг (Жигжидсүрэн, 2005).

Хээрийн бүсийг дотор нь гандуу хээр, хуурай хээр, хуурайвтар хээр, нугажуу хээр (Үндэсний атлас, 2009) гэж 4 дэд бүсүүдэд ангилсан.

1991-1999 оныг 1982-1990 онтой харцьуулахад харахад хээрийн бүсийн цөлийн хээртэй хиллэдэг гандуу хээр буюу хуурай хээрийн өмнөд хэсгийн ургамалжилтын талбай 23422.5 км2 буюу 33.7 %-р тэлж, хуурай хээрийн хойд хэсэг -3677.6 км2 буюу -1.6 %-р багассан байхад хуурайвтар хээрийн талбай

1991-1999 онд гандуу хээрийн бүсийн талбай 33.7 %-р тэлж, хуурай хээрийн бүс -1.6 %-р

буурсан нь гандуу хээрийн бүс хойшоо хуурай хээрийн бүсрүүгээ тэлсэн бол хуурайвтар хээрийн бүс 1.2 %-р нэмэгдэж нугажуу хээрийн бүсийн талбай -23.9 %-р багасч хуурайвтар хээрийн бүс хойшоо тэлж нугажуу хэрийн бүс багассжээ. 1845.6 км2 буюу 1.2 %-р нэмэгджээ. Харин хээрийн бүсийн ойт хээртэй хил залгах нугажуу хээрийн бүс нь -21228.7 км2 буюу -23.9 %-р багасчээ (Зураг 4).

Desert steppe

1982-1990 1991-1999 2000-2008

South 133899,4 113731,0 144360,5 North 229752,7 250192,1 219414,5

1991-1999 year

1999-2008 year


-48-

Зураг 4. Хээрийн бүсийн дэд бүсүүдийн ургамалжилтын талбайн өөрчлөлт

1990-д оноос Монголын хойд хагаст ургамлын ургац буурсан хандлагатай байгааг зайнаас тандах судалгааны үр дүн харуулсан байна (Ожима нар 2005). Монголын говь хээрийн зааг болон өндөр уулын өвөр талын ургамлын ургаж эхлэх хугацаа 1982-1991 оны хооронд нэг сар орчмоор

хойшилсоныг зайнаас тандах судалгааны үр дүнд харуулжээ (Еллис 2002).

Хүснэгт 3. Хээрийн бүс, дэд бүсүүдийн ургамалжилтын талбайн өөрчлөлт

Хээрийн бүсийн дэд бүсүүдийн шилжлит, ургамалжилтын өөрчлөлт

Дэд бүсийн дугаар

өөрчлөгдсөн талбай (км2) өөрчлөгдсөн талбай (%)

1991-1999/ 1982-1990

2000-2008/ 1991-1999

2000-2008/ 1982-1990

1991-1999 /1982-1990

2000-2008 /1991-1999

2000-2008 /1982-1990

1 23422.5 -20213.2 3209.3 33.7 -41.1 6.5

2 -3677.6 -1526.5 -5204.1 -1.6 -0.6 -2.2

3 1845.6 -2157.9 -312.3 1.2 -1.5 -0.2

4 -21228.7 23288.2 2059.5 -23.9 20.8 1.8

Тайлбар: 1.Гандуу хээр буюу хуурай хээрийн өмнөд, 2.Хуурай хээр буюу хуурай хээрийн хой, 3.Хуурайвтар

хээр буюу хээр, 4.Нугажуу хээр

Нийт 27 жилийн хугацааны сүүлийн 9 жил болох 2000-2008 оныг хугацааны дунд үе болох

1991-1999 онтой харьцуулж үзэхэд гандуу хээрийн буюу хуурай хээрийн өмнөд хэсэг -20213.2 км2 буюу -41.1 %-р, мөн хуурай хээрийн хойд хэсгийн талбай -1526.6 км2 буюу -0.6 %-р, хуурайвтар хээрийн бүс -2157.9 км2 буюу -1.5 %-р тус тус багссан бол нугажуу хээрийн бүсийн талбай 23288.2 км2 буюу 20.8 %-нэмэгдсэн байна.

2000-2008 оныг хугацааны эхний 9 жил буюу 20 жилийн өмнөх 1982-1990 онтой харьцуулахад хуурай хээрийн өмнөд хэсэг 6.5%-р нэмэгдэж, хуурай хээрийн хойд хэсэг -2.2 %, мөн хуурайвтар

хээрийн бүс 0.2 %-р тус тус багасаж нугажуу хээрийн бүс 1.8 %-р нэмэгджээ (Хүснэгт 3). Сүүлийн 40 жилийн доторх бэлчээрийн өөрчлөлтийг судалсан ажилд (Болорцэцэг, Эрдэнэцэцэг, Ганцэцэг 2002) бэлчээрийн ургац нийт нутгаар 20-30 хувь буурсан бөгөөд энэ бууралт нь хээрийн

бүсэнд илүү эрчимтэй байгаа юм гэжээ. Ойт хээрийн бүс

Ойт хээрийн бүс нь нийт нутаг дэвсгэрийн 23.28 хувийг эзлэх бөгөөд Алтай, Хөвсгөл, Хэнтйин өндөр уулсын өвөр биеэс эхлэн хээрийн бүс хүртэл үргэлжилж хамгийн нам 850м-ийн

өндрөөс 2000м-ийн өндөрт оршдог, бүсийн ялгаа тод илэрдэг, жилд 300-400 мм хур тунадас

Steppe (km2)

1982-1990 1991-1999 2000-2008

Dry/s south 45994,8 69417,3 49204,1 Dry/s north 240774,7 237097,1 235570,6

Steppe 146008,5 147854,1 145696,2 Moisture/s 110120,9 88892,2 112180,4

1982-1990 year

1991-1999 year

1999-2008 year


-49-

унадаг, ургамлын зүйлийн бүрдлээрээ хамгийн баялаг бүс бөгөөд 854 зүйлийн ургамал

ургадгаараа онлог, ач холбогдолтой төдийгүй мал аж ахуй, газар тариалан эрхэлж, хадлан бэлтгэхэд нэн тохиромжтой бүс юм (Жигжидсүрэн, 2005).

Forest steppe(km2)

1982-1990 1991-1999 2000-2008 1. Mountain 140257,3 151450,9 157743,5

2. High mountain 99083,1 87721,3 81701,3

Зураг 5. Ойт хээрийн бүсийн дэд бүсийн ургамалжилтын талбайн өөрчлөлт

Бид ойт хээрийн бүсийг уулын ойт хээр, өндөр уулын ойт хээр гэж 2 ангид авч үзсэн. 1991-1999 оныг 1982-1990 онтой харьцуулахад уулын ойт хээрийн бүсийн талбай 11193.6 км2 буюу 7.4 %-р тэлсэн байхад өндөр уулын ойт хээрийн бүс -11361.8 км2 буюу -13.0 %-р багасчээ

(Хүснэгт 5).

Хүснэгт 4. Ойт хээрийн бүсийн ургамалжилтийн талбайн өөрчлөлт

Ойт хээрийн бүсийн дэд бүсүүдийн шилжлит, ургамалжилтын өөрчлөлт

Дэд бүсийн дугаар

өөрчлөгдсөн талбай (км2) өөрчлөгдсөн талбай (%)

1991-1999/ 1982-1990

2000-2008/ 1991-1999

2000-2008 /1982-1990

1991-1999 /1982-1990

2000-2008 /1991-1999

2000-2008 /1982-1990

1 11193.6 6292.6 17486.3 7.4 4.0 11.1 2 -11361.8 -6020.0 -17381.8 -13.0 -7.4 -21.3

2000-2008 оныг 1991-1999 онтой харьцуулахад мөн уулын ойт хээрийн бүс 6292.6 км2 буюу

4.0 %-р тэлж өндөр уулын ойт хээрийн бүс -6020.0 км2 буюу -7.4 % -р багасчээ. 2000-2008 оныг 20 жилийн өмнөх үе 1982-1990 онтой харьцуулахад уулын ойт хээрийн бүс

17486.3 км2 буюу 11.1 %-р тэлж, өндөр уулын ойт хээрийн бүс -17381.8 км2 буюу -21.3 %-р

багассан байна (Зураг 5, Хүснэгт 4). Зуны бэлчээрийн ургамлын ургац бууралт ойт хээрийн бүсэнд хээрийн бүс, цөлөрхөг хээрйн

бүсийнхээс илүү их байгааг судлаачид (Аваадорж. Д, Бадрах. С, 2001) илрүүлсэн байна. Мөн

бэлчээрийн ургамлын ургацын өөрчлөлтийг сүүлийн 40-өөд жилд цаг уурын станцуудын

хамшаалсан талбайд хийсэн ажишлалтын мэдээг ашиглан гүйцэтгэсэн судалгааны үр дүнгээс үзвэл мөн ойт хээр, хээрийн бүсэнд ургамлын ургац илүү ихээр буурч байгааг тогтоосон байна. (Болорцэцэг. Б нар, 2002. Аззаяа. Д нар 2006). Уулын тайгын болон өндөр уулын бүс

Уулын тайгын болон өндөр уулын бүс нь нийт нутгийн 3.89, 4.48 хувийг эзэлдэг. Уулын

тайгын үндсэн хэвшил нь хуш, хуш-шинэсэн ой (Өлзийхутаг, 1989) байх бөгөөд сарлаг, адуу бог малд тохиромжтой.

1982-1990 year

1991-1999 year

1999-2008 year 02468

1012141618

1982-1990 1991-1999 2000-2008

Are

a (1

00

00

km

2)

Forest steppe Mountain


-50-

27 жилийн хугацаанд уулын тайгын бүс, өндөр уулын бүс хоѐрын ургамалжилт, талбайн хэмжээнд эрс ялгарсан өөрчлөлт гараагүй болно (Зураг 5).

СУДАЛГААНЫ НЭГДСЭН ДҮН

Хүснэгт 5. Байгалийн бүс дэх ургамалжилтын талбайн өөрчлөлт (км2, %)

Байгалийн бүс

бүслүүр ( км2) 1982-1990 1991-1999 2000-

2008

1991-1999 /1982-1990 өөрчлөгд-

сөн %

2000-2008 / 1991-1999 өөрчлөгд-

сөн %

2000-2008/ 1982-1990 өөрчлөгд-

сөн % Цөлийн 302682.3 303068.5 302418.8 -0.087 -0.215 -0.087 Цөлийн хээрийн 363652.1 363923.1 363775.0 0.034 -0.041 0.034 Хээрийн 542899.0 543260.7 542651.3 -0.046 -0.112 -0.046 Ойт хээрийн 239340.4 239172.2 239444.8 0.044 0.114 0.044 Уулын тайгын 58576.6 58935.6 58805.4 0.388 -0.221 0.389 Өндөр уулын 68061.6 68109.7 68054.5 -0.010 -0.081 -0.010

Цөлийн бүсийн талбайн хэмжээ 27 жилийн туршид өөрчлөгдөөгүй болно. Цөлийн хээрийн бүсэд сүүлийн 9 жилийн дундаж талбайг (2000-2008 он) 1990 оноос өмнөх 9 жилтэй

харьцуулахад, цөлийн хээрийн өмнөд хэсэг (цөлжүү хээр) 7.2 %-р тэлж, цөлийн хээрийн хойд хэсэг (гандуу хээр) -4.7%-р багасчээ.

Хуурай хээрийн дэд бүсэд 2000-2008 оныг 1982-1990 онтой харьцуулахад, хуурай хээрийн өмнөд хэсэг

хойшоогоо 6.5%-р тэлж, хуурай хээрийн хойд хэсэг -2.2 % багассан байна. Ойт хээрийн бүсийн уулын ойт хээрийн бүс хойшоо 11.1 %-р тэлж, өндөр уулын ойт хээрийн бүсийн

талбай -21.3 %-р багасчээ (Зураг 11).

Зураг 6. Байгалийн бүсийн доторх дэд бүсүүдийн талбайн өөрчлөлт

High mountain region (km2) 1982-1990 1991-1999 2000-2008

68061,6 68109,7 68054,5

Taiga (km2) 1982-1990 1991-1999 2000-2008

58576,6 58935,6 58805,4


-51-

ДҮГНЭЛТ

1. Байгалийн үндсэн бүсийн шилжилт 27 жилийн хугацаанд яваагүй байна. 2. Харин байгалийн бүс дотор өөрчлөлт гарч, ургац бага өмнөд хэсгийнх нь талбай 6.5-11.1%-иар

тэлж, хойд хэсгийнх нь талбай буурчээ. Өөрөөр хэлбэл, байгалийн бүс доторх өмнөд хэсгүүд буюу дэд бүсүүд хойшоо тэлсэн нь уур амьсгал болон газар ашиглалтын өөрчлөлтийн улмаас ургамлын ургац буурах хандлагатай байгааг харуулж байгаа юм.

ТАЛАРХАЛ Байгаль орчны глобал өөрчлөлтийн Ази Номхон далайн сүлжээний “Монгол орны уур амьсгал

болон газар ашиглалтын өөрчлөлтөд хамгийн эмзэг, Хангайн нурууны өвөр талын бэлчээрийн тогтолцооны судалгаанд Хуурай газрын хөгжлийн парадигмыг ашиглах нь” төсөл (APN: 2008CB-FP12-Togtohyn), НАСА-гийн “Хойд Евро-азийн хагас хуурай бүсийн С-газар ашиглалт-уур амьсгалын харилцан үйлчлэлцэл” төсөл (Project # NNG05GA33G) болон НҮБХХ, ХНХЯ-ны “Ядууралын судалгаа хөдөлмөр эрхлэлтийг дэмжих” төслөөс хангасан мэдээ, хээрийн судалгааны үр дүнд тулгуурлан тус өгүүллийг бичлээ.

Судалгааны ажилд үнэтэй зөвөлгөө өгч дэмжиж тусалсан проф, Т.Чулуун, проф, Д.Ожима , МУИС-Зайнаас тандан судлах төвийн эрхлэгч проф, Р.Цолмон нарт, мөн судалгааны ажлын мэдээ боловсруулалтыг хамтран гүйцэтгэсэн МУИС-Зайнаас тандан судлах төвийн докторант

М.Батбилэг, магистр Г.Эрдэнэзаяа болон магистрант Н.Энхжаргал нарт талархал илэрхийлье.

АШИГЛАСАН НОМ, ХЭВЛЭЛ

1. Баясгалан Б. Гангийн мониторинг диссертаци, 2005 2. Болорцэцэг Б. Эрдэнэцэцэг Б. Бат-Оюун Ц. Бэлчээрийн ургамлын үе шат, ургацын сүүлийн 40

жилийн өөрчлөлт-УЦУХ-ийн ЭШБ. №24,. УБ. 2002. Х.108-114 3. Жигжидсүрэн С. “Бэлчээрийн менежмент”. УБ. 2005 4. Монгол Улсын ШУА, Газарзүйн хүрээлэн. Монгол Улсын Үндэсний Атлас. Улаанбаатар. 2009.

БНСУ-д хэвлэв. 5. Мижиддорж Р, 2008. “Дэлхийн дулаарал цөлийн дуудлага”. 6. Өлзийхутаг Н. “Монгол орны ургамлын аймгийн тойм”. УБ. 1989 7. Өлзийсайхан В, Р.Мижиддорж, Р.Болорцэцэг, Б.Алтанцэцэг. Уур амьсгалын өөрчлөлт, байгалийн

бүс бүслүүрт нөлөөлөх нь “Экологи-тогтвортой хөгжил”, дугаар 5, 1999, х.120-121) 8. Чулуун Т, D.Ojima “Уур амьсгалын өөрчлөлтөнд Монголын хээр болон нүүдлийн соѐлын

өртөнги: Дасан зохицол эсвэл сүйрэл” сэдэвт семинарын бүтээлийн эмхэтгэл, 26-34 х, Улаанбаатар, Интерпресс хэвлэлийн газар.

9. Ellis, J., K. Price, R. Boone, Yu. Fangfang, Т.Чулуун, Yu. Mei. 2002. Монгол болон Өвөр Монголын ургамлын бүрхэвчид үзүүлж буй уур амьсгалын өөрчлөлтийн нөлөөллийн нэгдсэн үнэлгээ.

10. Erdenetuya M. 2004. Pasture Productivity Changes in Mongolia, “Map Asia Conference 2004, GIS development.net ” Beijing, China

11. Fernandez-Gimenez, M.E. 1999. Sustaining the steppes: A geographical history of pastoral land use in Mongolia. The Geographical Review 89:315-342.

12. Ojima, D.S., T.Chuluun, B. Bolortsetseg, C.J. Tucker, and J. Hicke. 2004. Eurasian land use impacts on rangeland productivity. Pages 293-301 In R. DeFries and G. P. Asner, editors. Ecosystem interactions with land use change. American Geophysical Union. Geophysical Monograph Series. Volume 153. Washington D.C. UNCCD (United Nations Convention to Combat Desertification). 1994. United Nations Convention to Combat Desertification in Those Countries Experiencing Serious Drought and/ or Desertification, Particularly in Africa: Text with Annexes. Naibori: UNEP


-52-

НАРНЫ ХЭТ ЯГААН ЦАЦРАГИЙН 365 НМ ДОЛГИОНЫ МУЖИД ҮДЭЭС ӨМНӨ БҮРТГЭГДСЭН ӨСӨЛТИЙН ТУХАЙ

Г.Даваахүү Одон орон геофизик судалгааны төв

Товч утга Бид нарны хэт ягаан цацрагийн хэмжилтийг 2000 оноос монгол орны нийт нутаг дэвсгэрийн хэмжээнд болон байнгын цэгт явуулж байна. Нарны

хэт ягаан цацраг нь нар мандах үеэс эхлэн жаргах хүртлэх хугацаанд аажим өсч хамгийн их утга голдочоор өнгөрөх агшинд хүрч цаашид буурах үндсэн чиг хандлага цацрагийн хэмжилтэнд байнга илэрч байдаг. Харин 2004 оноос эхлэн нарны хэт ягаан цацрагийн 365 нм долгионы мужид үдээс өмнө мэдэгдэх төдий өсөлт байснаа цаашид түүний тоо нэмэгдэх хандлагатай болж байна. Иймд энэхүү

цацрагийн өсөлт үүсэх нөхцлийн талаар судалгааны материалд тулгуурлан авч

үзлээ.

1. ОРШИЛ Нар тухайн газар нутгийн голдочоор өнгөрөх үед нарны хэт ягаан цацрагийн эрчмийн их утга

бүртгэгддэг нь агаар мандлын тунгалаг чанар, газар нутгийн онцлог байдал зэрэг хүчин зүйлтэй холбоотой ч нарны өндрөөс хамаарах нь илүүтэй юм. Өөрөөр хэлбэл, үд дундын үед агаар

мандлын зузаан багассанаас цацрагийн эрчим харьцангуй нэмэгдэж цаашид буурах ерөнхий чиг хандлага ажиглагдаж байдаг.

Бид 2000 оноос эхлэн цацрагийн хэмжилт хийхэд үдээс өмнө огцом өсөлт огт бүртгэгдэггүй

байсан. Харин 2004 оноос хааяа өсөлт ажиглагдаж байснаа, 2006 оны 6,10-р сард Дорноговь

аймгийн Чойрт ( 11.30-11.50 цагийн хооронд 3 удаа) бүртгэгдсэнээс хойш 2008-2009 онд

харьцангуй их тэмдэглэгдэх болсон. 2004-2009 оны хооронд бүртгэгдсэн 96 тохиолдолоос зуны улиралд нилээд ажиглагдаж байна. ( 1-р хүснэгт )

1-р хүснэгт Үдээс өмнөх өсөлтийн улиралын байдал

Улирал 2004 2005 2006 2007 2008 2009 Дүн Хавар - 4 4 4 9 12 33 Зун 1 1 8 11 7 12 40 Намар 2 1 2 1 8 9 23 Дүн 3 6 14 16 24 33 96

2004-2007 оны цэлмэг өдөр үдээс өмнө бүртгэгдсэн өсөлтийн хугацаа түүний хэв хэмжээг

авч үзэхэд ихэнхдээ 11-12 цагийн хооронд цацрагийн эрчим өсч байна. Энд олон зураг

оруулах боломжгүй учраас өсөлт эхэлж бүртгэгдсэн 2004 оны 6-p сарыг төлөөлж авлаа. (1-р

зураг.)

1-р зураг.

Харин 2008-2009 оны үдээс өмнөх цацрагийн эрчим нэмэгдэх тохиолдлын тоо бусад оныхоос арай их байгааг харгалзан улирал бүрийн сартай харьцуулахад түүний хэв хэмжээ намрын сард илүү өндөр байна.( 3-р зураг.2008,2009 оны 9-р сарын харьцуулалт.)

365 ни долгионы муж дахь цацрагийн хэв хэмжээ

(Чойр 2004-6-20)

0,6

0,7

0,8

0,9

1

1,1

10,5 11,5 12,5 13,5 14,5Цаг

Хэв х

эм

жээ


-53-

2-р зураг.

2. Үдээс өмнөх цацрагийн өсөлтийг авч үзэх нь Цацрагийн хэмжилтэнд үдээс өмнө бүртгэгдсэн өсөлтийг юуны түрүүнд хэмжих багажийн

хэвийн ажиллагаа, нарны өндөр, цацрагийн эрчим, озон зэрэг хүчин зүйлийн уялдаа холбоонд авч үзье. а/ Цацраг хэмжих багаж

Нарны хэт ягаан цацрагийн хэмжилтийг 2000 оноос Франц улсад үйлдвэрлэсэн цацраг хэмжих

VLX3W багажаар бүс нутаг болон байнгын цэгт хэмжилт хийж ирсэн. 2008 онд хос мэдрэгч (365нм,312нм) бүхий цацраг хэмжигч VLX-3W шинэ багажийг хэмжилтэнд хэрэглэж байна. Шинэ багаж нь олон улсын стандартын дагуу цацраг мэдрэгч (сенсор) бүрт тохируулга хийгдсэн[1] нь өмнөх багажаас илүү мэдрэмтгий, хэмжих чадвар өндөр болох нь бидний

харьцуулсан хэмжилтээр ( 365 нм долгионы мужид цацрагийн эрчим нь дундажаар 0,680 mw/m2 илүү ) гарч байна. (2008 оны 3-р сарын 13-ны өдрийн харьцуулсан хэмжилтийг 3-р зурагт

үзүүлэв.) Энэхүү шинэ багаж нь үдээс өмнөх цацрагийн өсөлтийг мэдэрч бүртгэсэн юм.

3-р зураг.

б/ Үдээс өмнөх цацрагийн эрчим нарны өндөр 2008, 2009 онд цацрагийн өсөлт бүртгэгдсэн өдрүүдийн нарны өндрийг тооцож үзэхэд 3-р

сараас өсч, 6-р сард их утганд хүрснээ цаашид буурах үндсэн төлөвийг хадгалж байгаа бөгөөд

үүнтэй уялдах цацрагийн эрчим 2009 онд нэмэгдсэн байна. ( 4-р зураг, 5-р зураг)

4-р зураг. 4-р зураг. (*)

Намрын сар дахь үдээс өмнөх огцом өсөлт ( 2009-9-14, 2008-9-22)

0,4

0,5

0,6

0,7

0,8

0,9

1

1,1

10 11 12 13 14 15Цаг

Хэв

хэм

жээ

Шинэ хуучин сенсор

0

0,5

1

1,5

2

9 10 11 12 13 14

Цаг,мин

Цац

раги

йн

эр

чи

м

Шинэ

Цацрагийн хэмжилт хийсэн өдрийн нарны өндөр (2008 он)

0

10

20

30

40

50

60

70

2 3 4 5 6 7 8 9 10 11Сар

Нар

ны

өн

дө

р (h

)

Цацрагийн хэмжилт хийсэн өдрийн нарны өндөр (2009 он)

010203040506070

3 4 5 6 7 8 9 10 11Сар

Нар

ны

өн

дө

р (h

)

2008

2009


-54-

5-р зураг. 5-p зураг.(*)

Мөн үдээс өмнө бүртгэгдсэн цацрагийн эрчмийг жин үдийн үзүүлэлтэй харьцуулж үзэхэд бараг 2 дахин их байгааг үүлтэй холбож болно. Тэнгэр цэлмэг өдөр нар голдочоор тохиох мөчид

үүл гарч халхалдаг нь бидний хэмжилтийн явцад байнга ажиглагддаг. Үүнийг цацрагийн эрчим сааруулах байгалийн зохицуулалт гэж үзэж болох юм. Харин үдээс өмнөх өсөлтийн үед үүл гарах нь тун бага. Энэ талаар 2008-2009 оны үдээс өмнөх болон жин үдэд бүртгэгдсэн цацрагийн эрчмийг харьцуулж 3-р хүснэгтэнд үзүүлэв.

3-р хүснэгт 2008-2009 оны үдээс өмнө жин үдэд бүртгэгдсэн цацрагийн эрчмийн харьцуулалт

№

2008 онд бүртгэгдсэн цацрагийн эрчим

2009 онд бүртгэгдсэн цацрагийн эрчим

Үдээс өмнө

Жин үд Зөрүү (*жин үд)

Үдээс өмнө Жин үд Зөрүү (*жин үд)

1 1,845 1,084 0,761 3,157 3,338 0,181* 2 2,681 2,656 0,025 2,999 2,908 0,091 3 1,982 1,527 0,455 2,722 2,323 0,389 4 2,638 2,430 0,203 2,763 2,708 0,055 5 2,317 2,403 0,086* 3,266 3,256 0,010 6 3,079 2,84 0,239 2,807 2,885 0,078* 7 2,778 2,138 0,640 2,769 2,825 0,056* 8 3,154 2,953 0,201 2,915 2,858 0,057 9 3,216 3,007 0,209 3,087 2,805 0,282 10 2,549 2,415 0,134 3,16 3,062 0,098 11 3,115 2,961 0,154 2,899 2,951 0,052* 12 3,166 2,946 0,220 3,324 3,058 0,266 13 2,918 2,8 0,118 2,904 2,84 0,064 14 2,816 2,965 0,149* 2,583 2,377 0,206 15 2,888 2,845 0,043 3,081 3,141 0,060* 16 3,085 3,157 0,072* 3,12 3,159 0,039* 17 3,088 2,714 0,374 3,42 3,504 0,084* 18 2,772 3,122 0,250* 3,04 3,2 0,196* 19 2,756 2,878 -0,122 3,505 3,06 0,499 20 2,564 2,385 0,179 3,226 3,374 0,148* 21 2,51 2,562 -0,052 3,97 3,218 0,752 22 2,271 2,247 0,024 3,438 3,262 0,176 23 2,22 2,231 0,011* 3,564 2,869 0,695 24 1,491 1,31 0,181 4,43 3,285 1,145 25 3,387 3,268 0,119 26 3,964 3,914 0,050 27 2,856 3,061 0,205* 28 3,228 3,484 0,256* 29 2,943 2,55 0,393 30 2,53 2,415 0,115 31 2,79 2,714 0,076 32 2,336 2,344 0,008* 33 2,266 2,177 0,089 Дундаж 2,662 2,524 3,104 2,975 Тохио тоо 17 7 21 12 Хувь 70% 30% 63,6% 36,4%

2008 оны цацрагийн эрчим

1,5

2

2,5

3

3,5

2 4 6 8 10 12Сар өдөр

Эр

чи

м М

в/м

2

2009 оны цацрагийн эрчим

2

2,5

3

3,5

4

4,5

2 4 6 8 10 12Сар өдөр

Эр

чи

м М

в/м

2


-55-

Энэхүү харьцуулсан үзүүлэлтээс ажиглахад үдээс өмнөх цацрагийн эрчим харьцангуй өндөр. Тодруулбал, UVA цацрагийн тун хэмжээ нэмэгдэж байна. Нарны UVA цацраг нь агаар мандлын

зузаан давхаргыг шууд нэвтэлж газрын гадаргууд ирдэг учраас үйлчлэх хэмжээгээрээ илүүтэй

гэж үздэг[2,3]. Иймд үд дундаас өмнө цацрагаас үүдэлтэй эрсдэлээс сэргийлж хамгаалах асуудал гарч байна.

в/ Үдээс өмнөх цацрагийн өсөлт ба озон

2009 оны 8 сарын 04 ны өдрийн 9 цаг 50 минутанд Баян-Өлгий аймагт үдээс өмнө цацрагийн огцом өсөлт бүртгэгдсэны дараа тухайн сарын 28-нд Хүрэлтогоот дахь хэмжилтийн цэгт мөн

адил тэмдэглэгдсэн. (6-р зураг.)

6-р зураг.

Бид энэхүү өсөлт үүсэх нөхцлийг агаар мандалд дахь озон түүний сийрэгжилтэй холбон үзэж

байна. Судлаачид хойд туйлын озоны сийрэгжилтийг, өмнөд туйлынхаас харьцангуй их шилжилтэй

гэж тодорхойлдог[3]. Энэ утгаараа Аляск, Канад, Гренланд, Европын хойд хэсэг болон Сибирь орчимд нарны хэт ягаан цацраг агаар мандлыг нэвтрэх магадлал өндөр гэж үзэх болсон. Үүний нэгэн баримт нь, хойд туйлын орчимд озоны агууламж 2006 оны 3-р сард 20 хувь хүртэл Добсоны тоон үзүүлэлтээр буурсан байна[5].

Өнөөдрийн байдлаар дэлхийн хойд туйл орчмын озоны сийрэгжилт нь тодорхой хүрээнээс

хальж монгол орны нутаг дэвсгэрийг хамрах болжээ[4]. Дорноговь аймгийн Сайншандад явуулсан озоны хэмжилтийн 13 жилийн материалаар озоны

нийт агууламж хавар, зун, намрын улиралд багассах, өвлийн сард завсрын орчих мандлын (тропопаузын) доод хилийн дундаж өндөрт (9.4-10.3 км) ихэссэх, зуны улиралд (11,1-11,4 километрт) буурах ерөнхий төлөвийг гаргасан байна[6].

Бид тухайн бүс нутгийн хэмжээнд жил сараар хэмжсэн озоны хэмжээг (Добсоны тоон үзүүлэлтээр) [7], 2008-2009 оны үдээс өмнө огцом өсөлт бүртгэгдсэн өдрүүдтэй харьцуулахад жил бүрийн 5-р сарын сүүлчээс буурч байна. ( 7-p зураг. 2009 оны үзүүлэлтээр)

7-р зураг.

Добсоны тоо 300 –аас бага бол түүнийг озоны сийрэгжилт гэж үздэг[6]. Бидний хэмжилтийн материалд нарны өндөр, озоны хооронд шүтэлцээ ( R2009 = 0.52, R2008= 0.66) байгаа бол цацрагийн эрчим, озоны хувьд бусад хүчин зүйлийн

үйлчлэлээс хамаарал (R= -0,04) сул сөрөг утга агуулж байна. (8-р зураг.)

Баян-Өлгий Хүрэлтогоотод бүртгэгдсэн огцом өсөлт

(2009-8-4, 2009-8-28)

0

0,2

0,4

0,6

0,8

1

1,2

8 10 12 14 16Цаг

Хэв

хэм

жээ

2009 оны жин үдээс өмнө тэмдэглэгдсэн их утгын сар өдрүүдэд харгалзсан озоны хэмжээ

R2 = 0,6951; R=0,83

200220240260280300320340360380400

3 4 5 6 7 8 9 10 11

Сар өдөр

Озо

н (

Добсо

ноор)

Баян-Өлгий

Хүрэлтогоот


-56-

8-р зураг.

ДҮГНЭЛТ

1. 2004-2009 оны үд дундаас өмнө бүртгэгдсэн огцом өсөлтийг ( 11-12 цагийн хооронд хавар, зун, намрын сард) нарны өндөр, цацрагийн эрчим, агаар мандалд дахь озон болон бусад хүчин зүйлийн уялдаа холбоонд үүсэх нөхцлийг нарийвчлан судлах нь чухал болно.

2. Үдээс өмнө, үд дунд буюу нар голдочоор тохиох мөчид бүртгэгдсэн огцом өсөлт буюу цацрагийн эрчим, тун хэмжээнээс үүдэж гарах эрсдэлээс урьдчилан сэргийлж хамгаалах асуудал тавигдаж байна.

НОМ ЗҮЙ

1. Certificate og calibration (365nm, 312nm) 2. Нарны Нα хэт ягаан цацрагийн ажиглалт,спектрийн судалгаа. Сэдэв ажлын тайлан (2005-

2007 ). Х. 25-27 3. http://dermatology.about.com/cs/beauty/a/suneffect.htm 4. http://www.esrl.noaa.gov/gmd/images/ozone_uv.jpg 5. http://acdb-ext.gsfc.nasa.gov/Data_services/cloud_slice/#nd 6. Б.Бүжидмаа, Г.Баасанхүү. Монгол орны озоны судалгааны дүнгээс. 7. Ус цаг уурын хүрээлэнгийн бүтээл №12,УБ,2001.х 48 8. http://www.esrl.noaa.gov/gmd/grad/neubrew/O3ProductsGui.jsp

http://dermatology.about.com/cs/beauty/a/suneffect.htm

http://www.esrl.noaa.gov/gmd/images/ozone_uv.jpg

http://acdb-ext.gsfc.nasa.gov/Data_services/cloud_slice/#nd

http://www.esrl.noaa.gov/gmd/grad/neubrew/O3ProductsGui.jsp


-57-

LANDSAT TM, +ETM ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭ АШИГЛАН БАЙГАЛИЙН

ЦОГЦОЛБОРТ ГАЗРААР ГАЗРЫН БҮРХЭВЧИЙН АНГИЛАЛ ХИЙХ

М.Одбаяр [email protected] МТТ1, Н.Элбэгжаргал [email protected] МТТ1

Д.Булган [email protected] МТТ1, О.Анхбаяр [email protected] МТТ1 МТТ1 – Мэдээлэл Тооцооллын Төв, Үндэсний Зайнаас тандан судлалын төв

Зорилго

Орон зайн өндөр ялгах чадвартай (28.5 м) LANDSAT TM, +ETM хиймэл дагуулын мэдээгээр

Сэлэнгэ аймгийн Тужийн нарс БЦГ, Архангай аймгийн Хорго-Тэрх БЦГ, Өвөрхангай аймгийн Орхоны Хөндий БЦГ, Булган аймгийн Рашаант сумын Хөгнө - Тарна БЦГ –аар газрын бүрхэвчийн ангилал хийх зорилго тавьсан. Гүйцэтгэсэн хугацаа:

2009 оны 06 дугаар сарын 8 -аас 2009 оны 10 дугаар сарын 30 хүртэл

Ашигласан мэдээ:

LANDSAT TM, +ETM хиймэл дагуулын 28.5 м-ийн өндөр ялгах чадвартай 7 сувгийн мэдээг

ашигласан. Үүнд: 2002 оны 07 сарын 24 ны Ландсат хиймэл дагуулын 708 км2 хэмжээтэй мэдээ, Тужийн

нарс (Сэлэнгэ аймaг) 2001 оны 07 сарын 17 ны Ландсат хиймэл дагуулын 769 км2 хэмжээтэй мэдээ, Хорго-

Тэрхийн цагаан нуур (Архангай аймаг) 1999 оны 07 сарын 23 ны Ландсат хиймэл дагуулын 928.78 км2 хэмжээтэй мэдээ,

Орхоны Хөндий (Архангай, Өвөрхайнгай аймаг) 1999 оны 07 сарын 23 ны Ландсат хиймэл дагуулын 841 км2 хэмжээтэй мэдээ, Хөгнө -

Тарна (Булган аймаг Рашаант сум) Хээрийн хэмжилтийн мэдээ (БЦГ –дын ой мэргэжилтэн, байцаагч нарын хийсэн

хээрийн хэмжилтийн мэдээ) Судалгааны байршил

Зураг1. Судалгааны байршил

Энэхүү судалгааны ажилын байршил нь Архангай аймгийн Тариат сумын Хорго-Тэрхийн цагаан нуур БЦГ, Архангай аймгийн Хотонт, Хашаат болон Өвөрхангай аймгийн Хархорин






-58-

сумын Орхоны Хөндий БЦГ, Булган аймгийн Гурванбулаг, Рашаант суын Хөгнө - Тарна БЦГ, Сэлэнгэ аймгийн Алтанбулаг, Шаамар сумын Тужийн нарс БЦГ -ыг сонгон авсан.

Хээрийн судалгааны ажил

1. Тужийн нарс – БЦГ, Байгаль хамгаалагч - С.Гэрэлбаатар.

Зураг 2. Тужийн нарс – БЦГ -ын ялгаатай анги, Тужийн нарс – БЦГ дээр нийтдээ 43-н өөр төрлийн

ангиуд дээр хээрийн хэмжилт хийсэн.

Хүснэгт 1.


-59-

2. Орхоны хөндий – БЦГ, Байгаль хамгаалагч: - Ц.Төмөрхуяг. Үзэх цэгийн

дугаар Ө Уртраг Ангийн тайлбар

1 47.539125 102.547281 Дэрст хонхор (тал хээрийн)

2 47.540928 102.551358 Намаг ширэг

3 47.537819 102.556697

Нүцгэн шавар, хужир марзтай газар

4 47.541617 102.560397 Намаг ширэгт голын сайр

5 47.544497 102.564139 Намаг ширэгт дэрст хөндий

6 47.549167 102.571803 Тал, сахилдагтай 7 47.522792 102.571347 Тал хээр, дэрст тал

8 47.506897 102.561619 Тал хээр, айлын намаржаа

9 47.481353 102.570686 Уулын нуугын хээр, Хадат толгод

10 47.484758 102.555958

Суурын газар өвөл- жөө, хөндий хотгорын хээр

11 47.531883 102.597519

Голын хөндийн нуга дотой ширэг

12 47.534239 102.587975

Голын хөндийн нуга дотой ширэг

13 47.487267 102.648067 Тал дэрстай

14 47.431808 102.657731 Суурын газар, Хар балгас

15 47.421342 102.685931 Голын хөвөөний ширэгтэй дов

16 47.434236 102.617725 Атаршсан тариан талбай




20 47.328022 102.627011

Уул уурхайн газар Хайрганы карер чулуурхаг гадрага

21 47.333578 102.627622

Тал хээр толгод засмал зам, өндөр хүчдэл

22 47.306122 102.651497

Ойт хээр, шинэсэн ой төгөл, зураа шинэс, бургас, өвчилсөн ой

23 47.370953 102.683319 Намаг нүцгэн дов, голын ширэг

24 47.370908 102.686928 Намаг нүцгэн дов, хужир марз

25 47.363167 102.696542 Голын хөндийн намаг дов

26 47.359119 102.715781

Голын хөндийн нуга, бургас, хайлааст холимог төгөл

Хүснэгт 2.

http://www.bolor-toli.com/index.php?pageId=10&go=1&direction=mn-en&search=%D3%A9%D1%80%D0%B3%D3%A9%D1%80%D3%A9%D0%B3

http://www.bolor-toli.com/index.php?pageId=10&go=1&direction=mn-en&search=%D1%83%D1%80%D1%82%D1%80%D0%B0%D0%B3


-60-

27 47.449825 102.719278 Намаг ширэг

28 47.495250 102.711269 Тал хээр, тэгш тал

29 47.499192 102.675694 Гол, хайрга

30 47.518147 102.770275

Шал нүцгэн шавар, хужир марзтай газар

Зураг 3. Орхоны хөндий – БЦГ-ын ялгаатай анги Орхоны хөндий – БЦГ- дээр нийтдээ 40-н өөр төрлийн

ангиуд дээр хээрийн хэмжилт хийсэн.

3. Хорго-Тэрхийн цагаан нуур – БЦГ :

lat long 48.12672 99.72622 уулархаг гадрагатай элсжиж буй газар 3 48.13555 99.51528 чулуурхаг гадрагуутай ,мараатай 13 48.17596 99.48118 хөндий хээр 23 48.27534 99.50669 Хад асгатай сийрэг ургамалтай 78 48.31143 99.66926 Хад асгатай чулуурхаг гадрагуутай 77

48.29633 99.82239 Хөдөө арал Хөнжилийн гол Хилийн

гадна 48.14435 99.74134 хатаж хагарсан намгархаг газар 2 48.09896 99.81349 хөвдөрхөг шилмүүст ой 1 48.09161 99.53551 Голын хөндий нуга 6

48.06663 99.56011 Бүдүүн гэчигэний эх орчим Хилийн

гадна 48.15232 99.54955 хужир марзтай газар 14

Хүснэгт 3.


-61-

48.17741 99.60848 Тал хээрийн сийрэг ургамалтай 15

48.24896 99.60510 Хилийн

гадна 48.24633 99.82235 Хувхай хамрын дээд ойн чөлөө 78 48.17890 99.85693 галт уулын хүрмэн чулуулаг 109 48.21264 99.87169 шилмүүст ой хөвдөрхөг 104 48.24713 99.85346 Сийрэг ойтой чулуурхаг газар 94

Зураг 4. Хорго-Тэрхийн цагаан нуур – БЦГ -ын ялгаатай анги

Хорго-Тэрхийн цагаан нуур – БЦГ дээр нийтдээ 25-н өөр төрлийн ангиуд дээр хээрийн хэмжилт хийсэн.


-62-

4. Хөгнө - Тарна (Булган аймаг Рашаант сум) – БЦГ, Р. Намжилдорж.

Хүснэгт 4.


-63-

Зураг 5. Хөгнө - Тарна – БЦГ -ын ялгаатай анги

Хөгнө - Тарна – БЦГ дээр нийтдээ 35-н өөр төрлийн ангиуд дээр хээрийн хэмжилт хийсэн.

Аргазүй

Хээрийн хэмжилт : Дээрх арга зүйгээр боловсруулсан мэдээгээ хээрийн хэмжилт буюу байгаль хамгаалагч нарын газар дээр нь очиж, нүдэн ажиглалт, газар зүйн хэмжилт, фото

зурагжуулсан зэрэг хэмжилтүүд дээр үндэслэн хяналттай буюу сургалттай ангилалын аргаар газрын бүрхэвчийн ангилалыг тодорхойлсон юм.

Програм хангамж : Зайнаас тандан судлалын хяналттай ангиллын арга ашиглан дээрхи мэдээнүүдэд ERDAS IMAGINE 9.1, IDRISI Andes программууд ашиглан, дараах аргазүйгээр

ангилалыг хийсэн.

ERDAS IMAGINE 9.1

Import

Supervised classification

Subset image

IDRISI Andes

Import IDRISI

Overlay maximum

Reclass

Land cover map Signature editor


-64-

ҮРДҮН

Эдгээр тусгай хамгаалалтай газар нутгуудыг зайнаас тандан судлалын аргаар ангилаад, үр

дүнгээ хээрийн хэмжилтын мэдээн дээр тулгуурлан баталгаажуулсан билээ. Энэ ажил нь Зайнаас Тандах аргаар газрын бүрхэвчийн зураг хийх нь эдийн засгийн хувьд

хямд төсөр, үнэн зөв болж байгааг харууллаа. 1. Тужийн нарс – БЦГ:

Тужийн нарс байгалийн цогцолборт газрын орчмоор газрын бүрхэвчийн ангилалыг 12 төрлийн ангитайгаар хийж гүйцэтгэлээ.

Ангилалыг 2002 оны мэдээнд хийсэн бөгөөд ажлын явцад Сэлэнгэ аймгийн ойн мэргэжилтэний хээрийн хэмжилтийг ашигласан. Шатсан ой гэж ангилсан газар нь өмнөх оны түймэрт удаа дараа өртсөн ойг хавтгайруулан огтолж мод бэлтгэл явуулсан газрууд байсан.

Мөн сүүлийн жилүүдэд зарим мод тарих ажил хийгдэж байгаа боловч ангилал хийсэн мэдээний он хуучин байсанаас хээрийн хэмжилтийн зарим мэдээнээс зөрсөн болно. Зураг6 –д

газрын бүрхэвчийн ангилалыг хавсаргав.

Зураг 6. Тужийн нарс – БЦГ , гарзын бүрхэвчийн зураг


-65-

2. Орхоны хөндий – БЦГ:

Орхоны хөндийн байгалийн цогцолборт газрын орчмоор газрын бүрхэвчийн ангилалыг 17 төрлийн ангитайгаар хийж гүйцэтгэлээ. Ангилалыг 1999 оны 7-р сарын 23 –ны мэдээнд хийсэн болно.

Зураг 7 –д Орхоны хөндийн БЦГ –ын газрын бүрхэвчийн ангилалыг хавсаргав.

Зураг 7. Орхоны хөндий БЦГ-ын Газрын бүрхэвчийн ангилалын зураг

Энэхүү 17 ангитай газрын бүрхэвчийн ангилалын зургийн талбайг хүснэгт 5 хавсаргав.

Ангийн

дугаар Ангийн нэр

Ангийн


Ангийн


1 Уулын хээр:

1294577858.25 (M2) 7

Голын Хайрга:

7821967.50(M2) 13

Элс, элсэрхэг газар:

46813216.50(M2)

2 Тал хээр:

2406274380(M2) 8

Газар тариалан:

250860975.75(M2) 14

Элсжиж буй газар:

84351350.25(M2)

3 Hуга:

679487737.50(M2) 9

Зам:

17856504(M2) 15

Хад асга:

11390994(M2)

4 Намаг, ширэг:

72572913(M2) 10

Xужир-марзтай

газар:

26253544.50(M2)

16 Суурин газар:

1507536(M2)

Õ¿ñíýãò 5.


-66-

Орхоны хөндий БЦГ-ын Газрын бүрхэвчийн ангилалын талбайнуудыг м2-аар харуулав.

3. Хорго – Тэрхийн Цагаан Нуур – БЦГ:

Хорго – Тэрхийн Цагаан Нуур БЦГ - ын орчмоор газрын бүрхэвчийн ангилалыг 8 төрлийн ангитайгаар хийж гүйцэтгэлээ. Ангилалыг 2001 оны 07-р сарын 17–ны мэдээнд хийсэн болно.

Зураг8. Хорго – Тэрхийн Цагаан Нуур БЦГ –ын газрын бүрхэвчийн ангилалыг хавсаргав.

Зураг 8. Хорго – Тэрхийн Цагаан Нуур БЦГ –ын газрын бүрхэвчийн ангилалын зураг

5 Шилмүүст:

125163663.75(M2) 11

Гол:

19463946.75(M2) 17

Нисэх онгочны

буудал:

475166.25(M2)

6 Ой:

114221031.75(M2) 12

Нуур:

35367801.75(M2)


-67-

4. Хөгнө Тарна – БЦГ: Хөгнө Тарна – БЦГ -ын орчмоор газрын бүрхэвчийн ангилалыг 14 төрлийн ангитайгаар хийж

гүйцэтгэлээ.

Ангилалыг 1999 оны 7-р сарын 23 –ны мэдээнд хийсэн болно. Зураг 9. Хөгнө Тарна – БЦГ –ын газрын бүрхэвчийн ангилалыг хавсаргав.

Зураг 9. Хөгнө Тарна – БЦГ -ын Газрын бүрхэвчийн ангилалын зураг


-68-

DETERMINATION OF MOISTURE IN THE SOUTHERN SLOPES OF THE KHANGAI RANGE IN MONGOLIA USING REMOTELY SENSED DATA

1N.Enkhjargal, 2R.Tsolmon, 3T.Chuluun 1,2,3-“NUM-ITC-UNESCO” Laboratory for Remote Sensing/Geographic Information System

[email protected], [email protected]

Abstract The objective of this research is to map the moisture in the Khangai mountain range using Remotely sensed data. The moisture index was calculated to indicate climate derived water availability and distinguish between precipitation and potential evapotranspiration. The resulting moisture maps were compared with a NDVI (Normalized Difference Vegetation Index) based vegetation study of the same area. The NDVI from 1982 to 2008 years‟ 8 km resolution NOAA-AVHRR (National Oceanic and Atmospheric Administration – Advanced Very High Resolution Radiometer) satellite data was used in this research. All output maps are vegetation and moisture index from 1982 to 2008 years. We also calculated the correlation between moisture index and NDVI. Over the 20 year period between May to August each year, moisture index values and NDVI was found to have a high correlation.

KEYWORDS: NDVI, moisture index, potential evapotranspiration, precipitation, temperature

1. INTRODUCTION

People of the world have focused on climate change in recent years. Researchers determined the

average temperature increases by 3.61 degrees in winter time, 1.4-1.5 degrees in autumn and spring time, 0.6 percent in summer time and the overall yearly temperature of the air increases by 1.66 degrees according to the observation all over the country between 1940-2002 (National programm of climate change, 2000) .

Yearly moisture size is above 300 mm in highlands of Khangai, Khentii and Khuvsgul provinces, 150-250 mm in steppe zones, below 150 mm in deserted steppe zones and especially lower than 100 mm in some regions of Gobi (М.Tsoozol, N.Batsukh, 2008). This is the result of sharp decrease in moisture resource, the occurrence of which increases from the north to south of our country. We need to obtain more detailed weather forecasts during these days of sharp increase of dryness.

The objective of this research is mapping the moisture using by Remote sensing data. Objectives of the research work:

1. Determination of moisture index in the southern slopes of the khangai range 2. Vegetation trend study using NDVI in the southern slopes of the khangai range between 1982-

2008 June and August. 3. To calculate the correlation between NDVI (Normalized Difference Vegetation Index) and

moisture index

2. STUDY AREA

The study area is including Zavkhan, Govi-Altai, Bayankhongor, Uvurkhangai aimags in Mongolia (E910-1050, N420-490) (figure 1). Study area‟s theritory total size 402777.5 km2.

Figure1. Study area (Zavkhan, Govi-Altai, Bayankhongor, Ovorkhangai aimags /E910-1050, N420-490/)

The Khangai mountains are a mountain range in central

Mongolia. It‟s tallest mountain is the Otgontenger uul (Youngest Sky mountain). Khangai mountains feed rivers Orkhon, Selenge, Ideriin gol, Zavkhan, Orog and Buuntsagaan.




-69-

3. USED DATA AND METHODOLOGY Used data

NOAA -AVHRR (National Oceanic and Atmospheric Administration – Advanced Very High Resolution Radiometer) from 1982 to 2008 years July and August satellite data

ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) satellite, DEM (Digital Elevation Model) data /60m resolution/

CRU (Climate Research Unit)- (http://cru.csi.cgiar.org) Methodology To determine the Moisture Index (MI), we used Equation (1). The moisture index is used to indicate climate derived water vailability between precipitation and potential evapotranspiration (Matthew Tyburski., 2006).

)( thDaysPerMonPETPMI

(1)

where: Р – Precipitation, mm РЕТ – Potential Evapotranspiration

The Priestly-Taylor Method was used for determining potential evapotranspiration. The Priestley-Taylor method (1972) is used to calculate the mean monthly potential evapotranspiration amount and is expressed in Equation (2).

r

es

es EG

GPET

3.1

(2)

where: Ges- monthly mean gradient of the saturated vapor pressure curve in kPa/0C - monthly mean psychometric constant in kPa/0C Er- monthly mean water evaporation equivalent of the saturated vapor pressure curve in kPa/0C

Normalized Difference Vegetation Index (NDVI) –NOAA-AVHRR data is the Normalized

Difference Vegetation Index (NDVI), which is derived from the visible red (RED) and near-infrared (NIR) channels (Sellers, 1994):

. REDNIR

REDNIRNDVI

(3)

RED-channel 2 of NOAA/AVHRR data (0.58 µm– 0.68 µm)

NIR – channel 1 of NOAA/AVHRR data (0.725 µm -1.1 µm)

4. ANALYSIS

Moisture is one of the most important determinants of vegetation growth. Therefore, we selected to apply moisture index during the vegetation growth, shooting and blooming period (from May to August) (figure 2). According to this, there was normal growth between May-July and the moisture performance of August was less than July.

http://cru.csi.cgiar.org/


-70-

Figure 2. Comparison of monthly moisture index (May-August)

Figure 3. Moisture map of July Figure 4. Moisture map of August

between 1982 to 2002 between 1982 to 2002

The NDVI from 1982 to 2008 years 8 km resolution NOAA-AVHRR satellite data was used in this research. Values for NDVI range from 1.0 to -1.0. Higher values indicate higher concentrations of green

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

1982

1984

1986

1988

1990

1992

1994

1996

1998

2000

2002

Year

Moi

stur

e in

dex

May June July August

0.0 67.5


-71-

vegetation (Floyd F. Sabins, 1997). Lower values indicate nonvegetated features, such as water, barren land, ice snow or clouds. In this study NDVI values were classified into 7 classes.

Figure 5. Trend NDVI value of July and August

5. RESULTS

NDVI values in July averaged 0,118 between 1982-2008. But, NDVI values in August averaged

0,121. From this, we can see that vegetation growth condition of July is less than August by 1,79% (figure 5).

Figure 6. Correlation of the moisture Figure 7. Correlation of the moisture

index and NDVI (June) index (June and July) and NDVI (July)

Correlation between the vegetation index for July and the moisture index of June and July from 1982 to July 2002 is determined as r2=0.4365 (Figure 7). Thus, when I compare this correlation between the vegetation index and moisture index from June 1982 to June 2002 is determined as r2=0.0418 (Figure 6). Correlation between the vegetation index for August and the moisture index of July from 1982 to 2002 is determined as r2=0.3796 (Figure 9). When I compare this correlation between the vegetation and moisture index from July 1982 to July 2002 is determined as r2=0.2858 (Figure 8).

y = 0.0001x - 0.0882

y = -0.0002x + 0.488

0.00

0.02

0.04

0.06

0.08

0.10

0.12

0.14

0.16

0.18

0.20

1982

1984

1986

1988

1990

1992

1994

1996

1998

2000

2002

2004

2006

2008

Year

ND

VI

July August Linear (August) Linear (July)

y = 3.6612Ln(x) + 17.894R2 = 0.0418

0.00

2.00

4.00

6.00

8.00

10.00

12.00

14.00

16.00

18.00

0.00 0.05 0.10 0.15 0.20NDVI

Moi

stur

e in

dex

y = 265.5x - 5.1018R2 = 0.4365

0.0

10.0

20.0

30.0

40.0

50.0

60.0

0.00 0.05 0.10 0.15 0.20

NDVI

Moi

stur

e in

dex


-72-

Figure 8. Correlation of the Figure 9. Correlation of the moisture

moisture index and NDVI (July) index (June and July) and NDVI (July)

The 70% correlation of moisture index between May-July and August of 1982-2002 shows us that the moisture defines the plantation in each year (figure 10).

Figure 10. Correlation of moisture index between May-July and NDVI August

6. CONCLUSION

We can conduct surveys on soil degradation, dryness, desertification and plantation of the whole

country of Mongolia by using moisture index data of many years. It is timely and economically important to use remote sensing and Geographic Information system technologies for surveying moisture with the usage of moisture index.

REFERENCES

1. Floyd F. Sabins., 1997, Remote sensing. NewYork, pp 404-405 2. Matthew Tyburski., 2006, Monitoring land degradation and land use change in Mongolia,

Thesis (PhD) 3. M.Tsoozol, N. Batsukh, G. Sarantuya, S.Erdenesukh, D.Enkhbat, T.Tsengel, L.Jambajamts.,

2008, “Дэвсгэр гадаргын дулааны баланс” 4. National programm of climate change, 2000 5. Sellers 1994., Global Inventory Modeling and Mapping Studies (GIMMS) AVHRR 8km

Normalized Difference Vegetation Index (NDVI), Bimonthly. 6. http://cru.csi.cgiar.org

ACKNOWLEDGEMENTS

Thanks to staffs of GIMMS group /Global Inventory Modeling and Mapping Studies – Normalized Difference Vegetation Index (GIMMS–NDVI), National Aeronautics and Space Administration (NASA), Goddard Space Flight Center (GSFC)/ included in my survey.

y = 24.232Ln(x) + 68.639R2 = 0.2858

0.00

5.00

10.00

15.00

20.00

25.00

30.00

35.00

0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18 0.20

NDVI

Moi

stur

e in

dex

y = 47.011Ln(x) + 118.7R2 = 0.3796

0.0

5.0

10.0

15.0

20.0

25.0

30.0

35.0

0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15

NDVI

Moi

stur

e in

dex

y = 45.469Ln(x) + 130.38R2 = 0.5276

0.00

10.00

20.00

30.00

40.00

50.00

60.00

0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18

Moi

sture

in

dex

NDVI

http://cru.csi.cgiar.org/


-73-

)(*)cos(/)( '00 ama TTikTT

FY-2 ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР БОЛОВСРУУЛСАН АГААРЫН

ТЕМПЕРАТУР, ХУР ТУНАДАСЫГ ГАЗРЫН АЖИГЛАЛТЫН МЭДЭЭТЭЙ

ХАРЬЦУУЛСАН НЬ

М.Эрдэнэтуяа1 Д.Мөнхзул2, Б.Эрдэнцэцэг2, Стевен Хоппер3

1Мэдээлэл тооцооллын төв 2Ус, цаг уурын хүрээлэн

3Нидерландын вант улс, EARS компани

Товчоон Нидерландын вант улсын санхүүжилтээр БОАЖЯ-ны харъяанд хэрэгжиж буй Байгалийн нөөцийн менежментийн үндэсний геомэдээллийн төв төсөл (БНМҮГТ)-ийн хүрээнд FY-2 байран хиймэл дагуулын цаг тутмын мэдээг хүлээн

авч боловсруулах, Энерги усны балансын мониторингийн систем /ЭУБМС/-ийг Хөдөө аж ахуйн цаг уурын судалгаа шинжилгээ, мэдээлэл үйлчилгээний ажилд

ашиглах зорилгоор суурилуулсан болно. Мөн гаралтын үр дүн боловсруулж, баталгаажуулалтын ажлыг гүйцэтгэснээр агаарын температур, хур тунадасны арав

хоног, сарын зураг мэдээг үйлдвэрлэлд нэвтрүүллээ. Энэхүү өгүүлэлд уг хиймэл дагуулын мэдээгээр боловсруулсан 2006-2009 оны агаарын температур, хур тунадасны мэдээг газрын ажиглалтын мэдээгээр шалгаж, баталгаажуулсан үр дүнгээс оруулав.

Түлхүүр үгс: Энерги усны балансын мониторингийн системийн хэрэглээ, баталгаажуулалт

ОРШИЛ

Өргөн уудам нутагтай манай орны хувьд Зайнаас тандан судлалын технологийг Хөдөө аж

ахуйн цаг уурын мониторингийн судалгаанд авч ашиглах зайлшгүй шаардлагатай бөгөөд ЭУБМС-ийн боловсруулалтаар гаргасан агаарын температур, хур тунадасны зургийг арав хоног

тутмын мэдээлэл үйлчилгээний ажилд авч ашиглах боломжтой боллоо. FY-2C байран хиймэл дагуул дэлхийгээс 35800 км-ийн зайд, зүүн өргөргийн 105 градуст

байрлана. Газрын хүлээн авах станц нь хоногт цаг тутмын буюу 24 мэдээ хүлээн авах чадалтай ба

6-8 дугаар саруудад цаг агаарын урьдчилсан мэдээнд ашиглах зорилгын үүднээс 30 минут тутмын

мэдээ буюу 48 хүртэл мэдээ хүлээн авдаг. FY-2 дагуулаас мэдээ хүлээн авах антенныг 2007 оны 5 дугаар сард суурилуулснаас хойш

одоог хүртэл дагуулын цаг тутмын мэдээг хүлээн авч боловсруулж байна. Уг хиймэл дагуулын мэдээг ЭУБМС-ээр боловсруулсан үр дүн нь тасралтгүй орон зайд, цаг

хугацааны өндөр давтамжтайгаар Монгол орны нийт нутгаар боловсруулан гаргадаг төдийгүй аймгуудын УЦУОША-д суурилуулсан программын дагуу тухайн орон нутгаар нэмэлт боловсруулалт хийн өөрсдийн аймгийн нутгаар 2008 оны 4 дүгээр сараас эхлэн зурагладаг боллоо. Судалгааны аргазүй, ашигласан мэдээ

Уг судалгаанд FY-2 байран хиймэл дагуулын мэдээний гэрлийн нил улаан туяаны хэсэгт харгалзах цацрагийн утгаар газрын гадарга орчмын агаарын температурыг агаар мандлын засвар

хийснээр хөрвүүлэн гаргаж авна. Энэ тохиолдолд жин үд болон шөнө дундын газрын гадарга орчмын агаарын температур, дэлхийн гадаргуугийн температур хоорондын хамаарлаар тодорхойлогдоно. (Rosema et al., 2004, УЦУХ-ийн ЭШ-ний бүтээл, 30) (1) Энд:

k-агаар мандлын засварын коэффициент im-хиймэл дагуулын босоо өнцөг Ta-гадаргуугийн дээд хилийн температур Хур тунадасны зургийг орон зайн хувьд тасралтгүй гаргахын тулд 2 төрлийн эх мэдээг

ашигладаг. Үүнд:


-74-

1. FY-2 хиймэл дагуулын цаг тутмын мэдээнээс үүлний үргэлжлэл болон үүлний төрлийг

тооцоолно. 2. Олон улсын GTS сүлжээнд 3 цаг тутамд гардаг цаг уурын станцын ажиглалтын мэдээнээс

хур тунадасны мэдээг авна.

1 дүгээр зураг. Хиймэл дагуулын мэдээнээс ялгах үүлний төрөл

Үүлний үргэлжлэх хугацааг тооцсноор тухайн газар хур тунадас орох магадлалыг үндэслэн

орсон хур тунадасны хэмжээг тооцоолдог. Энэ нь дараах регрессийн тэгшитгэлээр

илэрхийлэгдэнэ.

iiest CDaR (2) Энд:

Rest-тооцоолсон хур тунадасны хэмжээ, мм CDi-хоногийн буюу 24 цаг тутмын үүлний үргэлжлэх хугацаа

Ингээд тооцоолсон хур тунадасны болон GTS-ээс авсан газрын станцад хэмжсэн хур тунадасны

зөрөөг гаргана.

obsest RRb (3) Энд:

b-тунадасны зөрөө Rest-тооцоолсон хур тунадасны хэмжээ, мм Robs-хэмжсэн хур тунадасны хэмжээ, мм

Үүний дараа газрын ажиглалтын цэгэн мэдээллийн утгатай уялдуулан интерполяци хийж, хур

тунадасны зураглалыг пикселийн түвшинд гаргадаг. bCDaR iiest (4)

Энэхүү судалгаанд FY-2 хиймэл дагуулын мэдээг ЭУБМС-ээр боловсруулсан 2006-2009 оны

хоногийн, арав хоногийн, сарын агаарын температур, хур тунадас, мөн цаг уурын станц, харуулын мөн үеийн агаарын температур, хур тунадасны мэдээг ашиглав.

2 дугаар зураг. Jackknife Tools хэрэгслийн оролт, гаралтын хэсэг


-75-

Судалгааны ажлаа хиймэл дагуулын мэдээ боловсруулах программ хангамж болон хур

тунадасны мэдээг баталгаажуулах дүн шинжилгээ /Jackknife Tools/-ний хэрэгсэл мөн математик статистикийн аргуудыг хэрэглэсэн болно. Үр дүн

FY-2 хиймэл дагуулын мэдээг ЭУБМС-ээр боловсруулан хоног, арав хоног, сар, жилийн агаарын температур, хур тунадасны тоон мэдээ болон зургийг гаргах боломжтой юм. Агаарын температур

Хоногийн болон арав хоногийн дундаж агаарын температурын хувьд 3 дахь удаагийн шалгалт, баталгаажуулалтын ажлыг цаг уурын 108 станцаар хийсэн.

Хоногийн дундаж агаарын температурын газрын ажиглалтын болон хиймэл дагуулын

мэдээний хоорондын хамаарлыг тооцоход /3 дугаар зураг/ 2007 онд 0.96-0.99, харин 2008 онд 0.84-0.99 байсан ба Увсын Хар-Ус, Ховдын Ховд, Завханы Дөрвөлжин, Цэцэн-Уул, Нөмрөг, Баян-Уул, Тосонцэнгэл, Отгон, Баянхонгорын Баянбулаг, Хөвсгөлийн Цэцэрлэг, Сэлэнгийн Ерөө, Төв аймгийн Мааньт зэрэг станцад 0.84-0.95 байв.

3 дугаар зураг. Хоногийн дундаж агаарын температурын 2007-2008 оны хамаарал

Харин арав хоногийн дундаж агаарын температурын харьцуулалтыг 0-2, 2-5, 5-12 градусын

зайцуудаар зөрөө гарган, түүний эзлэх хувийг тооцож, агаарын температурын хувьд хамаарлын

коефффициентийг гаргасан. Дээрх сонгосон станцуудын орших байршлаар нь байгалийн 5 бүсэд хуваасан.

1 дүгээр хүснэгт. Арав хоногийн дундаж агаарын температурын

0-2, 2-5, 5-12 градусын зөрөө, түүний эзлэх хувь

Байгалийн бүс Станцын тоо Арав

хоногийн

тоо

2007 он 2008 он

зөрөө0С ззлэх

хувь, % зөрөө0С эзлэх

хувь, % 0-2 градус, 0С

Өндөр уул 16 33-36 19 51.9 12 35.6 Ойт хээр 43 33-36 19 52.7 12 36.8 Тал хээр 21 33-36 21 58.3 17 50.5 Цөлөрхөг хээр 18 33-36 22 59.7 14 41.2 Цөл 10 33-36 22 61.9 14 43.0 дундаж 108 33-36 20 56.9 14 41.4

2-5 градус, 0С Өндөр уул 16 33-36 14 39.2 13 38.4 Ойт хээр 43 33-36 13 35.4 12 37.1 Тал хээр 21 33-36 13 36.0 12 35.9 Цөлөрхөг хээр 18 33-36 12 32.3 12 36.0 Цөл 10 33-36 12 32.8 11 34.5 дундаж 108 33-36 13 35.1 12 36.4

5-12 градус, 0С Өндөр уул 16 33-36 3 8.9 9 25.9 Ойт хээр 43 33-36 4 11.8 9 26.1


-76-

Тал хээр 21 33-36 2 5.68 4 13.6 Цөлөрхөг хээр 18 33-36 3 8.33 8 22.7 Цөл 10 33-36 2 5.28 7 22.4 дундаж 108 33-36 3 8.0 7 22.1

Хүснэгтээс үзэхэд хиймэл дагуулын мэдээний бүрдэл 2007 онд 36, харин 2008 оны хувьд 33

арав хоногийн мэдээ бүрдсэн байв. Иймд газрын ажиглалтын болон дагуулын агаарын температурын зөрөө, тэдгээрийн эзлэх хувийг тооцоход 2007 онд 0-5 градусын зөрөө 13-20 удаа,

тохиолдлын тооны эзлэх хувь 92 бол, 5-12 градусын зөрөө 2-4 удаа буюу 8.0% байхад 2008 онд 0-5 градусын зөрөө 12-14 удаа, тохиолдлын тооны эзлэх хувь 78 бол, 5-12 градусын зөрөө 4-9 удаа буюу 22.2% байна.

FY-2 хиймэл дагуулын болон газрын ажиглалтын мэдээгээр боловсруулсан сарын агаарын температурын тархалтын зургийг 2009 оны 4-7 дугаар сараар үзүүлэв. 2009 оны 4 дүгээр сарын хувьд агаарын температур -1...+13 градусын хооронд байсан бол 5 дугаар сард 3-18 градус, 6 дугаар сард 9-24 градус, 7 дугаар сард 11-27 градус байна /4 дүгээр зураг/.

4 дүгээр зураг. Сарын дундаж агаарын температурын газрын ажиглалтын болон дагуулын зураг, 2009 оны 4-7 дугаар сар


-77-

Хур тунадас Хур тунадасны хэмжсэн болон тооцоолсон үр дүнг харьцуулж шалгахдаа байгалийн бүс

бүслүүрийн хувьд ялгаатай орших Баян-Өлгий, Төв, Өмнөговь аймгуудын цаг уурын 15 станцыг сонгов.

Дээрх сонгосон станцуудын 2006-2008 оны хоног болон сарын хур тунадас, мөн ЭУБМС-ээр

тооцоолсон хур тунадасны хэмжээг авч үзсэн. Jackknife Tools хэрэгслээр хур тунадасны хэмжсэн болон тооцоолсон хур тунадасны хоорондын зөрөөг гарган, мөн хамаарлыг тооцож 1 дүгээр хүснэгтэд үзүүлэв.

2 дугаар хүснэгт. Jackknife Tools-ээр харьцуулсан хур тунадасны хамаарал, зөрөө

Он Хамаарлын

коэффициент

Хэмжсэн хур

тунадасны

хэмжээ, мм

Тооцоолсон хур

тунадасны

хэмжээ, мм Зөрөө, %

1. Баян-Өлгий аймаг 2006 он 0.73 96 87 -9 2007 он 0.60 77 93 21 2008 он 0.63 75 81 8 дундаж 0.62 83 87 5

2. Төв аймаг 2006 он 0.90 233 236 1 2007 он 0.89 177 202 14 2008 он 0.93 235 242 3 дундаж 0.91 215 227 5

3. Өмнөговь аймаг 2006 он 0.96 103 94 -8 2007 он 0.83 120 121 1 2008 он 0.78 94 104 10 дундаж 0.89 106 106 0

2 дугаар хүснэгтээс харахад хамаарлын коеффициент Төв, Өмнөговь аймгуудад 0.78-0.96,

харин Баян-Өлгийд 0.60-0.73 буюу харьцангуй сайн байсан бол тунадасны зөрөө станц бүрд харилцан адилгүй байсан.

Хур тунадасны шалгалт, баталгаажуулалтын ажлын цэгийн тоог олшруулан цаг уурын 300 гаруй салбарын 2007-2008 оны мэдээгээр хийв. Энэ харьцуулалтаар 2-3, 6-8, 10-11 дүгээр саруудыг сонгосон ба 4, 5, 9 дүгээр саруудын хиймэл дагуулын болон GTS-ийн мэдээний бүрдэл

хангалтгүй байснаас уг шалгалтанд оруулаагүй болно.

3 дугаар хүснэгт. 2007-2008 оны хэмжсэн болон тооцоолсон хур тунадасны харьцуулалт /300 гаруй

салбараар/

Сар

2007 он 2008 он

хамаарал тунадасны

дундаж зөрөө, мм

хамаарал тунадасны

дундаж зөрөө, мм

2 дугаар сар 0.57 -0.58 0.57 0.59 3 дугаар сар 0.69 -0.66 0.56 0.52 6 дугаар сар 0.65 -4.95 0.76 2.22 7 дугаар сар 0.70 10.16 0.57 10.53 8 дугаар сар 0.60 22.57 0.69 10.07 10 дугаар сар 0.58 3.83 0.65 0.15 11 дүгээр сар 0.69 1.37 0.59 0.48

дундаж 0.64 4.53 0.63 3.51

Дээрх хүснэгтээс дулааны улирлын 6-8 дугаар саруудад хэмжсэн, тооцоолсон хур тунадасны зөрөө -4.95...+22.57 мм, хамаарал 0.60-0.70, хүйтний улирлын 2-3 ба 10-11 дүгээр саруудад -0.66...+3.83 мм, хамаарал нь 0.57-0.69 байна.


-78-

5 дугаар зураг. Дулааны улирлын хур тунадасны хамаарал

Газрын ажиглалтын мэдээг ашиглан уламжлалт аргаар боловсруулан гаргадаг болон хиймэл дагуулын мэдээгээр боловсруулсан хур тунадасны 2009 оны 6 дугаар сарын эхэн, дунд, сүүлчийн арав хоног, сарын зургуудыг харьцуулан 6 дугаар зурагт үзүүлэв. Зургаас харахад хур тунадасны зөрөө дунджаар -0.88...+2.20 мм, хамаарал 0.58-0.71 байлаа.

6 дугаар зураг. Арав хоног, сарын нийлбэр хур тунадасны хиймэл дагуулын болон газрын зураг, /2009 оны 6

дугаар сар/

6 дугаар сарын хур тунадасны хамаарал

R2 = 0.6711

0

20

40

60

80

100

120

140

160

180

0 50 100 150 200

бодит хур тунадас, мм

тооц

оолс

он х

ур ту

нада

с, м

м


R2 = 0.5845

0

20

40

60

80

100

120

0 50 100 150 200

бодит тунадас, мм

тооц

оолс

он ту

ндас

, мм


R2 = 0.4724

0

10

20

30

40

50

60

70

80

0 50 100 150

бодит тунадас, ммто

оцоо

лсон

туна

дас,

мм


-79-

ДҮГНЭЛТ

1. Хиймэл дагуулын мэдээгээр тооцоолсон агаарын температурыг 2007-2009 оны газрын ажиглалтын мэдээгээр шалгахад температурын зөрөө нь хотгор гүдгэрийн онцлог шинж,

улирлын байдлаас хамааран 0-5 градусын зөрөөтэй тохиолдлын тооны эзлэх хувь 78-92 байлаа.

2. Хур тунадасны хиймэл дагуулын болон газрын ажиглалтын 2006-2008 оны мэдээний хоорондын зөрөө дунджаар 1.20-4.53 мм, тэдгээрийн хоорондын хамаарал 0.56-0.76 байв.

3. БНМҮГТ төслийн хүрээнд 2007 оноос УЦУХ-тэй байгуулсан гэрээт ажлын хүрээнд ЭУБМС-ийг ажиллуулах, уг системийг Монгол орны нөхцөлд зүгшрүүлэх, гаралтын зарим үр дүнгүүдийг шалгах ажлыг ХААЦУС-т гүйцэтгэж 2010 оны 1 дүгээр сараас УЦУХ-ийн Байгаль орчин, ХААЦУ-ын мэдээллээр дамжуулан хэрэглэгчдэд хүргэж байна.

4. ЭУБМС-ийн Хэрэглээний дэд системийг аймгуудын УЦУОША-д анх удаа нэвтрүүлж

зайнаас тандах аргыг орон нутагт хэрэглэж эхэлсэн нь цаашид хиймэл дагуулын мэдээний

хэрэглээг орон нутагт бий болгох, хөгжүүлэх үндэс суурь тавигдлаа гэж үзэж байна.

АШИГЛАСАН НОМ, ХЭВЛЭЛ

1. EARS and Foppes, S. (2007). 1.5 m air temperature, precipitation and water balance monitoring the Weihe and upper Yellow river. This issue.

2. Baker, J.M. 1998. Comparison of net radiometer measurements against summed radiation components. Symp. on Meteorological Observations and Instrumentation, 10th, Phoenix, AZ. 11–16 Jan.1998. Am. Meteorological Soc., Boston, MA.

3. M. Erdenetuya (PhD), S. Khudulmur, B. Erdenetsetseg, D. Munkhzul, “Remote Sensing and GIS Approaches for Mongolian Environmental Monitoring under NGIC project activities”, ACRS 2009, Beijing, China

4. Final report on EWBMS applications in Mongolia, NGIC 2009, UB, Mongolia 5. Application Environmental Analysis and Remote Sensing Delft, the Netherlands

Manual energy and water balance monitoring system, ears, delft, the netherlands


-80-

DEFINING WATER VAPOR VOLUME IN THE TROPOSPGHERE BY USING GLOBAL POSITIONING SYSTEM (GPS)

L.Jambajamts, G.Tuul, V.Uyanga Department of Meteorology and Hydrology,

Faculty of Earth Sciences, National University of Mongolia [email protected], [email protected], [email protected]

Abstract We aimed to define the water vapor volume in the atmosphere, that not able to directly measured by using GPS measurement data. In the frame of this Research work, we purposed to define the water vapor volume in the air by taking atmosphere temperature, humidity, and pressure data, which measured by Space Studying Center of California via GPS receiver, from their internet page between January-December 2009.

INTRODUCTION

Water vapor is the key element in the hydrological cycle and the main driver of atmospheric events. Water vapor is not evenly distributed over the earth because of the hydrological cycle and variations of temperature, pressure and geography. The distribution varies both horizontally on earth‟s surface and vertically as well. Nearly 50% of the water in the atmosphere is between sea level and 1.5 km above sea level. Less than 5% is between 5 to 12 km and less than 1% is in the stratosphere. Horizontally, on earth‟s surface, average Integrated Precipitable Water Vapor is less than 5 mm near the poles and greater than 50 mm near the equator. Active weather is strongly correlated to the distribution of water vapor in the atmosphere.

The total GPS signal delay in the atmosphere is composed of ionospheric and tropospheric delays. The largest atmospheric signal delays come from the ionosphere. These delays can be compensated with dual frequency GPS receivers. GPS satellites send radio signals at two frequencies, L1 (1575,42MHz) and L2 (1227.6MHz). The delay in the ionosphere is inversely proportional to the frequency of the radiowaves. Thus, the delay can be calculated by measuring the difference between the two frequencies. The tropospheric delay cannot be corrected by using the dual frequencies since the electrically neutral atmosphere (troposphere) is nondispersive below 30 GHz. The tropospheric delay has two components: hydrostatic and wet delay. The water vapor in the atmosphere, which is the main driver of the atmospheric events, bends the radio waves and slows them down. Therefore, GPS signals travel longer distances before they reach surface-based GPS receivers. The troposphere, which contains most of the water vapor (around 95% of the water vapor is below 5 km in the troposphere) delays both the L1 and L2 signal equally, since below 50 kilometers, the atmosphere is electrically neutral. Signal delays in this region are due to changes in pressure, temperature, and water vapor. Therefore, special geodetic algorithms are used to calculate the tropospheric delay. This delay is mapped to the zenith neutral delay to calculate the vertical amount of integrated precipitable water vapor.

METHOD

Spreading speed of radio wave is few times less than speed of light and we can calculate the refraction by two types:

n = 1+Nc + NП (1)

Nc - “hydrostatic” delay, J/(Pha*m3) NП - “wet” delay, J/(Pha*m3)

Nc - “hydrostatic” interference section is determined by the air thickness percentage along the radio beam way.

Nc = K1*Rc*ρ (2) K1 - 7.760*10-7 K/Phа Rc - 287,054 J/(кg/К) ρ - air density kg/м3

NП “wet” delay – is determined by the water vapor percentage.





-81-

П (К П

П

)Ч П (3)

K3 - 3.776*10-3 K/Pha RП - 461,526 J/(кg*Pha) ρП - water vapor density [ kg/m3] Т - Air temperature,[К]

Calculating refraction exponential:

(

( )

) (4)

Then, we replaced those numbers to the appropriate formula. Moreover, we deigned program on MathCAD 14.0 in order to define the water vapor volume in the air by using GPS data.

For example:

Figure 1. Calculation program on MathCAD 14.0 in order to define the water vapor volume in the air.

Figure 2. Calculation program on MathCAD 14.0 for calculating Statistic processing.

RESULTS

Table1. “wet” delay


-82-

Table2. Refraction

Graphics 1. “wet” delay


-83-

Graphics 2. Refraction


-84-

CONCLUSION

1. When we calculated the delay related wet in the troposphere by using GPS measurement data, it was average of year was Ч [J/Pha*m3] in a year. The maximum was observed during the winter time of November (8,665 [J/Pha*m3]), December (8,867[J/Pha*m3]), January (8,96[J/Pha*m3]) and February (8,79[J/Pha*m3]). The minimum was observed during the summer time of June (7,879 [J/Pha*m3]) , and July (7,75 [J/Pha*m3]). It resulted from the weather of Mongolia as being in stable condition dominates in winter seasons and being in unstable condition dominates in summer seasons.

2. When we calculate refraction exponential by the weather measurement at fundamental point of GPS, the results were different each day. Average of year was 1,0085192, the maximum was observed during the winter time of December (1,0090895), January (1,0091826) and February (1,0090129). The minimum was observed during the summer time of June (1,0081017), July (1,0079728) and August (1,0080242).

3. We prove that it is fully possible for defining humidity volume in troposphere by using 24 hours circulating GPS system, which is considered as technological advance.

4. We can use this usage program for calculating humidity interference of GPS observation, which produced as the result of this research work.

BIBLIOGRAPHY

1. Соловьев Ю.А. Системы спутниковой навигации. М.: Эко-Трендз. 2000. 2. Чукин. В.В.. Дистанционное зондирование водяного пара в атмосфере с помощью

навигационных спутниковых систем, 2008. 3. Харисова.В.Н,Перова.А.И,Болдина.В.А, “Глобальная спутниковая

радионавигационная система ГЛОНАСС” , 1998. 4. American Geophysical Union, Special Report from the Chapman Conference on Water

Vapor in the Climate System. 5. Christopher Reigberg, Gerd Gendt, Galina Dick, Marina Tomassini, “Near-Real-Time Water

Vapor Monitoring for Weather Forecasts”, GPS World Magazine , January 2002, Issue pp. 18-27

6. Michael Bevis, Steven Businger, Thomas Herring, Christian Rocken, Richard Anthes, Randolph Ware, “GPS Meteorology: Remote Sensing of Atmospheric Water Vapor Using the Global Positioning System”, Journal of Geophysical Research, pp. 15,787-15,801.

7. Seth I. Gutman, Kirk L. Holub, “Ground-based GPS Meteorology at the NOAA Forecast Systems Laboratory”, 4th Symposium on Integrated Observing Systems, 1999.


-85-

SPATIAL MULTI-CRITERIA ANALYSIS FOR EIA

B.Gantsetseg,1 D.Narantuya2 1-International Land Systems, Co., Project officer

2- RS Society of Mongolia, and ITC alumni association

Abstract The Environmental Impact Assessment (EIA) is an effective and advanced way of improving environmental management. EIA process supports the principal objectives of the project for minimizing adverse impact on environment and human health. Comprehensive EIA reports are the critical environmental management instrument that serves as an aiding tool to decision makers where required information is provided. In this paper we present results on EIA work carried out within Dutch aid NGIC project. Development of a standard EIA approach for the mining activities in Mongolia with application of earth observation data and Spatial Multi Criteria Analysis (SMCA). High-resolution Quick bird and Ikonos data were proven to perform the best in review and monitoring of environmental aspects. Research employed SMCA to analyze options for a mining project considering i) waste disposal site selection, ii) best available mining technology and iii) suitable habitat for small mammals.

Key words: EIA, SMCA, Quick Bird

INTRODUCTION

The Environmental Impact Assessment (EIA) is viewed as one of the most effective and advanced ways of improving environmental management. It has its start in Mongolia with implementation of the Asian Development Bank (ADB) technical assistance project on improvement of EIA in Mongolia.

The EIA is a complex investigation that helps to determine possible negative effects, and predict adverse impact occurrence in relation to proposed human activities. To address the problem, legal documents on EIA indicates two main steps for environmental work that include a rapid EIA followed by full EIA if required. Compliance of the EIA rules is met by dozens of accredited companies in Mongolia. These companes also use different formats to report which is a complication in the reviewing for final decision making.

Current research aimed at developing comprehensive approach in EIA using GIS/RS techniques to better assist decision makers in visualisation of the results.

STUDY AREA

The Ulziit River valley gold deposit area is located 29 km northwest from Bombogor soum. The current concession is for 372 ha but the affected area is significantly larger because:

- A road is needed to supply the camp; - Noise and dust travels a long way through the valley; - Changes in water resources (quantity in this case) have an effect on the receiving downstream

lake.

Figure 1: Location map for mining company “Odod Gold” and “Khan-Shijir”

Ulziit river, ”Khan-Shijir” and “Odod gold” company

Mongolia

Bayankhongor aimag


-86-

DATA USED

We have used the following type of data: Remote Sensing data: LANDSAT- TM with 7 channels : 4 (R), 7(G) and 2 (B) 28 June 2000 ASTER- with 14 channels: 23 April 2004 SPOT-5m 17 Sept, 2007 false color (4 spectral bands:Green,Red,NIR and SWIR) natural color (3bands:Red,Green,Blue) QUICK BIRD-60 cm: 21 Aug, 2008 Analog data: Toposheet No: L-47-67,68,55,56, with scale: 1 : 100 000 Ancillary data: Field data (ground truth) Softwares:

• ARCGIS 9.2 • ENVI 4.0 • ArcView 3.2 • ERDAS IMAGINE 9.0

METHODLOGY

The general methodology t is shown in the following flowchart:

Figure 3. Methodology flow chart

Figure 2. Quick Bird image for Ulziit river


-87-

Thematic maps: In this study, ARCVIEW, ARCGIS and ERDAS IMAGINE are used as GIS software packages. The Environmental Base Map is produced by using digital data from Landsat-TM, ASTER, SPOT and QUICK BIRD. The vegetation and moisture maps are created by using the tasseled cap technique. A Digital Elevation Model (DEM) of the Bombogor region including height, aspect and slope is created through digitizing the topographical map of the region. The existing soil and geological maps are also digitized and are used in determining land suitability for agricultural, pasture, orchards, urban and tourism land use.

Supervised classification. Image analyst "supervises" the selection of spectral classes that represent patterns or land cover features that the analyst can recognize

Unsupervised classification. Statistical "clustering" algorithms used to select spectral classes inherent to the data, more computer-automated

SWOT is -Strength: attributes of the organization that are helpful to achieving the objective, Weaknesses: attributes of the organization that are harmful to achieving the objective, Opportunities: external conditions that are helpful to achieving the objective, Threats: external conditions those are harmful to achieving the objective.

A thorough SWOT analyses has been conducted with internal and external stakeholders. This process enabled the identification of areas that need special attention and to assess the actual status of EIA in Mongolia regarding socio-economy; companies; HR capacity; EIA methodology; legal issues; political issues; EIA capacity in governmental bodies. The SWOT was used to develop an action plan for structural improvement in the sector. Multi-criteria analysis: Multi-criteria analysis is a procedure in which several criteria are needed to be evaluated to meet a specific objective. The basic starting point of MCA technique is the generation of the discrete set of alternatives, the formulation of the set of criteria, and the evaluation of the impact of each alternative on every criterion. The estimated impacts of alternatives on every criterion, called criterion scores, are organized into an evaluation matrix.

Ranking. assigning each decision element a rank that reflects its perceived degree of importance relative to the decision being made. decision elements can then be ordered according to their rank (first, second etc.)

Rating. similar to ranking, except that the decision elements are assigned „scores‟ between 0 and 100. Application of GIS in EIA: Impact mitigation and control, public consultation and participation,

monitoring and auditing. Advantages of GIS in EIA: ability of GIS to perform spatial analysis and modeling; clearer

presentation of results (communication); power of GIS to store, manage & organize spatial data; integrate and manipulate spatial information; ease of changing and updating information/data

DSS - decision support system is an interactive computer system, it collects and presents data from a wide range of sources in a simple overview and helps managers to retrieve, also summarize and analyze relevant data

EMP- environmental monitoring program should be involve repetitive sampling over number of years, based on testable hypotheses, be able to detect temporal trends and/or spatial difference, try to establish empirical links between human activities and their effect on environment.

SMCA: The SMCA is like an MCA but visualizing the effects of each alternative versus the relevant criteria in its environment on a GIS map rather than developing matrixes.

OUTPUTS

Impact of waste disposal site

With the use of the SMCA we determined the best suitable area for the waste disposal site. For this purpose we generated the DEM, aspect and slope map, vegetation, soil type and environmental base map for “Odod gold” company. These maps are helping to define suitable waste disposal site selection.

To analyse the waste disposal site selection we used the spatial multi criteria analysis tool in ARCGIS in combination with ILWIS software.

The importance of this case study is to show the added value of using this visualization method to generate colored maps for the exploration of natural resources in Mongolia, because it provides Decision Makers with a simple, though comprehensive overview of the analyses and the expected effect of certain decisions.


-88-

Drainage-buffer with 20м

Camp-buffer 1000m

River-buffer with 20 m

Three effects for waste disposal location

The main factors for waste disposal site selection for concession area of “Odod Gold” company

are:

1. Drainage 2. Soil Composition 3. Slope Map 4. Soil clay composition 5. Slope map 6. License concession area

Figure 4. The main factors for waste disposal site selection

These 6 different criteria were given different weights. For each different location the criteria

received a score – when totaling these (Sum of weight times score) we have determined the most suitable site for waste disposal. Yellow and orange color is giving low suitable place and pink is shown high suitable area for waste disposal for “Odod Gold”Compnay.

Figure 5. Suitable area map for waste disposal

Fauna Considering the fact the small mammals habitat is mainly influenced by:

Soil clay composition map

Slope

map

Licence- concession

area


-89-

- shade/sunshine or aspect; - slope; - vegetation; - Digital Elevation Model - noise.

These mammals live on the mountain slopes. It was observed mammals do not live on the slopes next to the active mining sites. Though as the only influence the mining activities have on the mammals‟

habitat is noise it is expected these mammals will return once the mining activities end.

The return of mammals was observed on slopes near abandoned mining sites.

CONCLUSION

When undertaking the FULL EIA in the framework of the project, GIS/RS was the preferred method

for visualizing the baseline environmental study and potential impacts of the proposed project. The graphical illustration of the project area as it is, the project in size and impact as it is proposed

and the possible environmental impacts of the proposed project using the SMCA allows for the Decision Makers and for the public to comprehend and understand the analyses. It increases the efficiency and effectiveness of the actual decision making process.

In addition to the SMCA, some other innovative techniques have been used: the development of the sketch-maps of each component (rivers, forests, cliffs, mountain slopes, hills, mining village location, fresh and waste water reservoirs, external and internal piling sites, mining site road networks etc.) were first developed in GIS. The digitized hard copy maps and satellite images where used to verify the exact location of the components. In a relatively simple manner new GIS files of the entire affected area and the project itself were created, which simplifies any additional future work.

With respect to this the soil and vegetation map was made based on the field survey and confirmed with high-resolution satellite image and shown with illustrative form using controlled classification method per each case.

Both these methods, the development of all maps in GIS and the use of SMCA is strongly advised to become the standard for EIA work in Mongolia. This in combination with the developed framework for standardized reporting will increase the effectiveness of EIA work in general and allow for easy monitoring in the future in order to further improve the EIA processes and analyses,

Suitable habitat map for small mammals (Meriones unguiculatus /

Mongolian Gerbil, Ochtona Daurica /Daurian Pika)

Vegetation map Slope map Aspect map Digital Elevation map

Main criteria

Weighting- score

Vegetation map DEM Slope map Aspect


-90-

REFERENCES

1. Full EIA report, MNET, 2004 2. Action mining report, Khan Shijir company, 2006,2007,2008 3. Rehabilitation plan and progress report for rehabilitation, Khan Shijir company 2007,2008 4. R.K Jain, L.V Urban “Environmental assessment”, 1993 5. J.M Looijen ITC, ESM2, Workshop Environmental Impact Assessment, Lecture notes EIA,

April, 1999 6. J.M Looijen ITC, ESM2, Workshop Environmental Impact Assessment, Case study EIA, April,

1998 7. J.M Looijen ITC, ESM2, Workshop Environmental Impact Assessment, Lecture notes EIA,

April, 1997 8. ESCAP, EIA, Guidelines for mining development, Bangkok, Thailand 9. Guillermo A.Mendoza and Phil Macoun “Guidelines for applying MCA to the assessment of

criteria and indicators” 10. Orlando Venn, Material from Helen Byron (RSPB), Lectures on Environmental Impact

Assessment: Procedures and Methods – Continued Baseline Studies and etc.,May, 2006 11. Davide Geneletti “Ecological evaluation for environmental impact assessment”, ITC, 2002 12. Bindu N. Lohani, J. Warren Evans, Robert R. Everitt, Harvey Ludwig,Richard A. Carpenter

Shih-Liang Tu “Environmental Impact Assessment for Developing Countries in Asia, Volume 1 – Overview, 1997 Asian Development Bank.


-91-

МОНГОЛЫН ЗУРАГЗҮЙН ШИНЖЛЭХ УХААНЫ ТҮҮХЭН ҮЕЧЛЭЛ ТҮҮНД АТЛАСЫН ЭЗЛЭХ БАЙР СУУРЬ

Role of atlas in the cartography science, Mongolia

Док, порф. Л.Мөнхнасан (Ms)1, Р.Алтанзул(Ms)2

1 Геоэкологийн хүрээлэн, 2 МААЭШХ [email protected] Утас: 99065646

[email protected], Утас: 99808880

Энэхүү өгүүлэлийг МУИС-ийн ГГФ-ийн багш доктор, профессор Д.Эрдэнэцэцэг багшийнхаа гэгээн дурсгалд зориулав. Эрдэнэцэцэг багш маань Монголын зурагзүйн хөгжлийн судалгаанд үнэтэй хувь нэмэр

оруулсан эрдэмтэн судлаач төдийгүй олон нийтэд хүртээл болгож амжаагүй зарим нэг бүтээлийг нь эмхэтгэн ийнхүү өгүүлэл болгон та бүгдэд толилуулж байна.

Abstract. I divided Mongolian cartography development to 2 period. First one is before the independence at 1921. Second one is from after the independence to now at 1921-2010. So I divided to three development step of second period. First step is from 1921 to 1945. Second step is from 1945 to 1960, middle of the second step is 1960-1970, end of the second step is 1970-1990, third step is from 1990 to 2010. Түлхүүр үг. Геодүрслэл, зурагзүй, атлас, газрын зураг

ОРШИЛ.

Тухайн улс оронд зохиогдож буй газрын зураг, атлас болон бусад геодүрслэлүүд нь тэр улсын тухайн үеийн хөгжлийн түвшинг илэрхийлж өгдөг. Зурагзүйн геодүрслэл, бүтээлүүд нь шинжлэх

ухаан техникийн дэвшил, хөгжилтэй зайлшгүй уялдаатай хөгждөг. Тэр ч утгаараа техник

технологи боловсронгуй болж тоон-мэдээлэл, програмчлалын системд тулгуурласан зурагзүйн бүтээлүүд зохиогдон гарч цаашид улам боловсронгуй болж байна. Газрын зураг, атласуудын бүртгэл нь зурагзүйн хөгжлийн үечлэлийг тогтооход чухал үүрэгтэй байдаг.

СУДАЛГААНЫ ҮР ДҮН

Монголын зурагзүйн хөгжлийн үечлэлийг тодруулбал: Хөгжлийн 1-р үе: 1921 оны ардын хувьсгалаас өмнөх үе хамрагдах бөгөөд энэ үе нь Монголын уламжлалт аргаар зохиогдсон газрын зураг схем давамгайлсан, ихэвчлэн эзэмшил нутаг

дэвсгэрийнхээ хил хязгаарыг тусган зураглаж байсан үе. Монголын газрын зургийн уламжлалд газрын хол ойрыг үзүүлэн тор зурж хураангуй

хэмжээтэй зурагладаг байсан бөгөөд тэр нь олон хэмжээ нэгжтэй байжээ. Тэр үеийн аймаг хошууны зургийг зохиох зургийн өгүүлэл буюу зургийн дүрэм гэдгийн дагуу үйлддэг байсан байна. Монголчууд газрын зургийг голдуу цардсан цагаан даавуу болон муутуу цаасан дээр

зураглахын зэрэгцээ таних тэмдэгийг мөн л Монгол зургийн уламжлалын дагуу үйлддэг байсан. Энэ үеийн зургуудтай Үндэсний төв архиваас танилцаж болно. Тэр үед хийгдэж байсан газрын зураг нь нарийн хэмжээгүй, нилээд бүдүүвч төдий, ихэнхдээ хошууны нутаг, засаг захиргааны эзэмшил харьяалалыг тодорхойлох зорилгын үүднээс хийгдэж байсан онцлогтой. Хувьсгалын өмнө газрын зураг зохиох багаж, аргазүй боловсронгуй биш, метрийн систем нь алдаатай байсан хэдий боловч зураглалын ажил тухайн үеийнхээ шаардлагыг хангаж байсан гэж үзэж болно. Энэ үед хамаарагдах газрын зураг схемийг тоймлон авч үзье.

Үүнд: 1250-1300 оны үеийн Онон, Хэрлэн голын сав газрыг дүрсэлсэн зураг 1179 оны Киданы газрын зураг Хүннү улсын газрын зураг Хадны сүг зураг /жишээ: Гачууртын амнаас олдсон/ 1737 оны Улиастай орчмын газрын зураг XIX зууны 80-90 ээд оны үеийн Их хүрээний дэвсгэр зураг

Д.Эрдэнэцэцэг




-92-

1740-өөд оны үеийн Түшээт хан, Сайн Ноѐн хан, Засагт хан, Дэлгэр их уулын аймгийн зарим хошуудын нутгийн зураг

Манжийн захиргааны үед Монгол нутагт байсан өртөө харуулын байршлын бүдүүвч зураг

Хөгжлийн 2-р үе нь 1921 оны хувьсгалаас хойш одоог хүртэл хугацаа хамрагдах бөгөөд энэ

үеийг дотор нь хөгжлийн 3 шат болгон хувааж хөгжлийн 2 дахь шатыг мөн л дотор нь хуваан үзлээ.

Хөгжлийн 2-р үеийн 1-р шат: 1921-1945 он хүртэлх хугацаа хамрагдах бөгөөд энэ үе нь Монголд анхны Шинжлэх ухааны Академи байгуулагдаж, анхны дунд сургуулиуд бий болж ард түмний дунд эрдэм мэдлэгийг түгээх, эх орноо судлах ажил дөнгөж эхлэж байсан онцлогтой. Улс ардын аж ахуй болон боловсролын хэрэгцээнд зориулан анхны шинжлэх ухааны үндэслэлтэй

зурагзүйн аргаар зохиогдсон газрын зураг, атлас гарч эхлэв. Дунд болон жижиг масштабын байрзүйн зураглалын ажлуудыг хийж эхэлсэн ба газарзүйн болон эдийн засгийн нилээд материал

хуримтлагдсан нь зурагзүйн бүтээлүүд зохиогдон гарах таатай нөхцөл бүрэлдсэн гэж үзэж болно. Энэ үед хамаарагдах зурагзүйн бүтээлүүдээс дурьдвал:

1926 оны Монголын засаг захиргаа, газар дүрсийн зураг (1:2000000-ын масштабтай) 1921 онд зохиогдсон Сайн Ноѐн хан аймгийн Эрдэнэ Зая Бандит Хутагтын шавийн

нутгийн зураг (1:2000000-ын масштабтай) 1921 оны үед зохиогдсон Түшээт хан аймгийн зураг (1:5000 000-ын масштабтай) 1930-1936 онд хэд хэдэн төрлийн масштабтай байрзүйн зураг 1931 онд Монголын засаг захиргаа, эдийн засгийн зураг (1:2 000000-ын масштабтай) 1937 оны Монгол орны засаг захиргаа, физик газарзүйн зураг (1:2000000, 1:4000000) 1937 оны Дэлхийн тал бөмбөрцөгийн ханын зураг 1940 өөд оны үеийн Монгол орны ургамалшилт, хөрс, газар дүрсийн зураг (1:2000000,

Э.М.Мурзаев, Н.Д.Беспалов, А.А.Юнатов) Хөгжлийн 2-р үеийн 2-р шат: 1945-1990 он хүртэлх хугацаа хамрагдах бөгөөд хөгжлийн энэ шатыг гурван үе болгон хуваан авч үзлээ. Үүнд: Хөгжлийн 2-р шатны эхний үе-1945-1960 он хүртэлх хугацааг хамруулан авч үзлээ. Энэ үеийн гол онцлог гэвэл Монгол орны нутаг дэвсгэрийг бүхэлд нь бүрхсэн байрзүйн зураглал явуулах

ажил эрчимтэй өрнөсөн явдал байлаа. Мөн энэ хугацаанд аймаг, сумдын хил тогтоогдсон ба газрын талбайн хэмжээг ашиглах байдлаар нь ангилан тогтоон тооцоолсон юм. Байрзүйн зурагт газарзүйн нэрсийг байрлуулах ажил хийгдсэн байна. 1955 оноос мэргэжлийн боловсон хүчинг

гадаадад бэлтгэж эхэлсэн бас нэг онцлогтой. Тухайн үед хамаарагдах дараах зурагзүйн бүтээл болон ажлуудыг дурьдаж болно:

1948-1952 онд сумдын хилийг нарийвчлан тэмдэглэх ажлыг орон нутагт явуулж

талбайн хэмжээг бодож гаргасан 1955 онд Эрдэнэ зуу хийдийн зураг 1958-1959 оны үед аймаг, сумдын хил тогтоогдсон 1959 онд БНМАУ-ын газар дүрсийн зураг (Масштаб 1:1500 000, Д.Бадамжав) 1959 онд хийгдсэн БНМАУ-ын бэлчээр усжуулалтын бүдүүвч зургууд (63-н нэр

төрлийн) Хөгжлийн 2-р шатны дунд үе-1960-1970 он хүртэлх хугацаа хамрагдана. Тухайн үеийн онцлог гэвэл мэргэжлийн шинжлэх ухааны байгууллагууд бий болж, тухайлбал ШУА-ийн Газарзүй

цэвдэг судлалын хүрээлэнд зурагзүйн сектор байгуулагдсан ба 1963 оноос мэргэжлийн үндэсний боловсон хүчинг бэлдэж эхэлсэн явдал байлаа.

Зурагзүйн дараах бүтээлүүд энэ үед зохиогдон гарчээ . Үүнд :

13-н аймгийн засаг захиргааны хуваарийн зураг (Масштаб 1:2000000) Эдийн засаг, амьтны газарзүй, газар дүрсийн зургууд (Масштаб 1:2000000)

Сургалтанд зориулсан 10 гаруй ханын зураг


-93-

Хөгжлийн 2-р шатны сүүлчийн үе-1970-1990 он хүртэлх хугацааг хамруулав. Энэ үеийг

Монголын зурагзүйн шинжлэх ухааны хөгжлийн оргил үе гэж болно. Мэргэжлийн тусгай байгууллагууд бий болж (Улсын геодези зурагзүйн газар 1970 онд байгуулагдсан, 1980, 1982 оноос эхлэн ПДС, МУИС-д Геодези, зурагзүйн дээд мэргэжлийн боловсон хүчин бэлдэж эхэлсэн) зурагзүйн мэргэжилтэн хангалттай бэлтгэгдэж эх орны зурагзүйн үйлдвэр бүтээгдэхүүнээ хэвлэн гаргадаг болсон явдал байлаа. Тухайн үед гарсан зурагзүйн бүтээлүүдийг тоймлон авч үзвэл:

1972 онд БНМАУ-ын уур амьсгал, газар дүрсийн зургууд 1973 онд БНМАУ (Масштаб 1:1000000) 1974 онд БНМАУ-ын эрдэс түүхий эдийн ордуудын ерөнхий зураг 1975 онд Улаанбаатар хотын зураг, Халх голын байлдааны 1939 он, БНМАУ-ын ХАА-

ын зураг (масштаб 1:2500000) 1976 онд БНМАУ-ын барилгын материалын ордын зураг (масштаб 1:2500000) 1977 онд БНМАУ-ын уур амьсгал, рашааны зураг (машстаб 1:2500000) 1978 оны БНМАУ-ын засаг захиргаа, хүн ам, аж үйлдвэрийн зураг (масштаб

1:2500000), Ханын сургалтын байрзүйн зураг (масштаб 1:50000) 1979 оны Халх голын дурсгалт газар, Улаанбаатар хотын схем 1981 онд Монгол нутагт үүссэн төр улсууд, БНМАУ-ын физик газарзүйн зураг

(масштаб 1:2500000) Бага Хэнтийн зураг 1983 онд Монгол нутагт байсан феодолын түрүү үеийн улсууд (Жужан, Кидан, Түрэг,

Уйгар), БНМАУ-ын хөрсний зураг (1:2500000), 1925 оны засаг захиргааны хуваарийн

зураг (масштаб 1:2500000) 1987 онд Автомашины шатахуун зарцуулалтын бүсчлэл (масштаб 1:3000000) 1988 онд Өмнөд Америкийн физик газарзүйн зураг, Өмнөд Америкийн уур амьсгалын

зураг, БНМАУ-ын амьтны газарзүйн зураг (масштаб 1:1500000), Улаанбаатар хотын

схем (герман хэл дээр), Загасны тархалт (масштаб 1:2500000) Зурагзүйн хөгжлийн 3-р үе: 1990 оноос одоог хүртэлх хугацаа хамрагдана. Энэ үед зах

зээлийн эдийн засгийн шилжилтийн үетэй холбоотой. Зурагзүйн үйлдвэрлэл нь зогсонги байдалд

орж, зурагзүйн бүтээгдэхүүний гарц цөөрсөн. Өнөөгийн Зурагзүйн шинжлэх ухаан нь хөгжлийнхөө цоо шинэ үед орж байна. Орчин үеийн техник, технологитой холбоотой зурагзүйн бүтээлүүдийн шинэ геодүрслэлүүд гарч ирж байгаагаараа энэ үеийн онцлог тодорхойлогдоно. (Тоон зураг, голограф зураг, виртуаль зураг гэх мэт)

1980-аад оны дунд үеээс манай оронд ГМС-ийг өргөн хэрэглэж байна. Байгалийн нөөц,

байгаль орчны менежмент, геологи хайгуул, цаг уур, газар ашиглалт, хот төлөвлөлт, бэлчээрийн

ургамал, тэжээлийн нөөцийн менежмент, гал түймэр болон байгалийн гамшгийн мониторинг зэрэг салбаруудад зайнаас тандах болон ГМС-ийг түлхүү ашиглаж байна. Жишээлбэл: 1991-1993 онд цаг агаарын урьдчилсан мэдээ боловсруулах төслийн хүрээнд Америкийн NOAA-AVHRR хиймэл дагуулыг хүлээн авах станцыг суурьлуулснаар өдөрт гурваас дөрвөн удаа мэдээ хүлээн авч янз бүрийн зориулалтаар ашиглаж байна. NOAA хиймэл дагуулын мэдээнд нэг км-ийг ялгах чадвартай. Мөн энэхүү дагуулын мэдээг цаг уурын урьдчилсан мэдээ боловсруулалт, газрын бүрхэвчийн зураглал, бэлчээрийн ургамлын тэжээлийн нөөц, цасан бүрхэвч, ган гачиг, цөлжилт, зуд, ой хээрийн түймэр, хөрсний чийгшлийн мониторингод тогтмол хэрэглэж байна. Мөн

геологийн төв лаборатори нь Францийн SPOT хиймэл дагуулын арван метрийг ялгах чадвартай

мэдээг геологийн эрэл хайгуул, уул уурхайн чиглэлээр ашиглаж байна. ШУ-ны академийн информатикийн төв LANDSAT TM дагуулын мэдээний тусламжтайгаар Увс нуурын хотгорын

ургамлын бүрхэвчийн судалгааг хийжээ. Монгол улсыг бүтэн бүрхсэн газрын зураглал нь 1:100000 болон түүнээс жижиг масштабтай зохиогдсон байдаг тул зарим нэг нарийвчилсан судалгаа хийхэд ГМС-д газарзүйн суурь зураг болгон ашиглахад тохиромжгүй байдаг. Манай оронд UNIX болон DOS, MS-DOS-д суурилсан Arc/INFO, ArcView, ERDAS Imagine, MAPINFO, IDRISI, ER MAPPER, AUTOCAD гэх мэт программ хангамжуудыг түгээмэл хэрэглэж байна.


-94-

Монголын зурагзүйн шинжлэх ухаанд атласын эзлэх байр суурь

А

тл

ас

1-р

үе

-

2 -р үе Геодүрсл

эл тоо ширхэг ,

%

1-р шат

1921-1945 он

2-р шат 3-р шат 1990

оноос одоог

хүртэл Эхэн

үе

1945-1960

Дунд үе

1960-1970

Сүүл үе

1970-

1990

61 ш

100%

3ш-4,9% - 2ш-3,2%

33ш-54 %

23ш -37%

ДҮГНЭЛТ

Тус өгүүллэгт Монгол улсын зурагзүйн түүхэн үечлэлийг дэлгэрэнгүйгээр оруулж өгсөн бөгөөд түүнд атласын эзлэх байр суурийг үечлэл тус бүрээр гаргалаа. Ингэхдээ атласын түүхийг судлан үзэхийн зэрэгцээ Монгол улсын атласуудын бүртгэл болон агуулгыг тодорхойлсон.

Үүн дээрээ дүгнэлт хийхэд одоогоор Монгол оронд 60 гаруй нэр төрлийн атлас зохиогдон гарсны дээр анхных нь 1934 онд хэвлэгдэн гарчээ. Дэлхийн атласын түүхээс үзвэл бүс нутгийн

анхны атлас 1837 онд хэвлэгдэн гарсан ба түүнээс хойш боловсронгуй болон хөгжсөөр одоо

интернетийн зураглал электрон атлас гэх мэт том дэвшилтэд ухагдахуунд хүрээд байна.

АШИГЛАСАН НОМ ЗОХИОЛ

1. Базаргүр Д. БНМАУ-н картографийн шинжлэх ухаан хөгжсөн нь. МОГЗА № 17. 1977.

179-182 х 2. Базаргүр Д. Ширнэн Г. БНМАУ-н улс ардын аж ахуйн нутаг дэвсгэрийн төлөвлөлтийг

зураглалаар хангах асуудал. МОГЗА. №13 1973 3. Бүжинлхам Л. БНМАУ-д сургалтын картографи хөгжсөн тойм. МОГЗА. №17 1977.

213-217х 4. Доржжанцан Б. Монгол оронд хийгдсэн геодези-картографийн судалгааны түүхээс.

МОГЗА. №11. УБ. ШУАХ . 1972. Х.-84-88 5. Эрдэнэцэцэг Д. Карты и ГИС для высшей школы Монголии Интеркарто-5 Материалы

международной конференции. Картография и геоинформатика: вопросы теории. Методов и образования. Якутск. 1999

6. Эрдэнэцэцэг Д., Эдийн засгийн зураг зүй. Сурах бичиг, УБ 2000 7. Эрдэнэцэцэг Д., “Зурагзүйн хангамж ба их дээд сургуульд зориулагдсан сери

зургуудын зохиолтын асуудалд” Газарзүйн ухааны докторын \PhD\ зэрэг горилж бичсэн диссертаци. УБ 2000.

8. Эрдэнэцэцэг Д., Мөнхнасан.Л. “Атлосное картографирование в Монголий” Материалы VII научный конференци по тематической картографии. Иркутск,20-22 Ноября 2002 г.

9. Эрдэнэцэцэг Д., “Интернетийн зураглал” Газарзүйн асуудлууд №2 ISBN99920-76-01-2 Улаанбаатар 2002.

10. Эрдэнэцэцэг Д., Мөнхнасан Л., “Монгол улсын атласын бүртгэл, агуулга” оюутан

сурагчдын гарын авлага


-95-

ЗАЙНААС ТАНДАН СУДЛАЛЫН АРГААР УРГАМЛЫН БИОМАСС ТОДОРХОЙЛОХ НЬ

For remote sensing of method define vegetation biomass

Л.Мөнхнасан (Ms)1, М.Гүнбилэг2

1 Геоэкологийн хүрээлэн [email protected] Утас: 99065646 2 Говь-Алтай аймгийн УЦУОШГ [email protected]

Abstract. In the study used M.Erdenetuya‟s formula. The formula is define vegetation biomass. It formula used by I do Bulgan aimag‟s Dashinchelen soum of vegetation biomass map. LANDSAT reflectance data at 2000, 2004, 2008, 2009 was selected to make a vegetation biomass map by Normalized Difference Vegetation Index and Erdenetuya‟s formula. Түлхүүр үг. Биомасс, ургамал, газрын доройтол,

ОРШИЛ.

Зайнаас тандан судлалын аргууд нь голдуу ногоон ургамлын ойц гэрлийн үзэгдэх хэсгээс

ойрын нил улаан туяаны бүс рүү эрс өсдөг зүй тогтол дээр үндэслэгдэн олон төрлийн ургамлын

индексүүдийг өргөнөөр ашигладаг. Дэлхийн зарим оронд хиймэл дагуулын мэдээгээр

тодорхойлсон ургамлын индексийн үзүүлэлтийг ашиглан ургамлын төлөв байдлыг үнэлэх

аргуудыг болвсруулж практикт нэвтрүүлэн байнгын шуурхай үнэлгээ мониторинг хийхэд ашиглаж байгаа төдийгүй өнөөдрийн байдлаар тус чиглэлээр хийгдсэн ажлуудыг авч үзэхэд

хиймэл дагуулын мэдээгээр ургамлын биомасс, үе шатууд, бүрхэвч, навчны хэмжээ, төрөл зүйл зэрэг үзүүлэлтүүдийг тодорхойлох чиглэлээр хийгдсэн ажлууд нилээд байдаг. Ургамлын нормичилсон индекс нь ургамлын төлөв байдлыг сайн илэрхийлдэг ургамлын биомасс, бүрхэвч зэрэг үзүүлэлтүүдтэй сайн хамааралтай болохыг олон судлаачид илрүүлж өнөөдөр дэлхий нийтээр өргөн хэрэглэж байна. Манай орны нөхцөлд ч сайн хамааралтай болох нь тогтоогдсон. (Р.Оюун, М.Энхбаяр 1994, Ц.Пүрэвдорж 1998, Д.Аззаяа 2000, Д.Болорцэцэг 2003, Г.Жавзандулам

2004, М.Эрдэнэтуяа 2004). Тус өгүүлэлд доктор М.Эрдэнэтуяагийн судалгааны ажлынхаа үр дүнд гаргасан ургамлын биомасс тодорхойлох томъѐог ашиглаж Булган аймгийн Дашинчилэн сумын

2000, 2004, 2008, 2009 онуудын LANDSAT хиймэл дагуулын мэдээг ашиглаж ургамлын биомассын зураглал хийсэн судалгаанаас товч танилцуулж байна.

СУДАЛГААНЫ АРГА ЗҮЙ

1. Ургамлын нормчилсон ялгаврын индекс-Normalized Difference Vegetation Index-ийг

дараахи томъеогоор бодно. NDVI= Ch2+ch1 Ch2+ch1

2. Ургамлын биомассыг М.Эрдэнэтуяагийн аргачлалаар бодсон.

int= NDVI +128 У=0.090*X-11.576 0.008

СУДАЛГААНЫ ҮР ДҮН

Булган аймгийн Дашинчилэн сумын 2000, 2004, 2008, 2009 онуудын LANDSAT хиймэл дагуулын мэдээг ашиглан NDVI-ын утгыг бодуулж, NDVI-ын зургийг ашиглан Доктор М.Эрдэнэтуяагийн гаргасан томъеог ашиглан ургамлын биомассын зургийг гаргасан бөгөөд он

тус бүрээр харицуулсан NDVI-ын утга, утга тус бүрийн эзлэх талбайн хэмжээг доорхи

диаграммаас харна уу.



-96-

Тухайн он тус бүрийн хур тунадас, температурын харьцааг харьцуулж үзэхэд 2004 онд маш их

гантай жил байсан бөгөөд 2000, 2008 онуудад зуншлага сайн байсан байна. Харин биомассын зурагтай харьцуулахад ган багатай жил ургамлын биомассын хэмжээ их, гантай жил ургамлын

биомассын хэмжээ бага байгаа нь харагдаж байгаа боловч ерөнхийдөө сүүлийн жилүүдэд ургамлын биомассын хэмжээ буурч байгаа нь харагдсан.

020000400006000080000

100000120000140000160000180000200000

2000 2004 2008 20090,1-2,1 432 24285 311 59

2,1-4,1 33132 190937 47736 70935

4,1-6,1 169771 14656 147798 140936

6,1-8,1 25586 2019 35689 19108

8,1-10,1 2976 0 363 859

Биомассын утга тус бүрийнэзлэх талбай (га)


-97-

ДҮГНЭЛТ

Тухайн судалгааны ажлаар ургамлы биомассыг сансрын мэдээ ашиглаж тодорхойлохыг

оролдсон бөгөөд хуурайшил багатай жил зуншлага сайн харин хуурайшил ихтэй жил зуншлага тааруу байдаг ерөнхий зүй тогтолтой таарч байна. Гэхдээ энэ судалгааг тухайн судалгааны обьект дээр очиж, газрын хэмжилтийг хийж судалгааг бататгах нь зүйн хэрэг бөгөөд ингэснээрээ тухайн судалгааг улам нарийвчлалтай, үнэн бодитой болгож болгож өгнө.Цаашилбал тухайн судалгааг бүр нарийвчлалтай хийж ургамлын зургийг хийх боломтой юм.


1. Баясгалан Т., 2005, “Монгол дахь ган зуншлагын мониторинг” Газарзүйн ухаанаар докторын зэрэг горилсон диссертацын хураангуй

2. Нацагдорж Л., 2006, “Монгол орны уур амьсгалын хуурайшил ба цөлжилт”, Монгол орны геоэкологийн асуудал, №7

3. Эрдэнэтуяа М., 2003, “Бэлчээрийн ургамлыг үнэлэх, зайнаас тандах аргазүй, технолоши” Газарзүйн ухаанаар докторын зэрэг горилсон диссертаци


-98-

MAPPING FOREST FUNCTIONS USING GIS IN SELENGE, MONGOLIA

Ochirsukh Badarch 1, Woo-Kyun Lee* Department of Environmental Science and Ecological Engineering, Korea University

*[email protected]; [email protected] **Corresponding Author: [email protected]

Abstract Mongolian‟s forests are of vital importance, both for citizens and businesses that rely on timber and other forest products, and for the protection of Mongolia‟s fragile environment. Most forests are located in the northern part of Mongolia. Forest landscapes maintain a high quality water supply, stable soils, and diverse habitats for wildlife. If managed effectively, they can also provide a secure supply of forest products to meet the requirement of Mongolia‟s growing population. Promoting the recovery of forest management has been identified as a key priority by the Government of Mongolia. Forest function is essential for sustainable forest management. This study presents the process for classifying forest functions with the use of criteria stipulated in the forest laws in 1995 and 2007. Geographic Information System (GIS) was used to classify and produce forest function maps. Forest functions were classified into 3 classes as strictly protected forest, protected forest, and production forest, according the forest law of 1995. The new forest law in 2007 zoned forests into just 2 forest functions; as protected forest and production forest. The area of the final two forest functions increased by the same ratio (21%) due to the change in law criteria. These functions will be linked with forest management planning, which will improve the forestry of Selenge province in Mongolia.

Key words: Forest function, forest management, GIS, Mongolia, forest law.

1. INTRODUCTION

Mongolia is the seventh largest country and one of the biggest land-locked nations in Asia. The country‟s forest resource is not very rich in extent or quality, covering an area of 17.5 million ha on the southernmost fringe of the Great Siberian forest and some mountain ranges in the western and northwestern part of the Mongolian territory. Closed forests occupy only 8.1 % of the land area of Mongolia. The location and quality of forest varies greatly throughout the country. Population increases have led to an ever-increasing demand for forest products, with logging, forest fires and pests progressively depleting the forest cover (Tsogtbaatar 2005). Mongolia‟s forests are of vital importance for both citizens and businesses that rely on timber and other forest products, and also for the protection of Mongolia‟s fragile environment. Forested landscapes maintain high-quality waters, stable soils, and diverse habitats for wildlife. If managed effectively, it can also provide a secure supply of forest products to meet the requirement of Mongolia‟s growing population. Promoting the recovery of forest management has been identified as a key priority by the Government of Mongolia (World Bank 2006).

Forestry has been an important industry for Mongolia and has great potential today as a source of sustainable livelihoods for those in forested provinces. Forested watersheds safeguard the quality and quantity of water. Timber and fuel wood also are essential products for Mongolians, who rely on forest resources for cooking and construction, particularly in rural areas (World Bank 2006).

In northern forests, the boreal forest and steppe forest zones contain a coniferous component composed of Siberian larch (Larix siberica), Scotch pine (Pinus sylvestris), and Siberian pine or cedar (Pinus siberica), and a smaller broad-leafed component composed primarily of Birch (Betula platyphylla), Aspen (Populus ttermula) and Poplar (Populus diversifolia). Over 90% of northern forests are encompassed within seven provinces: Khuvsgul (29%), Selenge (16%) Study area, Bulgan (14%), Kentii (11%), Tuv (10%), Arkhangai (8.5%), and Zavkhan (5%) (National Statistic Office and MNE 2000).

Statistics on deforestation and forest depletion are confusing and often conflicting, however, it has been estimated (World Bank 2002) that Mongolia lost about 1.6 million ha of forest from the 1950s to the 1980s, and a further 660,000 ha from 1990 to 2000. The major causes of forest loss have been unsustainable forest harvesting (both permitted and illegal) for timber and fuel wood, wildfires, mining, insect and disease infestations, uncontrolled grazing and long-term climatic fluctuations (PREGA 2004).

The law on fees for harvest and fuel wood, enacted since 1995, incorporates fee schedules to raise revenues from resources use. Forestry companies are supposed to pay both license fees and stumpage

mailto:*[email protected]



-99-

fees in order to undertake forestry activities. Although difficult to estimate, collecting fees for all of the wood sold at timber markets could raise an additional 6.5 billion Tg ($ 5.4 million) annually. That is ten times the state revenue currently raised from forest-use fees, which was only 630 million Tg in 2003 (MNE website in Wingard and Zahler 2006).

According to the law, reinvestment of resource Use Fees for Conservation (2000) dictates that 85 percent of timber and fuel wood fees should be channeled into environmental management, although this rule is not always followed.

Management of forest resources in Mongolia suffers from several weaknesses such as unregulated use, overuse, and inadequate protection (Tsogtbaatar 2002).

2. MATERIALS AND METHODS

2.1. Study area

The study area, Selenge province, is located in the Sub-tundra zone, forest steppe zone and steppe zone (about 380 km north of the capital city, Ulaanbaatar) (Figure.1). It is located in the transitional area where the mountainous zone around Lake Baikal changes to the Mongolian highlands and is part of the northern mountain range (Narangerel et al., 2006). Most areas are between 800m and 2,000m elevation and the highest point is Mt. Songol (EL 2,226m) in the southeastern part, while the lowest elevation is around 600m along the northern border. Selenge province is approximately 4, 28 million ha in area. The climate surrounding Selenge province consists of a mean annual temperature of about 7.0°C while the mean monthly temperature ranges from -22 °C to 19.0°C. A maximum temperature of 36.4°C has been recorded in June, and a minimum temperature of -40.1°C has been recorded in January. The average annual rainfall is 276mm and is concentrated between May and September. The overall picture of the Study Area is annual rainfall of less than 300mm in the southern part at low altitudes and around 400mm in the northern mountainous part. Forest covers about 36% of the area.

Figure.1 Location of the study area. (a) The distribution of natural zones in Mongolia; Selenge province covers the Taiga zone, forest steppe zone and steppe zone in the northern part of Mongolia and (b) the study area: the forest

types are classified into 7 types.

2.2 Vector and digital elevation data

In order to construct a digital elevation model, we used GDEM data with a resolution of approximately 30 m (http://asterweb.jpl.nasa.gov/gdem.asp). Then we overlaid vector digital data produced by the Mongolian Academy of Science (1981) including forest type, railway, natural zone, protected area, rivers, roads, lakes, boundary, and settlement maps. All data is presented in Table 1.

Table 1 Data used for forest function mapping

http://asterweb.jpl.nasa.gov/gdem.asp


-100-

Forest law 1995 Forest law 2007

No

Thematic map

Strictly

Protected

forest zone

Protected forest

zone

Production

forest zone

Protected

forest zone

Production

forest zone

1 Slope O O O O

2 Forest type O O O O O

3 Natural zone O O

4 Protected Area O O

5 Settlement O O

6 Lake O O

7 River O O

8 Road O O

9 Railway O O

10 Boundary O O O O O

2.3 Forest law

In this study, two forest laws were employed for mapping forest functions. The first law, issued in1995, was revised and the last forest law was issued in 2007 by The STATE GREAT HURAL, MONGOLIA. Table 2.

Table 2 Criteria for forest function under the Mongolian forest laws of 1995 and 2007.

1995 2007

STRICTLY

PROTECTED

Sub Alpine forest ( combined protected forest)

Protected Area (combined protected forest)

PROTECTED

Sub Alpine forest

Protected Area

Slope ≥30 ° Slope ≥30 °

Forest cover up to ≤ 100 hectare Forest cover up to ≤ 100 hectare

Forest 30 km boundary radius of settlement area Forest 30 km boundary radius of settlement area

Forest 5 km around lakes radius Forest 1 km around lakes radius

Forest 3 km around river and spring both sides Forest 1 km around /River and spring both sides/

Forest 1 km both sides of roads Forest 100 meter both sides of roads

Forest 1 km both sides of railway Forest 100 meter both sides of railway

Slope ≤ 30 ° Slope ≤ 30 °

PRODUCTION

All other forests except protected and strictly

protected

All other forests except protected forest


-101-

2.4. Methodology

The study included five 1:1,000,000 scale layers (forest type, natural zone, protected area, railway, boundary), four 1:100,000 scale layers (settlement, lake, river, road), and 30 m resolution DEM. In total, 10 data layers were employed. Criteria of forest functions are produced to support the process of analysis (Table 2). Then, forest functions are overlaid using Boolean operations, where the input map was integrated by using logical operations such as AND, OR, XOR and NOT (Beheshtifar and Mesgari, 2006). This forest function mapping process assumes that the GIS should be respected to ensure the efficiency of this method. This method is described briefly in following the processes.

2.5. Process

Identifying areas under the 1995 law was begun by analyzing the slope map created from DEM with spatial resolution of 30m. This was reclassified into a suitable slope map (production ≤ 30 ° protection ≥30 °) based on the criteria (table2). Next, the slope raster map was converted into a slope polygon and intersected with forest type, and used to create buffer zones around the lake, river, road, railway, and settlement categories map layer. The different data sources (table 1) that were used to process consequential layers were overlaid using Boolean logic methodology. Finally, we classified protection and production forest. Further, forest type, natural zone, protected area and boundaries were also overlaid and subjected to Boolean algebra to identify areas that are eligible as strictly protected forest (Figure 2).

Discrimination of areas according to the 2007 law was similarly sourced by an initial production of a slope map created from DEM resolution 30m. This was then reclassified into a suitable slope map (production≤ 30°, protection ≥30 °) based on the criteria (Table 2). Next, the slope raster map was converted into a slope polygon and intersected with forest type, boundary, natural zone, protected area and used to create buffer zones around lake, river, road, railway, and settlement categories map layer. The data sources (Table 1) that were used in processing the layers were overlaid using Boolean logic methodology. Thus, we identified the maximum areas that could potentially be classified as protected

Figure.2 The GIS based processes for classifying forest function according to the 1995 law.


-102-

forest and production forest (Figure 3). The data from ground surveys, natural habitat factors and socio economic factors could be used to classify protected forest function.

2. RESULTS AND DISCUSSION

The relationship between the forest resource and the social demand for that resource is usually defined by so-called forest functions. These functions are human expectations of what should be supplied by the forest. Forest policy is concerned with all the functions of the forest resource, the most important of which are the production of wood and other forest products; the protection and conservation of the environment (soil, water, wildlife etc.); and the provision of opportunities for recreation (Hummel, 1984).

GIS helps in preparation of conservation policies and plans, particularly in support of legislation. Overall, the function of information is to assist in the identification, selection, design and management of protected areas and nature reserves (SIC, 2009).

In 1995, the Mongolian forest law specified three types of forest functions. Each function has a different protection regime, where the most protective category is the first-strictly protected function, followed by the protected and the production function. All forest functions require the implementation of fire, pest, and disease protection programmes, and all local citizens are essentially considered community firefighters.

Figure 4 represents a forest function map in the study area, according to the forest law of 1995. The total forest area covers 18,100 km2 (Table 3). The strictly protected forest was 7,616 km2 and this category is the most protective of the three. This zone consists of sub-alpine forests, pristine and conservation zone forest within strictly protected areas, and special zone forests within national conservation parks.

Figure.3 The GIS based processes for classifying forest categorization according to the 2007 law.


-103-

Protection forest covers 9,608 km2 and is the second category, which is much broader, consisting of

four sub-zones, including certain forests within special protected areas, national conservation parks, nature reserves, and monuments as well as the green zone around towns and villages. Production forest covers 876 km2 and is the default category. All forests that do not belong to the previous two categories are classified as production forests. These forests are designated primarily for commercial timber harvest with contracts and require the payment of the fee.

However, in the 1995 forest law several articles were indescribable and beyond general. For

example, fuel wood collection for a household was allowed in a protected forest. This article caused illegal logging activities (illegal timber logging, fuel wood cutting). Using statistical data, up to 80 percent of the total harvest is illegal. Secondly, fuel wood currently constitutes between 65-80 percent of the total wood harvest and is used by many poor rural and urban households for both cooking and residential heating (Mongolian Forestry Sector Review, 2004).

Rural area settlements, especially in Selenge province, mostly use wood for fuel, whereas coal is both expensive and has high transportation costs.

In rural areas, much of the fuel wood and timber used by families for construction is collected without a permit from protected forest areas and is therefore technically against the law. Many people, particularly the unemployed, poor and underprivileged families use their spare time to cut timber illegally to meet their subsistence needs, both for heating and construction. These people were not eligible for fuel wood and timber permits, but they cannot afford to buy wood from the markets, therefore do not consider that they are acting illegally. Many of the people who cut wood for their own needs also cut wood for sale at certain times of the year. Although the actual quantity of timber cut per person is not great, these activities can cause major damage to easily accessible areas; small trees that can be easily felled with handsaws are particularly vulnerable (Wood supply in Mongolia, 2006). As a result, the forest law was revised in 2007.

Forest function Area (Km2) Percentages

Strictly protected 7,616 42%

Protected 9,608 53%

Production 876 5%

Total forest cover 18,100 100%

Figure.4 Map showing the distribution of the forest functions according to the 1995 law

Table 3. Areas of forest functions cover (forest law of 1995)


-104-

The forest function map shown below was created by the forest law of 2007 (Figure 5). All forest areas are classified into only two forest functions. The total area of forest covers 18,100 km2. The protected forest occupies 13,471 km2 (Table 4) and the production forest occupies 4,629 km2. The forest function criteria were changed (see table 2). The strictly protected forest function was included with the protected forest function.

Also, for the revised forest law, the forest regime was changed. In the protected forest, all activities are forbidden, except for the construction of roads, bridges, water, power, telecommunication lines, activities directed to forest regeneration, cleaning works and utilization of non-timber products. In protected forest fuel wood collection was restricted. The protected forest regime was clarified and improved. It may result in a decrease in illegal logging.

Forest function Area (Km2) Percentages

Protected 13,471 74%

Production 4,629 26%

Total forest cover 18,100 100%

Due to the increased in production forest area, numerous advantages were created in the forest sector.

It may reduce the poverty levels of local people, enhance production forest monitoring systems, increase foreign investment in the forestry sector, and develop the timber industry. Increasing production forests will raise the income of local governments which could be further involved in regeneration activities. Partnerships, economic entities, and organizations in possession of the forest shall undertake activities on the basis of management plans that must ensure scientifically sound approaches to forest protection, rational utilization and restoration.

To provide appropriate forest management plans, GIS application of forest function maps is vitally important in Selenge province. However, these functions are created base on the conditional geography criterion only, without taking into account ground surveys and socio-economic data.

Figure.5 Map showing the distribution of the forest functions according to the revised 2007 law

Table 4. Areas of forest functions cover (forest law of 2007)


-105-

4. CONCLUSION

In this study, a forest function map was prepared using GIS approaches, based on two forest laws of Mongolia in 1995 and 2007. The old law in 1995 identified 3 functions: strictly protected forest function, protected forest function, and production function. On the other hand, the new forest law in 2007 identifies only 2 forest functions: protected forest function and production forest function. The area of the two forest functions were increased by the same ratio (21%) due to strict provisions in the new law. The forest function mapping completed as part of this study is the first attempt in Mongolia. The GIS based approach and the resulting forest function map would be useful for improving forest management in the Selenge province of Mongolia.

5. ACKNOWLEDGEMENTS

This research was supported by the Joint Research Program of the Korea Science and Engineering Foundation, the Mongolian Academy of Science and Mongolian Nature and Environment Consortium.

6. REFERENCE

1. ADB Mongolia 2004: PROMOTION OF RENEWABLE ENERGY, ENERGY. (PREGA). http://www.adb.org/REACH/documents/draft-csrep-mon.pdf

2. Beheshtifar, S., and Mesgari, S., 2006: Comparison of Boolean, Index Overlay and Fuzzy logic Methods for Data Integration in Power-Plant Sitting. http://www.gisdeveopment.net/application/utility/power/ma06-80.ht

3. Forest Survey Expedition of Mongolia, 1994: Commonwealth Forest Review 1994: Ministry of Nature and Environment of Mongolia, Ulaanbaatar, pp.1-55.

4. Forestry and Wildlife Bureau,1999: Forests and Forestry in Mongolia, Ministry of Nature and Environment of Mongolia, Ulaanbaatar, Mongolia, pp. l-60.

5. Government of Mongolia, 1995: The Law of Forestry, Mongolia, Ulaanbaatar. 6. Government of Mongolia, 2007: Revised version The Law of Forestry, Mongolia, Ulaanbaatar. 7. Han S.J., Jun E.J., Lee W.K., 2004: GIS Application for Classifying Forest Function. Korean

Research Institute. http://proceedings.esri.com/library/userconf/proc05/papers/pap1492.pdf 8. Hummel, F.C., 1984: Forest policy A contribution to resource development, Nederland, pp.7-8. 9. Kokmila, K., Lee, W.K., Ochirsukh, B., Kim, S.R., Choi, S.H., Park, S.M., 2009: Mapping Forest-

Functions Using GIS at plateau area, Laos. Forest Science and Technology Vol. 5, No. 2, (2009), pp. 57-61.

10. Ministry of Nature and Environment of Mongolia, 1996: State of the Environment of Mongolia. Ministry of Nature and Environment, Ulaanbaatar, Mongolia, pp. 33–40.

11. Narangerel Z., Tsolmon R., Narantuya D., 2004: Monitoring of forest biomass in Selenge province, Mongolia. http://www.a-a-r-s.org/acrs/proceeding/ACRS2006/Papers/P-3_Q31.pdf

12. SIC, 2009: Wildlife and Marine Conservation. Satellite Imaging Services, Satellite Imaging Corporation. http://www.satimagingcorp.com/svc/wildlife_marine_conservation.html Accessed on January 2, 2009.

13. Statistical Year Book, 2007: State Office of Statistics, Ulaanbaatar, pp.40-55. 14. Tsogtbaatar J., 2004: Forest Policy Development in Mongolia,

http://enviroscope.iges.or.jp/modules/envirolib/upload/616/attach/06Mongolia.pdf 15. Tsogtbaatar J., 2004: Deforestation and reforestation needs Mongolia: Elsevier, Forest Ecology

and Management. 201 (2004), 57-63. 16. World Bank, 2006: Wood supply in Mongolia: the legal and illegal economies, Vol. 1-1,

http://www-wds.worldbank.org/servlet/WDSServlet?pcont=details&eid=000090341_20060929111705 2.

17. World Bank, 2004: Mongolia Forestry Sector Review, Ulaanbaatar, Mongolia, pp. 76-83. 18. WWF Mongolia, 2002: A Report of Legal and Illegal Timber Trade in Mongolia, Ulaanbaatar,

Mongolia, pp. 40-86.

http://www.gisdeveopment.net/application/utility/power/ma06-80.ht

http://proceedings.esri.com/library/userconf/proc05/papers/pap1492.pdf

http://www.satimagingcorp.com/svc/wildlife_marine_conservation.html


-106-

DETERMINATION OF SEASONAL DYNAMICS IN GLACIER AND SNOW COVERAGE USING REMOTE SENSING

Ts.Oyuntsetseg1, R.Tsolmon1, Sh.Munkhjargal2, Samuel Wearne3 1“NUM-ITC-UNESCO” laboratory for Remote Sensing/GIS, School of Physics and Electronics,

National University of Mongolia 2 School of Physics and Electronics, National University of Mongolia,

3Australian Youth Ambassador for Development Institute of Geoecology, Mongolian Academy of Scince

[email protected] 1, [email protected], [email protected]

Abstract There have been some studies which have attempted to determine the change and dynamics in Mongolian glacier and snow cover however, the methods used in these analyses have had limitiations of producing results in a short amount of time. This paper introduces new methodolgies to overcome these challenges in long term analysis of snow cover dynamics in Mongolia available through remote sensing. The purpose of this work is to use data from the Moderate Resolution Imaging Spectroradiometer (MODIS) satellite which has a 500 meter resolution, called MOD10A2 snow covers product. The data used is comprehensive from the year 2000-2010 and grouped in 8 day intervals. Nine images of remotely sensed data from both Landsat Thematic Mapper (TM) and Enhanced Thematic Mapper (ETM) satellites with 30 meters resolution were used to analyze the change of snow cover and glaciers in the western part of Mongolia. MODIS satellite data has been used before to define snowcover change (George A. Riggs., Dorothy K. Hall., Vincent V. Salomonson, 2006). Using MODIS, this paper found winter snow coverage in Mongolia‟s three most western provinces to have reduced from 178955,98 km2 in 2002 to 152974,81 km2 in 2010. As for glaciers, it reduced from 271,19 km2 in 2000 to 114,01 km2 2009. When we compared the map survey of snow covered areas with the snow cover data of 45 climate stations, the co-relation was 89 percent and when we compare the results of the map survey of glacier coverage with the land measurement points, it has the co-relation of 95,1%. As a result of this research, MODIS snow products are found to be easy to use and suitable for the seasonal analysis and comparison of many years‟ snow cover. There is a need to incorporate more data into a longer term analysis of snow coverage monitoring and introduce the use of Radar data for snow thickness in the study area in the future.

Keywords: Snow coverage , Glacier, NDSI

1. INTRODUCTION

Global warming has large affects on the environment, ecological structures, society and economics.

Snow cover is between 180-200 in highlands of Mongolia (186 days in Khureltogoot in Bogd Mount, 182-183 days in Bayantes and Tosontsengel, and 196 days in Khatgal), 46-90 days in Gobi areas and 100-180 days in other places (Meteorological Institution, Climate data ).

According to the data of last 30 years, snow covering duration is beginning earlier in the eastern side of the country and later in other parts of the country (Jambatsamts.B, 1989).

In addition, snow cover melting duration is occurring one month earlier all over the country. Snow has started falling earlier in autumn and later in spring. Although snow cover thickness has increased in north and east side of the country, it has decreased in the south side of the country. Many glaciers are facing the danger of early extinction as they decrease in surface area under the affect of climate warming. Therefore, in this research, our purpose is to determine seasonal dynamics in Glacier and snow coverage using Remote sensing and Geographical Information system.




-107-

The short-term goal:

Map of Glacier and Snow coverage Dynamics change of Glacier and Snow coverage

2. STUDY AREA

3. DATA AND METHODOLOGY Data used:

MODIS satellite data product of MOD10A2 - 2000-2010 year, 460 pieces data (http://www. ftp://n4ftl01u.ecs.nasa.gov/SAN) Resolution – 500m

Landsat satellite data ТМ (Thematic Mapper) and ЕТМ (Enhanced Thematic Mapper Plus) /http://www.glovis.usgs.gov / Resolution -30m (Table 1)

Climate data – 45 station (Meteorological Institution, Climate data ) Ground truth data was conducted in the Nearest areas of Altai Tavan Bogd mountain .

№ Year Path Row Type

1 2006.07.26 P141R026 TM

2 2007.07.21 P141R026 ETM

3 2009.08.19 P141R026 TM

4 2006.07.26 P141R027 TM

5 2007.06.19 P141R027 ETM

6 2009.08.19 P141R027 TM

7 2006.07.24 P143R026 TM

8 2007.06.17 P143R026 ETM

9 2009.08.25 P143R026 ETM

Table 1. Landsat satellite data

The study area is the Western part of Mongolia (Khovd, Uvs,

Bayan-Ulgii)

The total area is 191385 km2

Location - (E870 -E950, N440 - N510) (Figure 1).

There are many glacier and snow covered mountains. For example: Kharhiraa and Turgen, Monkh-Khairkhan etc.

Figure 1. Study area

Table 1. Landsat satellite data

The study area is the Western part of

Mongolia (Khovd, Uvs, Bayan-Ulgii)

The total area is 191385 km2

Location - (E870 -E950, N440 - N510) (Figure 1).

There are many glacier and snow covered

mountains. For example: Kharhiraa and Turgen, Monkh-Khairkhan etc.

http://www/

ftp://n4ftl01u.ecs.nasa.gov/SAN

http://www.glovis.usgs.gov/


-108-

METHOD

Figure 2 describes diagram of methodology in this research.

Normalized Difference Snow Index /NDSI/

Normalized Difference Snow Index (NDSN) landsat = 54

bb

(1.1)

B4- band 4 (Landsat) (0.76 µm -0.90 µm ) B5- band 5 (1.55µm - 1.72 µm )

4. ANALYSIS AND RESULTS Modis:

Time of Snow cover of 4 seasons: Winter – (December-February),Spring – (March-May),Summer – (June-August), Autumn – (September-November)

When I conducted the map survey, I consolidated 12 pieces of 8 day snow coverage data into each of the four seasons using the trained classification method between the year 2000-2010 (Figure 3-8).

Зураг 9. Арга зүйн схем

Results

Climate data

Satellite data

Ground truth data

Processing of MODIS data

MODIS (2000-2010)

Classification of snow coverage

Map of snow coverage

Map of glacier

LANDSAT (2006,2007,2009)

Classification of snow coverage

Normalized Difference snow Index

Map of snow coverage

Analysis

Methodology diagram

Figure 2. Method diagram


-109-

Figure 4 . Map of Snow coverage for 4 seasons betwen 2002-2003

Figure 5. Map of Snow coverage for 4 seasons betwen 2004-2005



-110-

Figure 9. Snow coverage dynamics in the 4 seasons between the years 2000-2010

0

50000

100000

150000

200000

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011

Time

Area

/km2 /

Winter Spring Autumn Summer



Figure 8. Map of Snow coverage for 2 seasons 2010

Winter Spring


-111-

In Figure 9 for example the area of winter snow cover in 2010 is greater than 2009 by 17.4 percent. The area of winter snow cover of 2005 is greater than 2010 by 5 percent.

Table 2. Square of Snow coverage 4 seasons in 2000-2010 year /km2/

Area of snow cover of 2000-2010 is shown in (table 2) and comparison between 2001 and 2010

shows an increase of 35157.21 km2 in 2010. Average area of snow cover was 141033,19 km2 in winter, 64827,99 km2 in spring, 84451,17 km2 in autumn and 3689,48 km2 in summer. (Table 2)

The area of winter snow cover begun to decrease between 2002-2009 and the maximum number of snow covered area was 178955,98 km2 in 2002 and 160628,79 km2 in 2005. Area of spring snow cover began to increase between 2000-2003, the area of snow cover then decreased between 2005-2007.

№ Time 2000 2001 2002 2003 2004 2005 1 Winter 117817.60 178955.98 133167.29 143292.11 160628.79 2 Spring 60744.55 67389.16 72237.02 86388.82 47725.50 109662.51 3 Autumn 140980.36 119145.15 80348.06 85655.90 63326.90 98042.13 4 Summer 7731.11 3906.68 3267.86 4232.31 5870.85 4477.01 Time 2006 2007 2008 2009 2010 Average

5 Winter 126307.40 136776.73 130098.32 130312.87 152974.81 141033.19 6 Spring 60998.61 37093.28 52417.79 41910.84 72456.40 64827.99 7 Autumn 76199.75 90448.29 66669.84 80224.54

84451.17

8 Summer 1902.56 3108.34 2309.56 4130.16 3689.48

Figure 10. Map of Snow Coverage

/P141R026/

Figure 11. Map of Snow Coverage /P141R027/

Figure 12. Map of Snow Coverage

/P143R026/

Figure 13. Map of Snow Coverage (km2)

0

500

1000

1500

2000

2500

Та

лб

ай

н х

эм

жээ

2006 2007 2009Хугацаа

Цасан бүрхүүлийн талбайн хэмжээ /км2/

p141 r26 p141 r27 p143 r26


-112-

From this, dynamic of the area is starting to decrease. For P141R026, the snow covered area is starting to increase. (figure 13)

Using to the data of Modis satellite, I created a map survey of the glacier areas by consolidating 12 sets of 8-day data into the summer season of June-August for each year between 2000-2010. Average area covered by glaciers between 2000-2009 is 195.09 km over the 10 years. (figure 16)

Figure 15. Map of Glacier 2004-2009 year /6-8 month/

Glacier Glacier

Aimag boundary Aimag boundary

Figure 14. Map of Glacier 2000-2004 year /6-8 month/

Aimag boundary

Glacier

Legend Legend

Figure 16. Map of Glacier 2000-2004 year /6-8 month/ Square dynamics

271.19

211.77222.01

199.91185.28 179.72

259.92

182.50

124.54114.01

y = -12.414x + 25079

100

150

200

250

300

1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011Time

Area

/km2 /


-113-

Using to the data of Modis satellite, I created a map survey of the glacier areas by consolidating 12 sets of 8-day data into the summer season of June-August for each year between 2000-2010. Average area covered by glaciers between 2000-2009 is 195.09 km over the 10 years. (figure 17)

When I compared the results from the map survey of snow coverage with the snow cover data of 45

climate stations, the co-relation was 89 percent. (figure 18)

When we compare the results of the map survey glacier coverage with ground truth data, it had a co-

relation of 95,1%. (Figure 19,20)

Figure 19. Compare satellite data and glacier data of ground truth data/LANDSAT

Figure 20. Compare satellite data and glacier

data of ground truth data /MODIS/

Figure 17. Compare satellite data and snow cover data of climate station 2009-2010 year

Figure 18. Compare satellite data and snow cover data of climate station

y = 18.821Ln(x) - 40.501R2 = 0.8073

0

5

10

15

20

25

30

35

40

45

0 5 10 15 20 25 30 35 40 45Clime data

MOD

IS


-114-

5. CONCLUSION

According to the MODIS satellite, it is more comfortable to use products of snow covered areas and conduct yearly and quarterly observations of snow covered areas

According to the MODIS satellite data, which developed by remote sensing method, we can see that it is possible to conduct long term monitoring on the snow covered areas of Mongolia.

By using MODIS satellite data, which developed by remote sensing method, it is timely and economically important for us.

ACKNOWLEDGEMENTS

Thanks to Prof. Khandsuren, Dr. Chuluun.T for your information, investigations. Also,

thanks to staffs of Meteorological Institution, Database calculation center which provided me databases and examples included in my survey. To the staffs of NUM-„NUM-ITC-UNESCO‟

laboratory and my freinds for processing, upgrading and criticizing those databases, informations.

REFERENCES

1. George A. Riggs., Dorothy K. Hall., Vincent V. Salomonson., 2006, MODIS Snow Products User Guide for Collection 4 Data Products, USA

2. Jambatsamts.B “Climate of Mongolia ” , UB 1989 3. LANDSAT: http://www.glovis.usgs.gov 4. Meteorological Institution, Climate data

MOD10A2:(HTTP://WWW. FTP://N4FTL01U.ECS.NASA.GOV/SAN)

http://www.glovis.usgs.gov/

http://www/


-115-

ECOTOURISM DEVELOPMENT PLANNING IN THE BIGER SOUM OF GOBI-ALTAI PROVINCE, MONGOLIA

B.Suvdantsetsega, H.Fukuib and R.Tsolmonc

a Graduate School of Media and Governance, Keio University, Fujisawa, Japan; b Faculty of Police Management, Keio University, Tokyo, Japan;

c School of Physics and Electronics, National University of Mongolia, Ulaanbaatar, Mongolia;

Corresponding author address: Z- build, 301 Fukui lab, 5322 Endo, Fujisawa, Kanagawa prefecture, 252-0882 Japan;Email:[email protected]

Abstract A key area for ecotourism development in Mongolia is the Biger soum that based on the “Five Sand” kidney sanatorium. This sanatorium was established 30 years ago where uses natural sand baths for treatment, people who having kidney deficiencies. This sanatorium is urgently important for the national health management. However, in the recent years, with the increasing popularity of natural treatment visitors have been rapidly increased. A development objective of this study is to demonstrate application GIS techniques and other quantities models to support decision making system on ecotourism planning in a case of Biger region, Mongolia. It assesses the potentials of the area for the development of ecotourism by employing a combination of field observation, participatory mapping with spatially overlay and evaluation of multiple criteria decision analysis (MCDA) model. MCDA is general decision approach that was used to generate a set of ecotourism attraction indicators, select a criteria set for suitable activities and finally assess the best alternative activities considering ecotourism importance on environmental and social economic parameters. From the attractions mapping, there were illustrated 13 spectacular destinations without “Five Sand” sanatorium which have highest value for ecotourism opportunity in the case area. As a result of MCDA were demonstrated 15 ecotourism activities and 21 criteria. The best alternative activity was domestic farming (agriculture tour) and following such alternatives that more related to local special resources of nomadic traditional culture as like horse and camel riding, Historic & culture tour, Traditional movement, Hostelling & Guest, Sand bathing and Animal husbandry which was accepted by local participation. The worst alternative was Mountairing, Wildlife viewing, Wolf hunting and Rock & Mount climbing. Those activities are negatively affecting their daily farmer system that‟s why it shows the negative result. Keywords: Five Sand sanatorium; ecotourism attractions; alternative activities; multi criteria participatory assessment

INTRODUCTION

At present ecotourism has become one of the hot research fields. Because of its attention on sustainable environmental and socio-economical development in developing countries has been increased. According to the international ecotourism society (TIES), ecotourism is environmentally responsible travel to undisturbed natural areas with the specific objectives of studying, admiring, and enjoying that conserves the environment and supports the well being of local communities (Ceballos-Lascurain 1987, Boo 1990). Several studies conducted in protected areas have focused on ecotourism or nature tourism as a form of sustainable tourism (Poiani et al. 1998; Danial et al. 2005). It provides many positive attributes to sustainable resources management (Lu Yonglong, 1996) such as promotes environmental conservation, has a low visitor impact on nature, and educates locals by modern aspects and non-locals by indigenous values which subject to protection of nature environment, and enhances the living standards of local people by providing opportunities for employment as well as it direct support of economic development and political empowerment of local communities (Freya Higgins 2009). Recently research has focused on how protection of local ethnicity can be achieved without impacting on the life of local people by linking social life and environmental protection (Gregory 2005; Barkin 1996). Cultural investments, such as historic preservation or dissemination of traditional values, can also work to provide economic benefits while preserving connectivity with the past (Chifos 2006), that is, it is nurtured and disseminated as poverty is alleviated.

The general trend in ecotourism is to increase experiences by encouraging activities (Neba2009) such as long-distance walking, camping, hunting, sight-seeing, cultural activities, bicycling, observing wildlife and nature, hostelling and guest, observing traditional life style, sand safari, horse and camel riding, and


-116-

visiting historical places among others. A key area for ecotourism development in Mongolia is the Biger soum that based on the “Five Sand” kidney sanatorium. This sanatorium was established 30 years ago where uses natural sand baths for treatment, people who having kidney deficiencies. This unique experienced sanatorium is urgently important for the national health management. However, in the recent years, with the increasing popularity and publicity of natural treatment, not only patients but also visitors have been rapidly increased for its treatment result and nature. Much of the visitor‟s growth has leads cause of problems.

A development objective of this study is to demonstrate an application of multiple criteria decision analysis model and participatory mapping approaches to support decision making system on ecotourism planning in the Biger region of Mongolia. The study was designed to determine the potential resources of the area for approaching ecotourism opportunity and to suggest ecotourism types likely to be beneficial for local people.

METHODS Study area description

The “Five Sand” sanatorium is situated in Biger district of Gobi-Altai province, in the south western of Mongolia that is largely remoteness area from centralization of economic and population centres of Mongolia (figure1). Biger district is covering area of 3730 square kilometre, sheltering 2249 inhabitants (male 1143, female 1106), 635 stakeholders, about 1530 labors, number of unemployed 21, and 91700 numbers of livestock. The altitudinal range is between 1300 and 3750m above sea level. There are several major majestic peaks of Mongol Altai and Khukh Serkh mountains stretch exceeds 3000m. G.Hamkhaijantsan and D.Altantsetseg (2006) have characterized the local climate as continental harsh, semi-arid, and salty. Summer annual average air temperature is about 250C, sand surface temperature is 45-600C, annual precipitation is 72.6mm, and sunshine is 3103 hours/year.

Biger town is important communication network centre because of the meeting point for accessing road from other southern towns to centre of Gobi-Altai city. In Biger district animal husbandry, crop cultivation and informal mining(2009) is remain the main occupations for more than 25 % of the population, all relying on the use of natural resources.

There has not been conducted professional ecotourism industry, since 30 years only sanatorium serviced to treat the national patients by sand bathing treatment. These medical sand dunes have no equivalent anywhere in the world which contains biological important elements of Ca, Zn, Cu, Mg, and Sr. There have been established a number of Provincial Park, and one national nature reserve which are of great ecological and historical significance. It has a very convenient and clean air, untouched landscape, rich biodiversity species, variety of mineral resources and some recreational communication system for ecotourism opportunity.

Figure 1. The location of study area with destinations around “Five Sand” sanatorium


-117-

Research data collection Since, this research is almost first about tourism study in the case area, because detailed information

cannot be obtained from previous studies and reports. Therefore, the first Research Expedition of the Keio University, National university of Mongolia and members of “Five Sand” sanatorium were collected information‟s by our self with necessary instruments using two kinds of methodologies: a) hand instruments based field observation and participatory mapping, and b) self-administrated questionnaires and face to face interviews in the core area from July 14 to 24, 2008 and July 26 to 8 August 2009.

a. Field observation: In order to inventory the natural resources and attractions in the destinations we used a premary method of comprehensive check list (Patterson1997, Goeldner et.al 2000, Fennell 2002b) and participatory mapping. Destinations were selected 15 main locations from 10 to 170 kilometers of distance away from Five Sand sanatorium which have stored historical, cultural and natural beauty as means to attract the ecotourists. To select these sites based on locals information and previous studies. Each of the locations, 8-10 GPS points and original photos were taken. 107 training points and 134 field verification points (FVP) were collected. Before, we going to fieldwork, we had prepared several thematic maps to mapping the resources in destination. When we visited to field area that were edited by locals, and field instruments of GPS and PDA in 2009. In this part, locals were actively participated to mapping the resources. After collected datasets, all resource and destinations were updated by own eleboration in Geographical Information Systems (GIS) techniques.

b. Data collection for social statistics: We conducted interviews with a numbers of experts working in the provincial and local government who are related to ecotourism developer in the study area. The official interviews started from provincial government agencies where we discussed about eco-tourism development strategy, its policy instruction, tourism monitoring and environmental protection systems in the case area. The next, we made face to face workshop between researchers (professors and assistants), local governors, sanatorium proponents, doctors, patients, visitors and local settlements at the Five Sand sanatorium. The open discussion contains the sanatorium background, policy establishment, available alternative activities, local environmental conservation, herd‟s livelihood improvement and their participation, and selection of evaluation members which connected with ecotourism planning. Moreover, we collected more information‟s using self-administrated questionnaires from visitors, patients and stakeholders.

Multiple Criteria Decision Analysis

The approach used general methodology of MCDA model that employed to generate a set of suitable activities, illustrate a criteria set for activities and assess the importance of activities. As a result of the local situation, ecotourism planning in the case area is difficult to evaluate by the single assessment that required a local‟s participation. On the other hand, our collected data sets are not enough to given analysis on the activity selection. For these reasons, authors are choosing the MCDA model to considering the locals participation and given to more scientifically explanation on the ecotourism planning. MCDA model based on the mathematical method of ELECTRE that used been historically help to make decision and planning for natural resources management (Mendoza et.al., 2002; Adrianto.L. et.al., 2005) as well as choosing and ranking actions (Figueria et.al., 2005; Kenan, 2006). This model is designed by authors and local evaluation members who can authorize the planning in the case area. Generate a set of ecotourism resources and activities

The inventory of local ecotourism resources used comprehensive checklists and participatory mapping. The comprehensive checklist includes a consideration of quality and quantity of resources, availability of observation, and presence of resource. After listed the resources and attractions were mapped spatially by overplaying visualization in the convenient geographical units, based on field measurements and participatory mapping. Then evaluation members imagined the alternative activities based on resources considering environmental and human concerns. The evaluation members illustrated suitable 15 activities for the ecotourism opportunity in the near sanatorium that presented in table 1.


-118-

Table 1. Selected suitable activities in the project site.

Construct a criteria set

In the multiple criteria approach, the criteria provide numerical measures for all relevant impacts of different alternatives (Risto.L. et.al, 2000). The criterion set is impacts of ecotourism activity which are both positive and negative impacts on the nature and human environment (P.Mason, 2006). According to literatures, field observation and interview experiences, and overlay mapping, the evaluation members were selected 21 criteria sets see table2. These criteria concern the project objectives, both local and national issue, quantity of impacts. To quantify the importance of the criteria (weights), each criterion assigned by scale range of “Not important” to “Very important” and weight rate of 1 to 4 that shows in third column of table2.

To consider weight of the criteria in set of the decision model, we have to use the other scaling system which is the productivity degree and weighted scales that used a same method with Kenan.O, (2006). Productivity degree is weight of the criteria that ranged from 0-240 which means most important criteria has biggest degree of 240 and not important criteria has smallest degree of 0. It was computed by following formula and presented fourth column of table2.

xWBDP cc )/( (1) D - Highest degree; cB - Biggest weight of the criteria; W - Weight of the criteria

Table 2. Sets of criteria and its weights.

№ Impact criteria Weight W

Degree

dP Weighted scale sW

1 Impact on wildlife habitat 3 180 45 2 Impact on animals behavior 1 60 15 3 loss of endangered species 2 120 30 4 Impact on water quality 3 180 45 5 Impacts on air quality 1 60 15 6 Erosion on nomadic pasture 3 180 45 7 Increase the motor vehicles 1 60 15 8 Impacts on solid waste 1 60 15 9 Increase of noise level 1 60 15 10 Promote industrialization 2 120 30 11 Increase the demand level for local goods and products 2 120 30 12 Restore the traditional culture 2 120 30 13 Support the archeological & historic values 1 60 15 14 Enhance the income level 4 240 60 15 Creation of local employment or new business 3 180 45 16 Stimulate the local hand crafts 3 180 45 17 Satisfy the visitors by local value 4 240 60 18 Support the domestic farming 3 180 45 19 Leading the awareness of locals & visitors on the site

environment 3 180 45

20 Support the environmental education 3 180 45 21 Increase the funding to conserve the nature and culture 3 180 45 Total 49

After identification of criteria sets and weights, evaluation members are primarily assessing all activities by every criterion. Five values were used to assign impact levels of activities, from no-impact 1 to extremely impact 5 concerning the purpose of the criterion. To assess the importance of alternative

No Alternative activities No Alternative activities 1 Traditional festivals tour 9 Weather observation 2 Wolf hunting 10 Animal husbandry 3 Domestic farm 11 Sand bathing 4 Wetland discovery 12 Horse & camel riding 5 Wildlife viewing 13 Nature walks and Hiking 6 Rock & Mount climbing 14 Historic & culture tour 7 Traditional movement adventure 15 Mount airing 8 Hostelling & Guest


-119-

activities by criterion have to transfer the first value to weighted value. While transforming of first value to weighted value, weighted scale was used. It described by value of productivity degree and scaling guide (Kenan.Ok, 2006) that presented in fifth column of table2. Ranking the alternatives

The ELECTRE method is used to rank and choose a set of promising alternatives. The main part of ELECTRE method lies in the construction of concordance and discordance matrices, which provide measurements of satisfaction and dissatisfaction of the decision maker when one alternative is compared to another alternative (Dimitris.E.C., 2009). Relationships between alternatives and criteria are described by attributes referred to the aspects of alternatives and relevant criteria. The characteristics of concordance and disconcordance indexes are described as below.

The concordance index Cjk is the sum of the conditioned criteria weights and sum of weights, where the performance score of Alternative Aj is bigger that Ak. It means is to fit the condition kj AA . The concordance index lies between 0 and 1.

nijk WWC / , i=1, 2,…, n, j,k=1,2,…, n, (2) The discordance index djk is described by ratio that calculated between the maximum difference

among values of the alternates ( kj AA ) and the maximum score on the criterion concerned between any pair of alternatives. The maximum of these ratios is the discordance index that must lie between 0 and 1.

dijikjk PAAd max/)max( , i=1, 2,…, n, j,k=1,2,…, n, (3) The final evaluation matrix is described by concordance and disconcordance indexes. A concordance

threshold value (c*) and disconcordance threshold value (d*) are defined the result of those matrices such as this condition 0<d*<c*<1. It means is the concordance index is selected as near as to 1, and the discordance index is selected as near as to 0 that the result reaches. This outranking defines a partial ranking on the set of alternatives.

RESULTS

Local landscape resources as a setting for ecotourism

In the context of Biger district, main destinations will be fashioned by beautiful mountains, rocky art hills, untouched landscape free from urbanization, rich streams and vegetation covered valley, useful of natural sand dunes, and indigenous nomadic population that traditionally with livestock‟s and Gers which are attract the visual value of the viewpoints. The ecotourism resources were spatially mapped by GIS application with participatory mapping that included naturalness, biodiversity, cultural heritage, and human accessibility maps.

The characteristics of the naturalness map illustrated in the second row of the table 3 that was included existed nature reserves, important wetland ecosystem with saxaul forest in the valley, natural pastures on the surrounding plains and hills, and the unmodified rivers. The dramatic views of sand dunes are stretched 50-60 barchans chain, from the northwest to the southeast approximately 10 km length and width ranging from 0.25-1.4 km. It is offering beach and sand bath sauna, as well as important desert safari opportunities for visitors‟. The Burkhan buudai nature reserve is national protected area for conservation of global threatened species that founded in 1996, about 52110 hectares of area. It has amazingly harmonized diversity ecosystems of high mountains, tundra, pasture steppes and glacier stream as well are kept enough as its original condition. White gate is one of the place rich in natural mineral elements of hot and cold springs that used to treat locals, fall down the waterfall from the levels of seven circle stone pots and rich of many herb plants.

The biodiversity resources are divided into flora, wild animals, mammals, birds and livestock which are important indicators for ecotourism attraction. We did not directly observed in short time that reported by local people, environmentalists and previous studies. Burkhan Buudai nature reserve is still inhabited richness of large populations of ibex, lynx, grey wolf, and few of argali (mountain sheep) and snow leopard which are participated in ecosystem balance in the mountainous areas (Sukhbat 1979, P.Reading & S.Amgalanbaatar 2000). The semi-desert regions are characterized by semi-shrubs, shrubs, saxaul and some grasses. A total of 198 plants are recorded in the Biger region and 20 of them are herb plants (Batchuluun 2004). 12 bird species are inhabited in the mountains such as raptors, owls, shrinkes,


-120-

falcons, eagles, vultures and black kite, and in the desert steppe and wetland areas reported 26 species of birds such as altai snowcock, chukars, goose, Mongolian lark, wheatear, and common cuckoo (Sukhbat 1986).

The cultural and historical heritage map was included historic and archeological sites, religious and festival events places, museum, temples and local settlements distribution. Biger plateau has been stored rich historic remains of rock paintings, cultural importance and ancient sities ruins in underground and surface of the region. Bichigt rock painting area and Molor tolgoi ancient arheological painting area which are reserved by province administartion. These historical cultures are archaeological materials of stone tools and all petro glyphs which are hills located in the branches of Altai Mountain range of biger territory. There are a large number of stone artifacts, the facts which testify that men who lived around Molor Tolgoi made weapons and implements by using limestone or flint. Domesticating some wild animal‟s paintings is from Bronze Age, inhabitants have hitherto practiced animal husbandry and left distinguished petro glyphs on the rock that could represent economical, social and cultural aspects of that period (Batchuluun 2004). There are also plenty of historic memorials, several ancient grave mounds and khirigsuur.

The monastery as known Biger Nomun Khaanii Hiid is one of the famous Buddhist temple that located 16 kilometer from north direction of Biger town. It founded in 1830 by a Tibetan monk named Luvsangeleg. The monastery was destroyed by the communists‟ in1937, according to local lore, statues containing137 kilos of gold were spirited away by monks and buried in the nearby desert. Festivals and traditional events are providing important social aspects for the tourists. In the region also have been stored Mongolian traditional naadam of three main games horse racing, archery and bristling. Moreover, other traditional ovoo ceremony and village game events have been organized by locals which are encourage the local activity for conserve environment.

The cultural landscape of the Biger region is consists of traditional nomadic settlements with its main elements of steppes, horses and gers. Herds are settling a traditional nomadic lifestyle in the mountains, valley and plain areas for millennia by low population density with gers that providing comfortable living condition. Traditional Ger (yurt) is an important element of the cultural landscape, with yurts of wooden structure and soft covers. The five types of livestock‟s namely goat, sheep, cattle, horse and camel providing a transport, meat, milk, and woollen goods for felt of gers which of elements are very important for tourist attractions. In the area, horses and camels are one of the important nomadic elements which are main mobility source. For tourists experience a variety of traditional rites and meals to learn traditional culture. A variety of Mongolian eco-foods are available in the region which are helping herders to stay healthy and strong such as airag, khorkhog. These create attractive value to promote ecotourism.

Table 3. Ecotourism resources characters maps in the study area.

Characteristics Measures Map NATURALNESS

Undrained wetlands 9.8% of area Unmodified rivers 91% of rivers Waterfalls 60%of observe Existing park 6.5% of area Sand dunes 100% of observe Saxaul forest 80% of observe Traditional settlements 75% of population

BIODIVERSITY

Mammals 70% of observe Birds 95% of observe Flora 90%of observe Livestock‟s 100% of observe


-121-

Wild animals 80 % of observe CULTURAL HERITAGE

Historic sites 100% of observe Archaeological sites 100% of observe Religious sites 100% of observe Museum 100% of observe Temple 100% of observe Festivals 70% of observe

HUMANITY & ACCESSBILITY

Destinations from village centre 20 km Destinations from main camp 28 km Destinations from local herders 3 km Destinations from water source 0.5 km Camps from agricultural field 1,5 km Destination from main road 0.8 km

Evaluation of the Alternative Activities in Biger region

The choice of the best ecotourism activities in the project site can be solved with the help of ELECTRE matrix method based on the above 21 criteria. The weighted value of fifteen alternatives is shown on table 4.

Table 4 Weighted values for the ELECTRE model.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 117 45 117 63 36 54 144 180 162 171 126 144 144 126 54 2 12 33 54 51 15 21 18 24 15 42 12 48 60 45 15 3 72 54 114 72 24 36 84 78 72 108 102 90 84 84 42 4 153 126 54 126 117 117 162 99 81 180 144 108 126 171 72 5 27 57 54 57 54 42 57 60 48 60 42 48 60 36 54 6 90 126 171 153 144 117 180 162 126 171 171 99 117 144 126 7 18 54 51 45 42 48 60 27 60 57 54 12 60 21 24 8 18 36 57 54 51 36 57 27 57 51 42 42 51 27 36 9 21 39 42 51 42 39 57 39 48 57 39 27 57 39 42

10 96 66 108 78 36 66 24 66 72 84 108 114 6 96 72 11 24 66 72 96 78 84 120 72 78 108 84 42 120 36 84 12 102 60 96 102 96 66 108 120 78 78 96 114 96 114 78 13 21 18 18 39 33 48 33 42 27 18 33 48 24 60 39 14 192 204 240 132 96 168 156 72 192 96 216 192 36 216 108 15 126 99 171 108 117 126 117 72 153 126 171 171 36 171 108 16 171 144 153 99 63 117 162 153 162 117 180 153 63 171 108 17 240 204 228 204 228 204 228 240 204 168 228 240 204 228 216 18 162 81 180 153 81 108 81 162 36 153 153 171 54 153 54 19 144 117 162 162 144 126 144 144 72 162 99 171 72 162 126 20 153 108 180 171 144 126 144 162 117 162 153 162 171 162 144 21 171 144 153 117 162 162 54 99 63 81 63 153 36 171 162


-122-

Table5 The value of concordance index (row and columns are ecotourism activities)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 0 0.29 0.67 0.43 0.29 0.63 0.49 0.63 0.47 0.55 0.63 0.8 0.39 0.86 0.22 2 0.71 0 0.9 0.78 0.59 0.63 0.8 0.67 0.63 0.71 0.84 0.69 0.51 0.9 0.63 3 0.39 0.12 0 0.27 0.35 0.18 0.51 0.39 0.31 0.37 0.65 0.55 0.31 0.51 0.22 4 0.65 0.39 0.8 0 0.2 0.39 0.67 0.45 0.43 0.61 0.63 0.67 0.43 0.73 0.29 5 0.78 0.47 0.82 0.8 0 0.63 0.9 0.63 0.47 0.8 0.8 0.69 0.47 0.88 0.53 6 0.78 0.53 0.82 0.69 0.49 0 0.65 0.63 0.61 0.76 0.84 0.73 0.55 0.9 0.61 7 0.57 0.29 0.59 0.35 0.45 0.35 0 0.53 0.41 0.57 0.57 0.69 0.29 0.76 0.18 8 0.57 0.39 0.71 0.55 0.43 0.43 0.53 0 0.35 0.61 0.51 0.73 0.31 0.61 0.33 9 0.65 0.51 0.71 0.69 0.59 0.47 0.69 0.65 0 0.65 0.84 0.71 0.53 0.82 0.57

10 0.51 0.31 0.78 0.51 0.31 0.37 0.45 0.47 0.39 0 0.51 0.65 0.35 0.65 0.29 11 0.45 0.2 0.73 0.43 0.35 0.24 0.53 0.51 0.22 0.61 0 0.61 0.31 0.69 0.24 12 0.37 0.31 0.63 0.33 0.31 0.29 0.37 0.47 0.39 0.41 0.47 0 0.39 0.55 0.22 13 0.61 0.63 0.73 0.78 0.65 0.59 0.9 0.71 0.63 0.71 0.73 0.67 0 0.73 0.59 14 0.31 0.12 0.69 0.39 0.27 0.12 0.37 0.49 0.18 0.53 0.67 0.61 0.31 0 0.12 15 0.78 0.45 0.82 0.8 0.65 0.63 0.88 0.67 0.59 0.76 0.8 0.78 0.47 0.88 0

Now it can be used in the application of ELECTRE. Table 5 illustrates the complete concordance

indices using formula (2) and table 6 presents the complete disconcordance indices using formula (3). After calculation of concordance and disconcordance indexes that possible to illuminate the final evaluation matrix using threshold values. The final evaluation matrix consists of only 1 and 0 values that the highest concordance index of 1, and highest disconcordance index of 0. However, due to the multiplicity of criteria, a situation where c＊=1, d＊=0 never occur. It presents the result of a logical condition. When jkC is bigger than or equal to c＊ and djk is smaller than or equal to d＊, Celljk in the final matrix is 1. If this condition is not true, Celljk in the final evaluation matrix is 0.

In this study, the adequate threshold values are concordance (c＊) value was 0.6 and discordance (d＊) value was 0.35. A 1 value in the final evaluation matrix of table 8 shows a superiority of an alternate that better than another (Kenan.O). For example, a 1 value in the second column signifies that alternate 1 has superiority over alternate 4, 5, 6, 9, 13 and 15. In the same way, number of the 1 value in a row can be used to determine the number of the superior alternatives from any alternative. For example, 6 value of the total column in second row means that there are 6 superior alternates from alternate 1. If alternate has a 0 total that is the best activity. Because of that alternate has not other superior alternate over it. Therefore if total of superiorities is increasing that alternate has become worst alternate. For example, alternate 15 (mount airing) was the worst alternate that has 11 superiorities in the table 7 however, when change the threshold values it ranked the worst place in the table 10.

The threshold value is possible to change by the experts. If it is changed the final evaluation matrix also changes through can be compare the results to choose the best and worst alternates. In this advantage case, if use only 1 or 2 threshold values may be that gives wrong result. This study used 7 different threshold values. Table 8 was shows various ranking result possibilities for alternatives under different threshold values of c* and d*. The matrices procedure has been successfully and simply implemented in SPSS 10.0 and Microsoft Excel environment.

Table6. The value of disconcordance index.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 1 0 0.34 0.41 0.3 0.45 0.26 0.49 0.5 0.53 0.4 0.45 0.19 0.65 0.05 0.45 2 0.18 0 0.3 0.3 0.45 0.15 0.38 0.55 0.34 0.45 0.34 0.18 0.7 0.14 0.4 3 0.34 0.41 0 0.45 0.6 0.33 0.41 0.7 0.6 0.6 0.33 0.3 0.85 0.15 0.55 4 0.3 0.3 0.3 0 0.3 0.19 0.3 0.25 0.49 0.15 0.26 0.23 0.41 0.25 0.41 5 0.23 0.15 0.26 0.19 0 0.13 0.45 0.26 0.41 0.34 0.41 0.19 0.53 0.18 0.19 6 0.25 0.13 0.26 0.19 0.3 0 0.45 0.4 0.41 0.34 0.41 0.18 0.55 0.2 0.25 7 0.4 0.41 0.45 0.34 0.45 0.38 0 0.35 0.34 0.25 0.19 0.34 0.5 0.35 0.38 8 0.3 0.56 0.26 0.49 0.6 0.53 0.34 0 0.53 0.3 0.23 0.26 0.45 0.23 0.53


-123-

9 0.23 0.49 0.19 0.41 0.53 0.45 0.2 0.5 0 0.4 0.15 0.2 0.65 0.18 0.45 10 0.35 0.53 0.53 0.45 0.56 0.49 0.3 0.34 0.49 0 0.26 0.3 0.41 0.3 0.49 11 0.34 0.34 0.38 0.35 0.5 0.3 0.35 0.6 0.49 0.5 0 0.3 0.75 0.2 0.45 12 0.19 0.41 0.23 0.34 0.45 0.38 0.41 0.5 0.56 0.4 0.38 0 0.65 0.08 0.49 13 0.4 0.41 0.3 0.34 0.45 0.38 0.18 0.2 0.23 0.15 0.2 0.33 0 0.35 0.38 14 0.23 0.34 0.49 0.35 0.5 0.3 0.49 0.6 0.49 0.5 0.45 0.26 0.75 0 0.45 15 0.25 0.15 0.09 0.19 0.19 0.08 0.45 0.26 0.41 0.34 0.41 0.18 0.53 0.2 0

Table7. Final ranking result of alternatives derived from concordance and disconcordance matrices.

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 Total 1 0 0 1 0 0 1 0 1 0 0 1 1 0 1 0 6 2 1 0 1 1 0 1 1 1 1 1 1 1 0 1 1 12 3 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 1 4 1 0 1 0 0 0 1 0 0 1 1 1 0 1 0 7 5 1 0 1 1 0 1 1 1 0 1 1 1 0 1 0 10 6 1 0 1 1 0 0 1 1 1 1 1 1 0 1 1 11 7 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 2 8 0 0 1 0 0 0 0 0 0 1 0 1 0 1 0 4 9 1 0 1 1 0 0 1 1 0 1 1 1 0 1 0 9 10 0 0 1 0 0 0 0 0 0 0 0 1 0 1 0 3 11 0 0 1 0 0 0 0 0 0 1 0 1 0 1 0 4 12 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 1 13 1 1 1 1 1 0 1 1 1 1 1 1 0 1 0 12 14 0 0 1 0 0 0 0 0 0 0 1 1 0 0 0 3 15 1 0 1 1 1 1 1 1 0 1 1 1 0 1 0 11

Table8. Several of alternates result under different threshold values.

c＊;d* Best activities Worst activities 1 2 1 2 0.8- 0.2 3,7,8,10,11,12,14 4,13,1,9, 6 5,15 2 0.75-0.25 3,8,11,12,14 4,7,10,1,9,13 15,5 2,6 0.7-0.4 3,12,14 7,10,11,1,4,8, 9 15,2,5,13 6 0.7-0.3 3,12,14 7,10,11,1,4,8, 9 15,2,5,13 6 0.65-0.35 12,3 7,8,11,14, 1,10 15,2,9,13,5,6 4 0.62-0.33 3,12 7,8,11,14, 10 2,13,15,5,6,9 1,4 0.6-0.35 3,12 7,10,14,8,11 2,13,6,15,5,9 1,4 Final rank 3,12,14,7,8,11 and 10 15,5,2,13, and 6

DISCUSSION

As seen from the process of this research, the ecotourism planning is need to survey the regions profile that suitable for ecotourism application, and also conduct to villagers and local governors about formulation of the opportunity and their participation on alternatives under the political strategy. This study starts from survey of attraction and policy instruction of the locality to setting alternative set of ecotourism development considering its environmental, economical and social aspects. The investigation of the ecotourism attractions were used the participatory mapping with spatially overlay method based on the local own natural, historical, cultural and recreational resources that assigned a map to see them together. It is adequate tool for decision makers and planners lack of the information see on the map. Moreover, visitors also can be getting real information from the map where, what have interesting, how access to there, and how it crosses from main camp so on. However, this section urgently requests the local‟s participation and good experienced field observation to well known about area profile otherwise it is difficult to mapping.

After identification of the resources needs to be plan the activities in the site area. Those attractiveness or organized activities in the destinations lead kinds of positive and negative impacts on


-124-

the various fields. Decision models on ecotourism planning are low researched to implement on local or governmental level (Kenan.O,). This study used the MCDA model based on the ELECTRE that suitable decision techniques to rank activities, locals might adopt their decision. However, some discussion points needed for using it. Firstly, selection of the evaluation members who can be help to generate criteria sets, their knowledge about region, and their experience or skill on the assessment that should be carefully selected. Because of primarily evaluation section, their participation is urgently important. There can be differences between peoples‟ weights because of their different perceptions or alternative sets. If they misunderstand the objective and definition of criteria or weight system, and change the own evaluation through the results of the model will be completely changes. The greater understanding of the decision, and their own and each others‟ perspectives gained through working together during the process was particularly important in this kind of study.

Second, ecotourism management planning is wide range solution there is not possible to use only one method or only one type of data set. It requests various types of data set and solution systems. ELECTRE is theoretically accepted method that mostly used on the environmental planning process, set of alternatives ranking, problem selection and engineering (R.Lahdelma. et.al, 2000; B.Vahdani, et.al, 2010; Alison.J,et.al, 2003;). An evaluation of the activities importance should concern the local environmental, economic and social aspects. Quantifying the importance of the criteria (weights), and the performance of the alternatives on the criteria (measures scores) are often regarded as a process or quantitative tool to assist with decision making by identifying the best alternative. Ranges between the best and worst possible performing alternatives on the criteria will affect peoples‟ weights and scores (Dooley.A.E. 2009). Similarly, results only apply to the set of alternatives being evaluated, or alternatives that perform in the same range as these systems. If another decision or set of alternatives apply it that required different criteria and weights because of the locality differences, professional skill et.al. Therefore it is not similarly use for other decision making.

Third, ecotourism activities in the case area are included wetland discovery, wildlife watching, hiking, mountaineering, horse riding, domestic farming, animal husbandry, hostelling, sand adventures and historic or culture tours within wilderness trail, staying in natural camp, studying about flora and fauna, simple bush walking, animal behaviour study, ecological and cultural studies. This village adoptable for the domestic farm tourism including the rural activities such as making dairy products of cheese, milk products and soft drinks and also picking and testing domestic apple, small apple and wine apples with local wineries and cooking with traditional food and it covers lot of information and culture exchange. While the urban population learns something from the villagers on nature, culture and farming, the villagers also learn many things from established friendship on living standard, education skill and insufficient income level.

To implement this new opportunity in the case area that takes time to applicable of ecotourism opportunity because of the new system, satisfaction of visitors, and locals‟ skill on the ecotourism application. It demonstrated the diversity of perspectives for local stakeholders on range of different fields such as agricultural and animal farming, nomadic culture, traditional lifestyle, historical interest and ecosystem or biodiversity resources so on. If local community and sanatorium operators work crossly and try to change the sanatorium practices by the ecotourism opportunity then it is essential that they understand what is important to those, how improve and facilitate the system. This is a very important development for the locality and country.

CONCLUSION

It is of main importance for the study, which ecotourism attractions and resources could be mapped from the participatory GIS application and the alternative ecotourism activities evaluated from the MCDA model. The result of analysis for the ecotourism attraction in the interested area has rich vast natural resources ranging from snow-capped mountains, comfortable valley, sand resort, useful rivers, and special orchard, dense of saxaul forest, abundant biodiversity, historical monuments and other places of heritages to vast desert areas, which have played important destinations for ecotourism development. In this section, we were collected complete information with fine accurate GPS, hand spectrometer and thermometer with many samples and questionnaires over the region that could be basic materials for this study and also future research works.

The selection of the best ecotourism activities in the site area was illustrated under ELECTRE model. Finally, alternative 3 (domestic farming) and alternative 12 (horse and camel riding) are best activities considering their environmental, economic and cultural importance. And then alternative 14 (Historic &


-125-

culture tour), 7 (Traditional movement), 8 (Hostelling & Guest), 11 (Sand bathing), and 10 (Animal husbandry) are followed the alternative 12. As result of these activities which are crossly related to the herders‟ daily activity those have high possibility to implement. The worst alternative was Mountairing, and follows Wildlife viewing, Wolf hunting and Rock & Mount climbing. Those activities are affecting negatively on their daily farmer system that‟s why it shows the negative result.

The activities mostly focused on environmental education, both economically, real lifestyle, and traditional experiences for visitors without sanatorium. Although, many of the foregoing sportive activities are possible to develop for nearest future in the project site based on the local eco-resources such as beach volleyball, mini golf, tennis, sand skiing, basketball, sand horse riding, bowling, etc.

According to much of positive impacts, high benefit generation and local availability founded to implement ecotourism activity. However, there is need to develop tourism management to attract large number of international and domestic tourists but also the planned site, recently has no accommodation for visitors, poorly developed road network and unskilled human capacity in the nearest town which is founded problems. In this area, tourism is also seasonally only in summer period because of the attractions and activities. For this condition, ecotourism may only affect the environment and social aspects for part of the year. Some activities lead to minimal impact on the environment but it isn‟t effective. Until now, Five Sand sanatorium is not threatened by any environmental changes without sand movement. Because, there are no industrial complexes in the near resort may when increasing number of visitors where become one point density and landscape pressure. This would be including the development of zoning system based on natural values and sensitivities in collaboration with local herds and organizing operators.

ACKNOWLEDGEMENTS

I am grateful to the all members of this research who participated from local area for helped to assess the ecotourism activities and also to mapping the local resources during the field observation. I am also thanks to my prof. H.Fukui, prof.R.Tsolmon and Mr.Y.Furuse from Falcon Company for their kindly advices on field work and research process. I would like special thanks to Prof. Kenan.Ok for his kindly advices on some section of this paper which is weighting and transforming values.

REFERENCES

1. Amartuvshin, D. (2009). From community to holiday camps: the emergence of a tourist economy in Mongolia. Shalini.S (Eds.), Domestic tourism in Asia: diversity and divergence (107-128). London: Earthscan.

2. Amgalanbaatar, S., & Reading. R.P. (2000). Altai argali. R.P.Reading and B.Miller, (Eds.) Endangered animals: conflicting issues (5-9). Westport,CT:Green Press.

3. Andrianto, L., Matsuda.Y., & Sakuma.Y. (2005). Assessing local sustainability of fisheries system: a multi-criteria participatory approach with the case of Yoron Island, Kagoshima prefecture, Japan. Journal of Marine Policy, 29, 9-23. doi:10.1016/j.marpol.2004.01.004

4. Backley, R., Ollenburg, C., & Zhong, L. (2008). Cultural landscape in Mongolian tourism. Journal of Annals of tourism research, 35, 47-61. doi:10.1016/j.annals.2007.06.007

5. Banerjee, U.K., Kumari, S., Paul, S.K., & Sudhakar, S. (2002, August). Remote sensing and GIS based ecotourism planning: A case study for western Midnapore, west Bengal, India. Paper published at the proceedings of Map Asia conference, Bangkok, Thailand.

6. Bavuu, Z. (2000). Ecotourism in Mongolia. T.Takashi (Eds), Linking Green Productivity to Ecotourism: Experiences in the Asian-Pacific Region (134-141).Tokyo, Japan.

7. Boyd, W.S., Butler, W.R., & Wolfgang, H. (1994) Identifying criteria and establishing parameters for forest based ecotourism in northern Ontario, Canada. Paper published at the proceedings of the Northeastern Recreation Research Symposium, New York, USA.

8. Caroline, J.S. (2001). The role of local development in protected area management: A comparative case study of eco-tourism in Costa-Rica (PhD dissertation). Retrieved from http://www.eco-index.org/search/pdfs/197report_1.pdf

9. Dithya,A. (2003). Ecotourism development plan for Anawilundawa wildlife sanctuary and Ramsar wetland (final report). Retrieved from ecotourism plan_adadiluwada.pdf (PDF, 2140 Kb)

http://www.eco-index.org/search/pdfs/197report_1.pdf

http://destinet.ew.eea.europa.eu/media_server/files/destinet/tools/fol403268/eco-destinet-library/library-material/ecotourism_plan_adadiluwada.pdf/ecotourism%20plan_adadiluwada.pdf

http://destinet.ew.eea.europa.eu/media_server/files/destinet/tools/fol403268/eco-destinet-library/library-material/ecotourism_plan_adadiluwada.pdf/ecotourism%20plan_adadiluwada.pdf


-126-

10. Dooley,A.E., Smeaton, D.C., Sheath, G.W., and Ledgard, S.F. (2009). Application of multiple criteria decision analysis in the New Zealand Agricultural Industry. Journal of Multi-Criteria Decision Analysis, 16, 39-53. doi: 10.1002/mcda.437

11. Eraqi, M.I. (2007). Ecotourism resources management as a way for sustainable tourism development in Egypt. Journal of Tourism analysis, 12, 39-49.

12. Fennell,D.A. (2002). Ecotourism programme planning. New York: Cabi 13. Fennell,D.A. (2008). Ecotourism 3rd edition. London and New York: T.J International.

14. Gillian, N.R., Peter, B., Peter, J.E., & Nirlaus, E.Z. (2008). Assessing land use statics to model

land cover change in a mountainous landscape in the European Alps. International journal of ecological modeling, 212, 460-471.

15. Golik,V.S. Matrix Method of Supporting Decision-Making. http://www.matrixmethod.com/matrixtheory.pdf

16. Goro, K., John, W.O., Jens, O., Gaetano, D.A., David, A.K., & Takafumi, M. (2006). The thenkher structure in the Gobi-Altai, Mongolia: Geomorphological hints of an impact origin. Journal of Geomorphology, 74, 164-180.

17. Handler, I. (2009). Profilling Taiwanese leisure travellers to Japan using a market segmentation approach. Keio SFC journal, 9, 53-63.

18. Huang,W.C., & Chen, C.H. (2005). Using the Electre method to apply and analyze the differentiation theory. Proceedings of the eastern Asia Society for Transportation Studies, 5, 2237-2249.

19. Hunter, C., & Shaw, J. (2006). Applying the ecological footprint to ecotourism scenarios. Journal of Environmental Conservation, 32(4), 294-304. doi:10.1017/s0376892906002591

20. Joubert, A., Stewart,T.J., & Eberhard,R. (2003).Evaluation of Water Supply Augmentation and Water demand Management Options for the City of Cape Town. Journal of Multi-Criteria Decision Analysis, 12, 17-25. doi:10.1002/mcda.342

21. Kenan, O. (2006). Multi Criteria Selection for Ecotourism planning in Igneada. Journal of Turk.J Agric, 30, 153-164.

22. Lahdelma,R., Salminen, P., & Hokkanen,J. (2000). Using Multicriteria Methods in Environmental Planning and Management. Journal of Environmental Management, 26, 595-605. doi:10.1007/s002670010118

23. Mendoza, G.A., & Prabhu,R. (2003). Qualitative multi-criteria approaches to assessing indicators of sustainable forest resource management. Journal of Forest Ecology and management, 174, 329-343.

24. Michael, S. (2008, February). Globalization and Ecotourism: how should Mongolia Utilize her Sightseeing and environmental resource. Discussion paper of Mongolia-Japan International Academic Symposium. Retrieved from WTO research center of Japan: http://www.wto.aoyama.ac.jp/aboutus/opinions.html

25. Namkhaijantsan, G., & Dulamsuren, D. (2006, June). Study of Geo-Gelio-Micro-Bio- Climate of Five Sand. Paper published in proceedings of Natural Sand and Ecology Sanatorium workshop, Ulaanbaatar, Mongolia.

26. Neba, N.E. (2009). Ecological Planning and Ecotourism Development in Kimbi Game Reserve, Cameroon. Journal of Human Ecology, 27, 105-113.

27. Nengwang, C., Huancheng, L., & Lihong,W. (2009). A GIS- based approach for mapping direct use value of ecosystem services at a country scale: management implications. International journal of ecological economics, 68, 2768-2776.

28. Ross, S., & Wall, G. (1999). Evaluating ecotourism: The case of North Sulawesi, Indonesia. Journal of Tourism Management, 20, 673-682.

29. Stephen,J.P & Dowling, R.K. (2002) Ecotourism. China: SWTC 30. Tsaur,S.H., Lin,Y.C., & Lin,J.H. (2006). Evaluating ecotourism sustainability from the

integrated perspective of resource, community and tourism. Journal of Tourism Management, 27, 640-653. doi:10.1016/j.tourman.2005.02.006

31. Yonglong, L. (1996). Eco-tourism industry development- An alternative to sustainable use of landscape resources. Journal of Environmental sciences, 8, 298-307.

http://www.wto.aoyama.ac.jp/aboutus/opinions.html


-127-

ESTIMATION OF FOREST STAND VOLUME AND BIOMASS USING AERIAL PHOTOGRAPH AND AIRBORNE LIDAR DATA

Taejin Park1, Zhen Xu1, Doo-Ahn Kwak1, Woo-Kyun Lee1*, Hyun-Kook Cho2, Seung-Ho Lee2 1Division of Environmental Science and Ecological Engineering, Korea University, Seoul, 136-701, Korea

2Korea Forest Research Institute, Seoul, 130-712, Korea * Corresponding author: Tel.: 02-3290-3016, Fax: 02-3290-3470, E-mail: [email protected]

Abstract Recently forest inventory information has been important with respect to forest management. In addition, for sustainable forest management, more information is needed, not only for planning future forest management, but also for recording the previous status of the forested area. Light Detection And Ranging (LiDAR) system can measure both vertical and horizontal forest structure because LiDAR system can describe voxels with z value under defined conditions. Therefore, it is possible to extract the forest growth factors such as tree height and crown width using LiDAR data after segmenting Digital Canopy Model (DCM). However, LiDAR data has limitation when it is separately used to estimate stand volume and biomass. Therefore, this study performed to estimate stand volume and biomass using percentile method which is appropriate method for applying stand level. The optimal percentile data is extracted by regression analysis with field data. For estimate stand volume and biomass in study area, wood basic density and biomass conversion and expansion factors (BCEF) is used. As a result, total biomass was estimated to 492,047.74 ton and biomass per hectare was calculated to 189.02 ton. In addition, we made a stand volume map and biomass thematic map based on estimated values.

2. INTRODUCTION

Forest inventory information has been important with respect to forest management. In addition, for sustainable forest management, more information is needed, not only for planning future forest management, but also for recording the previous status of the forested area (Koch et al., 2006). However, the traditional methods of investigating forest parameters such as tree heights, crown base heights, diameter at breast height (DBH), crown width, involve labor-intensive forest inventories, the incorporation of complex sampling designs, and supplementary work (Avery and Burkhart 1994; Shivers and Borders 1996).

Recently, optical remote sensing technique using aerial photographs and satellite imagery has supplemented and supplanted some of such field measurements. Using application of optical remote sensing technique makes the measurement of forest growth, ecology and environmental information about wide area be possible (Lefsky, 2002). However, the remote sensing using optical sensor except stereo-image analysis of forest has the limitation which is restriction for time and cost when stand information for three-dimensional vertical structure extracted (Kwak et al., 2007). Especially, LiDAR(Light Detection And Ranging) technique have been conducted for estimating stand volume and biomass of vegetation in internal and external research. Because LiDAR can acquire high resolution three-dimensional geographic data based on laser pulse transmission technique, data storage technique and the accuracy enhancement technique will be expanded to domain of forest measurement. (Chen et al., 2007). This strong point can describe forest growth factors such as tree height, crown based height, crown area and crown volume.

However, estimating stand volume and biomass using LiDAR data in individual tree level separately has limitation. Because work on individual tree level, it needs high point density to delineate boundary between individual trees and it is appropriate application in small scale area. In other words, when LiDAR data has wispy point density or has to apply in large scale area, it has limitation to perform estimation successfully. For solving this limitation, Ole and Erik suggested percentile method to estimate average stand tree height, dominant tree height, diameter at breast height, stand volume and tree number per hectare. Percentile data is represented by sorting every LiDAR returns from minimum value to maximum value which is assigned a rank. These percentile data can be used to analyze forest quantitative information like as a research of Matti et al. (2006). This study extracts forest growth factors by LiDAR percentile data, then provide the fundamental data for accuracy verification when estimating the stand volume and biomass. In addition, this study analyzes the quantitative information such as tree height, tree density, volume and biomass. Eventually it will develop a fresh method to apply in domestic situation.


-128-

3. MATERIAL

The study area was located on Gwacheon city in Korea (upper left 126˚26′6.20530″E 37˚13′07.86810″N and lower right 127˚14′3.8886″E 37˚11′03.649″N) (Fig. 1). In this study, Optech ALTM (Airborne Laser Terrain Mapper) 3070 (a small footprint LiDAR system) was used for acquisition of the LiDAR data, with the flight performed on October 2008. The study area was measured from an altitude of 1,000 m, with a sampling density of 0.946

Figure. 1 Location of study area and digital aerial photograph.

points per square meter, and the radiometric resolution, scan frequency, and scan width were 12 bits, 70 Hz, and ±25˚, respectively. The percentile data of each stands are used for estimating forest growth factors, because the point density of acquired LiDAR data was quite low for segmenting by individual tree level. The acquired LiDAR data was processed by TerraScan, eCognition, ArcGIS and ArcInfo Workstation. In this study, field work performed in 53 plots for collecting the forest growth factors such as tree number, tree height, forest type, tree species and diameter at breast height (DBH). The field work data was used in fundamental data when estimate stand volume and biomass.

3. METHOD

This study used field work data, aerial photograph and LiDAR data for estimating stand volume and biomass in forest of Gwacheon city. The aerial photograph was used for classifying deciduous stand area and LiDAR data was employed to generate stand height. Percentile data derived from LiDAR data is applied in estimated regression equation (Son et al., 2008). The biomass of deciduous stand area is calculated by stand volume and tree numbers surveyed in field work. 3.1 Classification of forest type using aerial photograph

In order to classify forest type, the aerial photograph was conducted by multi-resolution method of eCognition program. When classification was performed, scale value, shape value and compactness value were defined as an optimal classification by comparing accuracies of each classification which was set arbitrarily. The result of classification was partitioned into two groups using hierarchical classification method: forest area and non-forest area. Then the deciduous area and coniferous area were classified by spectral value. However, aerial photograph included no NIR band made some classification errors. To remove these errors, this study implemented reclassification by naked eyes. 3.2 Extraction of stand height using LiDAR data

For generating a digital terrain model (DTM), digital surface model (DSM), and digital canopy model (DCM), the LiDAR data was classified into ground returns and canopy returns. Ground returns are LiDAR returns reflected by the ground, which were extracted using the TerraScan software‟s automatic procedure. The DCM was computed by subtracting the DTM, as a representation of the ground area, from the DSM, as a representation of the surface of the crowns. The generated DCM was segmented to relatively have uniform stand height using multi-resolution method of eCognition. When performed segmentation, scale, shape and compactness were defined as 80, 0.1 and 0.1 respectively.


-129-

The percentile data was extracted by sorting returns from the lowest return to the highest return in each classified stand (Figure 2). From among these percentile data, 90th percentile data which is the most relative with average stand volume was chosen according to research

Figure. 2 Organization of Percentile data in acquired LiDAR data.

Table. 1 Result of field survey in deciduous area.

Type Coniferous Deciduous

Total tree number 150 178

Area(ha) 0.16 0.4

Tree number per hectare 937.5 445

of Korea Forest Research Institute (2009) and it applied to stand volume estimated regression equation with tree numbers surveyed from 53 sample plots (Table 1). 3.3 Estimation of stand volume and biomass using percentile data

When estimating biomass in small scale area, diameter at breast height and tree height are used. While in large scale area, stand volume is used for estimating biomass in stand level. (Kim et al., 1998). The LiDAR data used in this study was more appropriate to be processed by stand level method. Thus, this study conducted estimation of stand volume using LiDAR percentile data. The percentile data derived from LiDAR data was calculated by estimated regression equation developed by Son et al.(2008) (Equation 1).

( ) (1) Average biomass in individual tree level was calculated by substituting based on wood basic density

(WD) and biomass expansion factor (BEF) which were suggested by Korea Forest Research Institute (2008). This study performed calculation included individual tree volume derived from LiDAR data, WD, surveyed tree numbers and BEF (Equation 2).

( ) ( ) (2)

4. RESULT

The classification result in Gwacheon forest area showed 5,841 stands which occupied 5,203.93 ha. In these stands, coniferous was represented in 1,553 stands, 2,600.91 ha, and deciduous was 4,288 stands, 2,603.02 ha (Figure 3a). And field work in 53 sample plot of study area was shown that coniferous was 937.5 trees per hectare and deciduous was 445 trees per hectare (Table 1). It showed that the coniferous forest type was more densely than deciduous forest type. In figure 3b, stand volume tend to be located in east-south area of this city. Because east-south area is occupied deciduous type more predominant than coniferous type. As the result of estimating biomass based on extracted stand volume


-130-

(Figure 3b), total biomass was 492,047.74 ton and biomass per hectare was 189.02 ton. Figure 3c shows biomass distribution. Also biomass represented tendency like as stand volume, because biomass was calculated from WD and BEF related with stand volume.

Table. 2 Definition and coefficient for calculating biomass.

Type Definition coefficient

Coniferous Deciduous

Wood basic density (WD) Dry weight(g)/Volume(㎤) 0.47 0.65

Biomass expansion factor (BEF) Above biomass /Stem biomass 1.29 1.22

(a) (b) (c)

Figure. 3 (a) Result of tree species by segmentation and classification, (b) Map for representing the stand volume, (c) Map for representing the biomass.

5. CONCLUSION

Consequently, this study described forest type, stand volume and biomass thematic map using aerial photograph and LiDAR percentile data. However, this study simply estimated stand volume and biomass, while it didn‟t conduct additional research as verification. In other words, further work will definitely need accuracy verification between estimated value and surveyed value. And when we will perform the correlation analysis and the accuracy verification between forest growth factors and percentile LiDAR data, we can ascertain which percentile data is more relative with true value.


-131-

REFERENCE

1. Avery, T.E. and Burkhart, H.E, 1994. Forest measurements, 4th edn, McGraw–Hill, Boston, USA.

2. Chen, Q., Gong, P., Baldocchi, D. and Y.Q. Tian. 2007. Estimating basal area and stem volume for individual trees from LiDAR data, Photogramm Eng Remote Sens, 73: 1355-1365.

3. Kim, K. H., Kim, Y. S., Kim, C. S., Baek, E. S., Son, Y. M., Song, J. H., Lee, G. S., Lee, K.

H., Lee, J. K., Jung, J. H., Ju, R. W., 1998. Greenhouse gas reduction plan for forest, Korea Forest Research Institute, 143: 3-25.

4. Koch, B., Heyder, U. and Welnacker, H, 2006. Detection of individual tree crowns in airborne LiDAR data, Photogrammetric Engineering and Remote sensing, 72: 357–363.

5. Kwak, D. A., Lee, W. K., Lee, J. H., Biging, G. S. and P. Gong. 2007. Detection of individual trees and estimation of tree height using LiDAR data, The Japanese Forest Society, 12: 425-434.

6. Lefsky, M. A., Cohen, W. B., Parker, G. G., Harding, D. J., 2002. LiDAR remote sensing for ecosystem studies. BioScience. 52(1):19-30.

7. Malhi, Y., Meir, P. and Brown, S, 2002. Forests, carbon and global climate, Philosophical Transactions of the Royal Society of London, A360(1797): 1567– 1591.

8. Matti, M., Kalle, E., Petteri, P. and Juha H., 2006. Estimation of stem volume using laser scanning-based canopy height metrics, Institute of Chartered Foresters, 79(2): 217-229.

9. Ole, M. B. and Erik, N., 2007. Estimating percentile-based diameter distributions in uneven-sized Norway spruce stands using airbone laser scanner data, Scandinavian Journal of Forest Research, 22: 33-47.

10. Shivers, B. D. and Borders, B. E., 1996 Sampling techniques for forest resource inventory. Wiley, New York, USA.

11. Son Y. M., Lee, K. H., Park, Y. K., Kim, R. H., Kwon, S. D., 2008. Management plan for absorption and emission of green house gas in part of forest, Korea Forest Research Institute, Seoul, Korea.


-132-

HUMAN IMPACT ON LAND COVER CHANGES IN MONGOLIA

Tsolmon Renchin NUM-ITC-UNESCO Remote Sensing/GIS Laboratory, National University of Mongolia

E-Mail: [email protected], [email protected]

Summary This research project was designed to investigate the dynamics of land use and land cover change in Mongolia, particularly related to the impact of humans on the natural environment. Firstly, we collected in situ land cover data during ground truthing surveys for remote sensing data analysis. Then we assessed temporal changes in land use and land cover using multiple methodologies for spatial analysis. Secondly, Tuv and Darkhan provinces were selected for critical study, and we examined the relationship between land use change and socioeconomic factors. Landsat, MODIS EVI, climatic, and social data were integrated in this research work. Results indicate that increased human activity negatively impacts vegetation cover. We also found that economic growth resulted in the expansion of urbanization, recreation, mining, and agriculture. Further research is needed to characterize land patterns and classify vegetation types remotely in Mongolia. Improved data collection, methodologies, and national collaboration are necessary to answer more complex questions.

INTRODUCTION

During Mongolia‟s transition to a free market, socio-economic factors such as poverty and profit-

seeking have greatly increased small and large scale mining activities resulting in exploitation of the environment in Mongolia. This has contributed to the regional environmental deterioration related to the loss of biodiversity, increased land degradation and increased livelihood and social vulnerability. Land degradation in the study areas of Mongolia, as well as in other arid areas, is a serious problem that threatens Mongolia‟s sustainable development. The loss of regional economic activities has caused migration from the rural areas into urban centers. This has been coupled with significantly decreased cropland areas, increased pasture degradation, reduced surface and ground water, increased water pollution, and has generally exacerbated desertification pressures combined with drought and dust storm processes.

However, few research projects have been undertaken on factors that increase pasture production, improve water issues for herders and reduce land degradation and monitor land use in the selected areas of the project.

It is therefore important to examine and document the land cover change and the activities related to human induced land degradation, particularly those activities concerning herder decision making related to intensive land-use practices, and to encourage land conservation measures in general. Information and knowledge on sustainable development is important for developing countries like Mongolia, particularly those factors related to land cover change. Mongolian land cover/use includes vegetation and man-made features as well as bare rock, bare soil and inland water surfaces. In this project Land Change Science (LCS) has emerged as a foundational element of sustainability science. LCS methods employ satellite remote sensing and geographic information system (GIS) technologies to monitor interactions and relationships between environment and society. The two sites were selected as the study area as most of the area‟s land surface is managed as pasture land, which means coupled human-environment systems are mainly limited to land degradation in the context of one land use system. Changes in land cover and its implications for global environmental change and sustainability are a major challenge for the human-environmental sciences (Turner et al. 2007; Millennium Ecosystem Assessment, 2005). The assessment of land cover within Land Change Science (LCS) can be generally subdivided into four categories: deforestation, desertification, agriculture and urbanization. Global land use change associated with these four categories can affect, amongst other things, food production, forest resources, regional climate and air quality, habitats and biodiversity, water flow and quality, and carbon sequestration (Foley et al. 2005).

Lepers et al. (2005) mapped global desertification or dry land degradation for the period 1980-2000. They used pre-existing remote sensing data on vegetation degradation, water and wind erosion, and




-133-

chemical and physical deterioration processes to identify areas influenced by desertification. We briefly review LCS linkages to landcover mapping in this report.

Study area and socioeconomic characteristics

The study area as selected from the different vegetation types. Tuv and Darkhan provinces were selected for critical study. The Darkhan province is located in the northern part of the country, between 470-490N and 1040-1070E. Tuv province is one of the central provinces of Mongolia, between 460-480N and 1050-1080E. Human activity negatively impacts vegetation cover in the two provinces. The big expansion of urbanization in Darkan province and informal mining in Tuv province has resulted in increased land degradation of landscapes. In some parts of the study area are depleted mine sites undergoing rehabilitation. Landfills are covered with topsoil and vegetation is planted.

Figure 1. Study area

DATA

Satellite data

The Landsat TM, ETM+ images present the primary source of data for land cover/use mapping and change detection of the two study areas. Six Landsat images between years 1989 and 2006 were used in this research (Table 1).

Moderate Resolution Imaging Spectroradiometer (MODIS) 250 m Enhanced Vegetation Index (EVI) products were used for the analysis vegetation condition between the years 2001 and 2006 .The MODIS EVI products have several advantages suitable for regional land cover mapping. The newly launched sensors of MODIS offer a unique combination of spectral, temporal, and spatial resolution in comparison to other global sensors.

Climate and Socio economic data

Several studies have dealt with climate controls on primary vegetation production in Mongolia. These studies focused on the water component as the major climate constraint as identified by Nemani et al. (2003). For example, Ni (2003) and Li et al. (2007) showed that relationships existed between vegetation production and both precipitation and evapotranspiration in Mongolia. Both Miyazaki et al. (2004) and Munkhtetseg et al. (2007) demonstrated the influence of climate on vegetation production in the growing-season. Both studies showed that precipitation in July had the greatest influence on vegetation production. Furthermore, other studies (Zhang et al. 2005; Munkhtetseg et al. 2007) concluded that air temperature had a negative influence on vegetation production, especially in drier regions and in dry years.

According to the above research, temperature and precipitation has influences on vegetation type for the study areas. We collected climate and socio economic data from the two sites including population and livestock numbers, precipitation and temperature. Land cover classification methodology

Instrument Date Path Row

TM 8/21/1989 P132 R26

ETM+ 9/21/2000 P132 R26

ETM+ 9/10/2002 P132 R26

ETM+ 8/31/2001 P131 R27

ETM+ 8/26/2005 P131 R27

TM 8/5/2006 P131 R27

Table 1. Landsat imagery


-134-

In order to make land cover classification, first an atmospheric COST correction (formulas 1and 2) was applied to all landsat images.Figure2 describes an example result of applying COST correction to Landsat image. Radiance conversion:

Lsat = bias + gain * DN (1) atmospheric correction for TM data Lsat = ((LMAXλ - LMINλ)/(QCALMAX-QCALMIN)) * (QCAL-QCALMIN) + LMINλ (2 )

atmospheric correction for ETM+

Figure 2. Before Atmospheric correction After Atmospheric correction

Secondly, for making land cover legends we selected 6 main classes; Tree Dominated (needle leaved, broadleaved, mixed), Shrub Dominated (broadleaved, needle leaved, mixed), Herbaceous Dominated, Bare Land and Sparse Vegetation, Permanent Snow and Ice Water. The main classes have a detailed land cover legends (Table 2). Table 2. Detailed land cover legends

B Bare BS Bare sparse HC Herbaceous closed HO Herbaceous open SC Shrub closed SO Shrub open TDBC Tree Deciduous Broadleaf Closed TDBO Tree Deciduous Broadleaf Open TDNC Tree Deciduous Needleleaf Closed TDNO Tree Deciduous Needlelead Open TMC Tree Mixed Closed TMO Tree Mixed Open W Water

After accuracy assessment, landcover changes were estimated for each study area (table 3 and table 4)

Herbaceous class is increasing and the most dominant while bare class is decreasing significantly in both areas. Shrubs is decreasing due to expansion urban and transportation by year 2006. (Table 5 and Table 6).

The distribution of the accuracy assessment points for each scene is 561 and 627 respectively for Darkhan province and Tuv province. The accuracy assessments are presented in Table 3 and Table 4. The results show that the overall accuracy of land cover classification is 78% and 88 % respectively for the two scenes.


-135-

Figure 3. a) Land cover classification of Darkhan province (LANDSAT Image, Path 132 Row 26, 21 August 1989;

b) Path 132 Row 26, 21 September 2000 c) Path 132 Row 26, 10 September 2002)

Figure 4. a) Land cover classification of Tuv province (LANDSAT Image, Path 131 Row 27, 31 August 2001 b) LANDSAT Image, Path 131 Row 27, 26 August 2005 c) LANDSAT Image, Path 131 Row 27, 5 August 2006)

a) b)

c)

b) a)

c)


-136-

Table 3. Full Classification Accuracy Assessment (Darkhan Province, Path 132 Row 26)

Table 4. Full Classification Accuracy Assessment

Table 5. Land cover change in Tuv Table 6. Land cover change in Darkhan province

Path 132 Row 26

Aug, 1989 (area, km2)

Sep, 2000 (area, km2)

Sep, 2002 (area, km2)

Barren 10669 8229 347 Herbaceous 19486 19195 27820 Shrubs 1441 3872 1308 Trees 2648 2948 4802 Water 56 57 23 Sum 34301

Path 131 Row 27



Aug, 2006(area, km2)

Barren 3810 2840 1887 Herbaceous 17075 17434 18596 Shrubs 3802 2653 2903 Trees 9566 11336 10885 Water 48 38 29

Sum 34301


-137-

Figure 5. Enhanced Vegetation Index change over years 2001-2006

MODIS Enhanced Vegetation Index time series data during the month of August from the years 2001-2006 were used for the analysis of vegetation and related to the socioeconomic and climate data (Figure 5). We looked at the relationship of EVI to temperature ( r2=0.13), precipitation (r2= 0.36) population (r2=0.29) and livestock ( r2=0.09) in Tuv province (Figure 6) and relationships of EVI to temperature (r2=0.38), precipitation (r2=0.0001), population (r2=0.47) and livestock (r2=0.05) in Darkhan province (Figure 7) in order to demonstrate the influence of climate and socioeconomic factors on vegetation. The results show that population has a negative relationship to EVI in both areas. This means that the vegetation in highest in areas with the lowest levels of population.

Livestock has positive relationships with vegetation in both scenes. This is interpreted to reflect that the common livestock management strategy is to increase total stocking rates in relation to increasing levels of vegetation. Furthermore, increasing temperature negatively influences vegetation in both areas. In general, population has negative relationship with vegetation. Population was defined to represent the number of „ninja miners‟ in the area. Ninja mining is a form of informal mining in Mongolia wherein individuals dig small unauthorized mines in search for gold. This means that the overall study area‟s vegetation was affected by these human activities. As Ninja Mining is having a negative effect on pasture land, nomadic herders have to move more frequently to find land for their livestock to graze on due to the reduced amount of pasture.

MODIS EVI vegetation change

Vegetation indices (VI's) have

emerged as an important tool in the

monitoring, mapping, and resource

management of the Earth's terrestrial

vegetation. Vegetation indices (VI) have

been used since the late 1960s, with a

continual evolution of new types of VIs

and their uses. VI‟s serve as useful

indicators for seasonal and inter-annual

variations of vegetation and resultant

climatic and anthropogenic influences on

the environment.

Enhanced vegetation index (EVI) was

developed to optimize the vegetation

signal with improved sensitivity for high

biomass regions and improved

monitoring through de-coupling of the

canopy background signal and reduction

of atmospheric influences. The EVI is

represented by the following equation:

http://en.wikipedia.org/wiki/Mining

http://en.wikipedia.org/wiki/Gold

http://en.wikipedia.org/wiki/Nomadic


-138-

Figure 6. The relationships between vegetation, climate and socio economic data, where is the a) temperature, b) precipitation, c) population, and d) livestock (Tuv province)

Figure 7. The relationships between vegetation, climate and socio economic data, where is the a) temperature, b) precipitation, c) population, and d) livestock (Darkhan province)

Conclusions and Recommendations

The research project provides a dataset with ground truth data in association with Remote Sensing/GIS data for the analyses of land cover change in the two selected provinces of Mongolia. Land cover classification and ground truthing exercises incorporated different vegetation zones in the region; and identified areas affected by desertification pressures, such as land degradation linked to mining and pasture overgrazing. Land cover change assessment found that changes were largely attributed to urban expansion and bare land. The approach of the project combined thematic collection land cover data and GIS data as well as continuous topographic and multitemporal-multisensor-satellite data with atmospheric correction.

Land degradation is extremely affected by climate change and human activity has become one of significant risk to the modern society. The most prevalent human activity in the study areas is animal husbandry, characterized be livestock grazing and mining. The produced land cover maps will contribute in managing to develop pastoral animal husbandry, agriculture, urban and regulation of mining activities.


-139-

To validate the products either substantial in situ observations are needed or more limited field sampling coupled with very fine resolution imagery at resolutions from 1 – 5m.

We are also seeking more opportunities for building and distributing integrated geospatial data sets in other region of Mongolia.

ACKNOWLEDGEMENTS

We would like to thank APN for support this project. We express our special thanks to Olga Krankina and Peder Nelson from Oregon University, USA for their valuable advises. We wish to thank Landsat and MODIS center for providing data.

REFERENCES

Lepers, R., Lambin, E.F., Janetos, A.C., DeFries, R., Achard, F., Ramankutty, N., Scholes, R.J. (2005) A Synthesis of Information on Rapid Land-cover Change for the Period 1981–2000. Bioscience, 55, 115-124. Li , S., Asanuma, J., Kotani, A., Davaa, G. and Oyunbaatar, D. (2007) Evapotranspiration from a Mongolian steppe under grazing and its environmental constrains. Journal of Hydrology, 333, 133-143 (MIA) Millennium Ecosystem Assessment. (2005) Ecosystems and Human Well- being: Desertification Synthesis. World Resources Institute, Washington, D.C.. Foley, J.A., DeFries, R., Asner, G., Barford, C., Bonan, G., Carpenter, S.R., Chapin, F.S., Coe M.T., Daily G.C., Gibbs H.K., Helkowski, J.H., Holloway, T., Howard, E.A., Kucharik, C.J., Monfreda, C., Patz, J.A., Prentice, I.C., Ramankutty, N. and Snyder P.K. (2005) Global Consequences of Land Use. Science, 309, 570–573.

Miyazaki, S., Yasunari, T., Miyamoto, T., Kaihotsu, I., Davaa, G., Oyunbaatar, D., Natsagdorj, L. and Oki, T. (2004) Agrometeorological conditions of grassland vegetation in central Mongolia and their impact for leaf area growth. Journal of Geophysical Research, 109, D22106.

Munkhtsetseg, E., Kimura, R., Wang J. and Shinoda, M. (2007) Pasture yield response to precipitation and high temperature in Mongolia. Journal of Arid Environments, 70, 94-110. Nemani, R.R., Keeling, C.D., Hashimoto, H., Jolly, W.H., Piper, S.C., Tucker, C.J., Myneni, R.B. and Running, S.W. (2003) Climate-Driven Increases in Global Terrestrial Net Primary Production from 1982 to 1999. Science, 300, 1560-1563. Ni, J. (2003) Plant functional types and climate along a precipitation gradient in temperature grasslands, north-east China south-east Mongolia. Journal of Arid Environments, 53, 501-516 Turner II, B.L., Lambin, E.F. and Reenberg, A. (2007) The emergence of land change science for global environmental change and sustainability. Proceedings of the National Academy of Sciences, USA, 104, 20666-20671. Zhang, Y., Munkhtsetseg, E., Kadota T., and Ohata, T. (2005) An observational study of ecohydrology of a sparse grassland at the edge of the Eurasian cryosphere in Mongolia. Journal of Geophysical Research, 110, D14103. (Foley et al. 2005).


-140-

CLIMATE CONDITIONS AND DESERTICATION IN MONGOLIA

N.Tugjsuren, G.Enkhjargal and E.Orolmaa Mongolian University of Science and Technology

E-mail:[email protected], [email protected], [email protected]

Abstract World climate change and global warming became one of the causes to have low precipitation in Mongolia. As a result, the intensive desertification were causing damages to our economy and society, as well as environment in Mongolia. The main factors affecting land degradation and desertification of land are reduction of precipitation due to the climate change, increase in transpiration, reduction of water supply, thus leading to poor vegetation. The focus of this study is: to analyze present and near future tendency of degradation and desertification of the drylands of Mongolia. Key words: desertification,climate change trends, trends in temperature and precipitation changes, drylands.

1. INTRODUCTION.

Climate changes is one of the most complex and critical problem facing today. In Mongolia the ecosystems are specially fragile because of its relatively high altitude and continental climate. Under these conditions the ongoing climate change, which is characterized by global warming and more extreme weather conditions, is expected to have specially strong impacts increasing the vulnerability to desertification. Researchers point that changes with more than 2.00C in the world‟s outer surface mean air temperature would bring serous damages to the world ecosystem. The climate of Mongolia is harsh continental with sharply defined seasons, high annual and diurnal temperature fluctuations, and low rainfall. Because of high altitude and latitude, it is generally colder than of other countries of the same latitude. According the last 60 years meteorological observation an average annual temperatures are around 8.50C in the Gobi and -7.80C in the high mountains areas. The extreme minimum temperature is -31.10C to -52.90C in January and the extreme maximum temperature is +28.50C to +43.10C in July. The annual precipitation amount is low, averaging 200-220 mm and ranging from less than 50 millimeters per year in the extreme Gobi desert region to 400millimeters per year in limited areas in the North. Most precipitation occurs in June, July and August; the driest months are from November to March. For instance, Mongolia‟s mean air temperature is expected to increase on average by 1.4-1.50C in 2010-2039, by 2.4-2.80C in 2040-2069, and by 3.5-5.00C in 2070-2099. The total annual precipitation is estimated to be reduced by 4.0% in 2010-2039, and be increased by 17.5-22.8% in 2040-2069.Due to the climate changes, the intensification of desertification and major ecological transformation will occur. The land where snow coverage lasts for over 50 days, the annual mean air temperature is below 00C, takes up about 62% of Mongolia‟s total land; however, there is a probability that given seasonal and climatic changes, by 2025 the total area covering permafrost will account for 43-46%, by 2050 account for 31-35%, by 2080 reduce to 27%. Several researchers have suggested that by 2025 the permafrost area will be reduced from 14% to 3.1-4.4%s, and to o.5-0.6%s by 2050 and eventually permafrost will remain only in the mountainous areasIn 1996, Mongolia became a signatory to the UN Convention on Combat Desertification with Regional Implementation Annex for Africa; thus the Government has started reflecting on issues of combating desertification and minimization its negative effect in government policies, programs and planning, and taking measures accordingly. Desertification is defined as "land degradation in arid, semi-arid and dry sub-humid areas, resulting from various factors, including climatic variations and human activity (definition by United Nations' Convention to Combat Desertification, UNCCD). National Program on Combating Desertification which was approved with the Government Decree of 1996, has renewed by Government Decree of 2003 and was implementing the program in three phases (first phase, 2003-2007, second phase 2008-2011, and the third phase, from 2012) . Activities to combat desertification were regulated by Government policies in parallel with principles adopted by international organizations and foreign countries. The main objective of the National Program on Combating Desertification is to minimize negative effects of desertification, which were caused and intensified by climate change and human improper activities. The results of continuous study on Mongolia‟s climate reveal that on a average the air temperature on surface from 1940 to 2009 has become warmer by 2.10C throughout the whole territory; by 1.9-2.30C in the mountainous regions; and 1.60-1.70C in Gobi and steppe regions.



http://www.unccd.int/science/menu.php


-141-

Figure 1. Annual mean air temperature trend, 1940-2009

The warmer climate was observed in all seasons; however, the colder seasons of the year had temperature increases of 3.60C, spring and fall seasons had temperature increases of 1.80-1.90C. In summer season, the temperature increase was 1.10C Rapid increases in the air temperature in warmer seasons and no significant increases in the level of precipitation are the main reasons for desertification in Mongolia.

3. RESULTS AND DISCUSSION.

Presently 10-20% of world dry lands is affected by desertification (Millennium Ecosystem Assessment-2005). Re-development of desertification map and evaluation work of the desertification process in Mongolian dry territories was conducted by researchers of Geo-Ecological Institute of Mongolian Acvademy of Sciences (GEI, MAS) and they concluded that 77.2% of total territory was affected by desertification at low, medium and strong levels. According to the study, the total area affected by desertification was increased year by year (table 1)

Table 1. Intensity of desertification (1990, 2004 and 2007)

Kategory of desertification

Territorial coverage, by % 1990 2004 2007

Areas exposed to weak desertification 76.0 34.9 16.5 Areas exposed to modest desertification 20.0 38.7 37.2 Areas strongly affected by desertification 3.0 16.1 34.0 Intensive desertification 1.0 1.8 7.0 Arid areas - 8.5 3.8 % of arid land that have become desert 41.3 44.7 44.7

Worldwide climate change and global warming became one of the causes to have low precipitation in Mongolia. As a result, the intensive desertification were causing damages to our economy and society, as well as environment. The main factors affecting land degradation and desertification of land are reduction of precipitation due to the climate change, increase in transpiration, reduction of water supply, thus leading to poor vegetation. In the resent years, with the increase in number of livestock, changes in the composition of livestock and increased herders interest to raise goats for the purposes of cashmere, pastureland degradation is on the increase. In the last two decades in particular, number of livestock growth in Mongolia has been very rapid, bringing great pressures to lands. Besides such factors, the reduction in precipitation, drying out of rivers and streams, lack of water supply for agricultural purposes has led to the increased centralization and pasturing of herder families around water points and subsequent overgrazing. A lack of local government intervention for pastureland management has also contributed to desertification and land degradation.

The Intergovernmental Panel on Climate Change (IPCC) concluded that, although there are substantial uncertainties, global warming could have important detrimental effects on agriculture, forestry, natural ecosystems, water resources, human settlements, and coastal protection. The priority aim must be the reduction of uncertainties related to the impacts of climate change so that the necessary adaptation measures can be properly targeted (IPCC, climate Change 1995). Based on the impact assessment, the response measures to mitigate the adverse effects of climate change have been identified for the most vulnerable to any changes in climate, natural resources and economic sectors in Mongolia. Due to the country‟s high sensitivity to any changes in its climate, implementation policies and strategies of response measures to adapt to potential climate change would not only be necessary to meet


-142-

obligations under the UNFCCC, but would also provide inputs for national sustainable development concepts. Identified adaptation measures that could be undertaken by the Government are:

Improving legislative mechanisms for pasture use, focusing on local communities and increase public awareness and educate herdsman on the most important climate change impacts and their consequences,

Develop rangeland and livestock management systems based on pastoral practice and modern technology and improving pasture water supply in order to avoid the concentration of animals around certain water sources

4. CONCLUSIONS

1. Rapid increases in the air temperature in warmer seasons and no significant increases in the level of precipitation are the main reasons for desertification in Mongolia.

2. The main factors affecting land degradation and desertification of land are reduction of precipitation due to the climate change, increase in transpiration, reduction of water supply, thus leading to poor vegetation. In the resent years, with the increase in number of livestock, changes in the composition of livestock and increased herders interest to raise goats for the purposes of cashmere, pastureland degradation is on the increase.

3. In the last two decades in particular, number of livestock growth in Mongolia has been very rapid, bringing great pressures to lands. Besides such factors, the reduction in precipitation, drying out of rivers and streams, lack of water supply for agricultural purposes has led to the increased centralization and pasturing of herder families around water points and subsequent overgrazing. A lack of local government intervention for pastureland management has also contributed to desertification and land degradation.

4. The evaluated adaptation measures to prevent possible impacts of climate change in cropland field and pasture land include land management such as change of land use patterns to reduce soil loss caused by wind and water erosion

5. REFERENCES

1. Kharin N., Tateishi R. Degradation of the drylands of Asia. 1999, Center for Environmental Remote sensing, Chiba University, Japan

2. Mongolian national action programme on climate change, Ulaanbaatar, 2000 3. Tugjsuren N. Degradation and desertification of the drylands of Mongolia, IFOST 2009,

Proceedings of the International Forum on Strategic technologies, Oct.21-23, Ho Chi Minh City, Wietnam, 2009

4. Tugjsuren N. Development of methods to combat desertification in Mongolia. Scientific transactions of Mongolian University of Science and Technology, 2005, №9(80), х 156-162

5. Tugjsuren N., Bulgan G., Galsan P. Desertification study in Gobi-steppe region by integrated optical and radar satellite images. Proceeding of First International WorkshopOn Land cover study of Mongolia using Remote Sensing, 2004, p 67

6. Tugjsuren N., Batbayar J. Satellite detection of the atmospheric aerosol for some region of Mongolia. First National Conference on RS and GIS applications, Ulaanbaatar, 2005, May 02-03, p 77-82

7. Tugjsuren N., Batbayar J. Dust storm monitoring using Modis Terra data in arid and semi- arid region of Mongolia. ШУТИС-ийн Эрдэм Шиннжилгээний Бүтээл (Scientific transactions of Mongolian University of Science and Technology), 2005, №9(80), 117-124

8. T.Takamura.,T.Karasuyama T.,Takenake H., Tugjsuren N. Annual variation of aerosol optical thickness derived from PAR observation in Mongolia. The 2nd International Conference on Land cover /Land use study using Remote Sensing /GIS and the GOFC-GOLD regional capacity building meeting in Mongolia, 8-9 June 2006, Ulaanbaatar, Mongolia

9. ESCAP, UNEP, National Plan of Action to Combat Desertification in Mongolia, 1992. 10. National report of Mongolia for UNCED, 1991


-143-

ДАРХАН – УУЛ АЙМГИЙН НУТАГ ДЭВСГЭР ДЭЭРХ АГААРЫН ТЕМПЕРАТУРЫН ГОРИМ

Э. Оролмаа, Н.Түгжсүрэн Шинжлэх Ухаан, Технологийн Их Сургууль

E-mail: [email protected] [email protected]

Хураангуй Дархан – Уул аймгийн нутаг дэвсгэр дээр агаарын температур, чийгшлийн жил, улирал, сарын горим хэрхэн хувьсч байгааг тодорхойлох зорилгоор

Дархан –Уул аймгийн “Ус Цаг Уур, Орчны Шинжилгээний Газрын сүүлийн 10 жил (2000–2009)”- ийн хэмжилт судалгаа”-нд дүн шинжилгээ хийж зарим дүгнэлтийг гаргав. Дархан – Уул аймгийн нутаг дэвсгэр дээр агаарын температур, харьцангуй

чийгийн хувьслын сүүлийн 10 жилийн судалгаанаас үзэхэд, жилийн дундаж температур өсч улмаар агаар хөрс ихээхэн хуурайших үзэгдлийн давтамж өмнөх 10 жилтэй харьцуулахад ихсэж буй бодит байдал тод илэрч байна. Үүнийг юуны өмнө

дэлхийн дулаарлын Монгол орон дахь бодит тусгалтай шууд уялдаа бүхий уур

амьсгалын өөрчлөлттэй холбон үзэж байгаа болно. Түлхүүр үг: дэлхийн дулаарал, агаарын бохирдол, агаарын температур, харьцангуй чийг, хүлцэх агууламж

ОРШИЛ

Дэлхийн уур амьсгалын өөрчлөлт, дулаарлын нөлөөгөөр агаар ба хөрсний чийг, дулааны

горим, шим мандал дахь бодисын эргэлт, тэнцвэрт байдал, цаг агаарын үзэгдэл, түүний явцын

горим, эрчимшил болоод давтамжид ихээхэн өөрчлөлт гарч хүн төрлөхтний өмнө “аюулын дохио” өгсөөр байгааг анхаарахгүй байж болохгүй юм. Иймд дэлхийн олон улс орны эрдэмтэн

судлаачид агаар мандалд явагддаг янз бүрийн физик процессын хуульзүйг улам сайн мэдэх, аюулт үзэгдэл нүүрлэх хийгээд давтагдах магадлалыг урьдчилан харах, өөр хоорондоо нарийн нийлмэл хэлхээ холбоо бүхий олон үзэгдлийн зүй тогтлыг нарийвчлан судлах зорилгоор орчин үеийн багаж төхөөрөмжөөр иж бүрэн тоноглосон хиймэл дагуул, хөлөг онгоц хөөргөх, далай тэнгис болон хуурай газрын янз бүрийн цэгт суурин хийх хэмжилт судалгааны том том

лаборатор-төвүүдийг байгуулж дангаар болон сүлжээ үүсгэн судлах ажлыг нэн эрчимтэй хийж

байна. Дэлхийн дулаарал Монгол орны уур амьсгалд нөлөөлж хүчтэй эхэлсэн нь манай эрдэмтэн судлаачдын хийсэн судалгааны дараахь дүгнээс тод харагдаж байна. Манай судлаачдын сүүлийн

60 гаруй жил(1940-2007)- ийн агаарын температурын хэмжилтийн бодит мэдээнд тулгуурлан хийсэн судалгаа дүгнэлтээр, Монгол орны нийт нутгийн хэмжээнд агаарын температур дундажаар 2.10С-ээр нэмэгдсэн бол хүйтний улиралд 3.60С-ээр, дулаан улиралд 1.80С- 1.90С-ээр тус тус дулаарсан байна. Түүнчлэн нарийвчилсан судалгаагаар, энэхүү дулаарлын хэмжээ бүс нутгаар

ялгаатай, тухайлбал; уулархаг нутагт 1.90С- 2.30С-ээр, говь хээрийн бүс нутагт 1.60С- 1.70С-ээр

дулаарсан болохыг тогтоосон байна [1]. Энэхүү бодит байдал цаг уур, газарзүйн байршлийн

өвөрмөц онцлог бүхий Дархан – Уул аймгийн нутаг дэвсгэрийн хувьд хэрхэн тусч байгаа талаар

сүүлийн 10 жил (2000–2009)-ийн агаарын температурын хувьслыг судалж, өмнөх 20 жилийн бодит мэдээтэй жишин үзэж зохих дүгнэлт хийх нь манай орны газар тариалангийн нэг гол нутаг

төдийгүй хүн амын төвлөрөл ихтэй, үйлдвэрлэл хөгжиж байгаа ихээхэн ирээдүйтэй бүс нутгийн хувьд чухал ач холбогдолтой юм. Судалгааны үр дүн. Дархан –Уул аймгийн нутаг дэвсгэр дээр агаарын сар, улирал, жилийн дундаж утга сүүлийн 10 жил (2000–2009)-д хэрхэн хувьсан өөрчлөгдөж ирснийг харуулах хэмжилт судалгааны дүнг 1 дүгээр хүснэгтэд, температурын

хувьслын явцыг 1 дүгээр зурагт тус тус харуулав[4-5].

1 дүгээр хүснэгт. Дархан – Уул аймгийн нутаг дэвсгэр дээрх агаарын дундаж температурынутга (2000-2009 он )

Он\сар I II III IV V VI VII VIII IX X XI XII Жил

2000 -29.6 -20.6 -3.8 4.9 14.4 21.9 18.9 18.1 11.8 -1 -14.2 -19.7 -0.14

2001 -29.3 -20.7 -6.4 4.8 12.8 21.6 21.3 19.2 13.4 2.8 -6.8 -22.6 -0.8



-144-

2002 -16.5 -12.7 -1.7 3.4 13.8 20.8 23.9 21.9 12.7 -1.2 -13.3 -25.9 -2.1

2003 -21.4 -15.3 -6.4 5.6 11.4 18.8 21 16.6 10.9 2.6 -13.3 -21 -0.8

2004 -21.7 -14.3 -9.4 5 12.1 20.4 21 20.2 12.9 0.7 -7.5 -17.5 -0.73

2005 -26.1 -29.1 -7.9 4 11.1 18.2 22.4 19.8 11.9 5.3 -9.2 -24.8 -0.36

2006 -24.9 -18.1 -4.7 1.6 10.2 18.2 20.3 18.1 10.2 2.7 -15.7 -17 -0.2

2007 -22 -19.5 -5.8 3 12.1 18.5 20 14 10.7 1.8 -7.1 -17 -0.17

2008 -25 -19.1 -0.4 5.8 10.6 19.3 21 17.9 12.4 2.5 -5 -18 -0.14

2009 -22.7 -17.3 -5.6 8.3 14.2 17.5 20.7 17.9 10 2.6 -11.1 -21.4 -0.07

ОЖД -23.9 -18.6 -5.2 4.6 12.2 19.5 21 18.3 11.6 2.2 -10.3 -20.4 -0.24

1 дүгээр хүснэгтээс харахад, Дархан-Уул аймгийн нутаг дэвсгэр дээр сүүлийн 10 жилд агаарын дундаж температур -0.070С-ээс -2.10С-ийн хооронд хэлбэлзэж байна. Хэрэв температурын хэлбэлзлийг улиралаар авч үзвэл; зун (+18.30C) (+210C), өвөл (-18.60C) (-23.90C), хавар (-5.20C) (+12.20C), намар (+5.20C) (-10.30C) байгаа бөгөөд эндээс өвлийн улиралд өмнөх 20 жилийн

дундажаас 1.20С-ээр дулаарсан болох нь харагдаж байна. Энэ нь дэлхийн дулаарлын нөлөө

Монгол орны өвлийн улиралд хувьд илүү тод илэрч байгаагийн бас нэг баталгаа болж байна.


-145-

1 дүгээр зураг. Агаарын дундаж, хамгийн бага ба хамгийн их температурын хувьслын явц (2000-2009 он )

ДҮГНЭЛТ

1. Дархан-Уул аймгийн нутаг дэвсгэр дээр өвлийн улиралд өмнөх 20 жилийн дундажаас 1.20С-

ээр дулаарсан нь дэлхийн дулаарлын нөлөө Монгол орны өвлийн улиралд хувьд илүү тод илэрч байгаагийн бас нэг баталгаа болж байна. Харин зуны улиралд сүүлийн 10 жилд дулаарсан бус, харин сэрүүсэх хандлага ажиглагдаж байгааг олон жилийн хэмжилт судалгааны дүнтэй жишин

нарийвчлан судлах шаардлагатай байна.


1. 1.Report on the environment of Mongolia 2006-2007, Ulaanbaatar, 2008 2. .J.Batbayar.,N.Tugjsuren. Seasonal characteristics of aerosol optical thickness over Mongolia

and relationship to land surface variability. Proceeding of the 14th CEReS International Symposium and Skynet Workshop on “Remote sensing of the atmosphere for better undestanding of climate change”, November 13-14,Chiba , Japan, 2008, p 141-145

3. .Дархан-Уул аймгийн ус цаг уурын хүрээлэнгийн агаарын чанарын шалгалт шинжилгээний дүнгийн эмхтгэл (2000-2009)

4. Р.Мижиддорж. Дэлхийн дулаарал, монголын экологийн хямрал, “Дэлхийн дулаарал, экологийн хямрал, тулгамдсан асуудлууд” Эрдэм шинжилгээний бага хурлын илтгэлийн эмхэтгэл, Улаанбаатар, 2010

5. N.Tugjsuren. Degradation and desertification of the drylands of Mongolia. IFOST 2009, Proceedings of the 2009 International Forum on Strategic technologies, Oct.21-23, Ho Chi Minh City, Wietnam

-9.2-5.6

13.625.2

3231.8

36.231.2

28.417.9

7.7-5.5

-35.1-30.9

-23.5-10

-2.64.2

9.15.9

-0.6-12.9

-24.5-30.8

-40 -20 0 20 40

I

III

V

VII

IX

XI

агаарын хамгийн

бага температур

Агаарын хамгийн

их темпертур


-146-

ЗАЙНААС ТАНДАН СУДЛАЛ БОЛОН ГАЗАРЗҮЙН МЭДЭЭЛЛИЙН СИСТЕМИЙН АРГА

ЗҮЙГ ӨНДӨР УУЛЫН УРГАМАЛЫН СУДАЛГААНД АГШИГЛАХ НЬ

Баяртунгалаг1, Р.Цолмон2, Н.Сонинхишиг3, Б.Оюунцэцэг 4 [email protected], [email protected], [email protected]

1,2 МУИС, “NUM-ITC-UNESCO” Зайнаас тандан судлал, ГМС-ийн лаборатори 3,4 МУИС, Биологийн факултет, Ургамал судлалын тэнхим

Abstract: This paper is about the use of remote sensing and geographic information systems in vegetation research in Mongolia over recent years. This object of this research is to apply remote sensing and geographic information system in High mountain vegetation research. The study area is Altai Tavan Bogd Mountain in Bayanulgii province, Mongolia. High mountain vegetation was classified using a minimum distance, supervised classification method and validated with ground truth data. Integration and accuracy assurance between ground data and satellite data for the classification of high mountain vegetation is still undergoing analysis.

ОРШИЛ:

Монгол орны ургамалжлыг зургаан бүс, бүслүүр болгодгоос Өндөр уулын буюу тагийн

бүслүүр нь Хөвсгөл, Хэнтий, Хангай, Монгол Алтайн,Говь Алтайн нурууны уулсын оройн хэсэгт, ойн бүслүүрээс дээш, уулын тайгын бүслүүр нь Хөвсгөл, Хэнтийн уулсад ихгүй, Тарвагатайн нурууны ар бие, Орхон голын эхээр хэсэг хэсэг тохиолдоно. Эдгээр бүсэд ашиглатанд өртөмтгий олон зүйл ашигт ургамал ургадаг. Ялангуяа тайгын бүслүүрт алирс, хар нэрс, илдэн игүүшин, зузааннавчит бадаана, гоѐ башир, хуурамч хонин арц, толбот саадган цэцэг, их саадгaн цэцэг, сибирь алтан хундага, алтан гагнуур буюу ягаан мүгэз, Дорогостайскийн банздоо буюу вансэмбэрүү зэрэг эмийн үнэт түүхий эд болдог ургамал олон ургана. Сүүлийн жилүүдэд эм, цай,

хүнсний зориулалтаар эмх замбараагүй ашиглаж байгаагаас эдгээр ургамлын тархалт, нөөцийн судалгааг тусгайлан хийж GIS-ийн тусламжтай зураглаж ашигт ургамлыг тогтвортой ашиглаж,

хамгаалах менежментийн төлөвлөгөө боловсруулах суурь материалыг бүрдүүлэх шаарлагатай болсон. Энэ зорилгоор холбогдох мэргэжлийн судлаачид хамтран ажиллаж таг, тайгын

бүслүүрийн ашиглалтанд өртөмтгий ургамлын жагсаалт гаргаж, эдгээр ургамлын тархалт,

нөөцийг нэгдсэн аргазүйгээр тогтоож GIS-ийн аргаар зураглахаар ажиллаж байна. Судалгааны муж:

Өндөр уулын ургамалжилтыг судлахдаа судалгааны муж болгож Алтай таван богд орчмыг

сонгон авлаа. 870-890E, 480-490N хооронд орших хэсгийг сонгон авсан болно (Зураг 1).

Зураг 1. Судалгааны муж

Арга зүй, Ашигласан мэдээ:





-147-

Энэхүү судалгааг МУИС, Биологийн факултет, Ургамал судлалын тэнхимийн багш нартай

хамтран хийсэн бөгөөд газрын хэмжилтийн цэгүүдийг (Хүснэгт 1) үндэслэн Ландсат хиймэл дагуулын мэдээг ашиглан сургалттай ангиллын аргаар өндөр уулын ургамалуудыг ангилан гаргасан. Мөн АСТЕР ТЕРА хиймэл дагуулын мэдээ ашиглан Aspect, Slope аргаар зүг зовхис болон налуугийн зураглалуудыг үйлдэж, ургамлын ангилал, тархалтыг давхцуулан гаргасан болно

(Зураг 2).

1. LANDSAT 5 (Path 143 Row 26) -ийн 2006 оны 07 сарын 24 өдрийн 7 сувгийн мэдээг ашиглав

2. ASTER хиймэл дагуулын 15 м өндрийн тоон загвар 3. 2000 оны газрын хэмжилтийн мэдээг МУИС, Биологийн факултет, Ургамал судлалын

тэнхимээс авсан (Хүснэгт 1).

Зураг 2. Өндөр уулын ургамлын ангиллын арга зүйн схем

АНАЛИЗ БА ҮР ДҮН:

Өндөр уулын ургамлыг дараах байдлаар ангилан гаргасан бөгөөд зураг 3-т харууллаа. Энэхүү

ангиллаас харахад тайгын бүсэд байгаа ургамлууд нам дор голын сав газраар тархсан байна. Зураг 4-т Алтай Таван Богд орчмын Apiaceae, Boraginaceae, Caryophyllcea, Fabaceae

ургамлуудын тархалтыг хиймэл дагуулын зурган дээр нарийвчлан харуулсан. Эдгээрээс Boraginaceae ургамал нилээн тархсан байна.

Ургамлын тархалт нь газрын гадаргын хэлбэр болон өндрөөс хамааран хэрхэн тархаж байгааг

зураг 5, 6–аас харж болно. Жишээ нь Caryophyllcea гэдэг ургамал Алтай таван богд орчимд өндөрлөг (2500 м) газраар тархсан ба нам дор (1200 м) голын сав газар аль алинд нь байна.

Нарны тусгалын өнцгөөс өндөрлөг газрын ургамлын ургалт ихээхэн хамаардаг. Зураг 7-д

нарны тусгалын өнцгийг тооцоолон зүг зовхисийг зураглалаас харахад хойд зүгрүү чиглэсэн талд ургамал илүү ургасан байна. Мөн налуугийн зураглалаас (зураг 8) харахад ургамлуудын тархалт


-148-

нь налуу газраар тархсан бөгөөд өндөр уулын ургамлууд нь хавтгай газар байхгүй байгаа нь харагдаж байна.

Зураг 3. Өндөр уулын ургамлын ангилал

Зураг 4. Алтай Таван Богд уулын орчмын

Apiaceae (шаргал), Boraginaceae (улаан), Caryophyllcea (ягаан), Fabaceae (хөх)

ургамлын тархалт (R-band 5, G-band 4, B-band 3)

Зураг 5. Өндрийн тоон загварын байдал

болон өндөр уулын Apiaceae (шаргал), Boraginaceae (улаан), Caryophyllcea (ягаан), Fabaceae (хөх) ургамлуудын

тархалт


-149-

Зураг 6. Алтай Таван Богд уулын орчмын Apiaceae (саарал), Boraginaceae (улаан), Caryophyllcea (ногоон), Fabaceae (хөх) ургамлуудын гурван хэмжээст зураглал

ДҮГНЭЛТ

Өндөр уулын ургамлын судалгаанд зайнаас тандан судлал болон газарзүйн мэдээллийн

системийн арга зүй тэр дундаа зүг зовхис, налуу, тоот өндөрлөгөөс хэрхэн хамаарыг судлах боломжтой юм

Өндөр уулын ургамлыг зураглах, мэдээллийн систем бүрдүүлэхэд газарзүйн мэдээллийн

систем, зайнаас тандан судлалыг ашиглах зайлшгүй шаардлагатай.

Зураг 7. Алтай Таван Богд уулын орчмын

Apiaceae (хар), Boraginaceae (улаан), Caryophyllcea (ягаан), Fabaceae (хөх) ургамлуудын зүг зовхисийн зураглал

Зураг 8. Өндөр уулын Apiaceae (шаргал), Boraginaceae (улаан), Caryophyllcea (ягаан),

Fabaceae (хөх) ургамлуудын налуугийн

зураглал


-150-

Provenance X Y Elevation Habiat Family

Hovid aimak Hovd City 91,30000 48,05000 1300m ruderal sites in Hovd Asteraceae Hovd aimak Ergeneburen Sum 10km north of Hovd 91,25000 48,11000 1500m mountain steppe Asteraceae Hovd aimak Ergeneburen Sum 91,22000 48,15000 1400m mountain steppe Apiaceae

Hovd aimak Ergeneburen Sum 90,52000 48,31000 2300 m mountain steppe to mountain desert along mountian stream Apiaceae

Hovd aimak Ergeneburen Sum 91,19000 48,19000 1400m river gravel Brassicaceae

Hovd aimak Ergeneburen Sum 90,43000 48,37000 3000m alpina meadow, partly with shallow peat Asteraceae

Hovd aimak Ergeneburen Sum Tsambagarav Mts 90,43000 48,37000

2900-3500m 49,09N/88,01E 3100km Apiaceae

Hovd aimak Ergeneburen Sum Tsambagarav Mts 90,43000 48,37000

2900-3100m

alpine meadow moraince screes and river gravel near dead glacier ice Asteraceae

Bayan-Olgii Aimak Altantsogts Sum 90,25000 48,27000 2800m high mountain steppe Asteraceae Bayan-Olgii Aimak Bugat Sum 89,52000 48,58000 1900 m mountain steppe Asteraceae

Bayan-Olgii Aimak Tolbo Sum 90,11000 48,28000 2200m wet meadow along tributary to Tolbo NUUR

Bayan-Olgii Aimak Tolbo Sum 90,03000 48,39000 2300m moutain steppe mountain desert above Tolbo nuur Apiaceae

Bayan-Olgii Aimak Tolbo Sum 90,00000 48,39000 2400m moutain steppe near Tolbo nuur Asteraceae Bayan-Olgii Aimak Bugat Sum 89,57000 48,59000 1800m alluvial plains near Olgi Caryophyllaceae Bayan-Olgii Aimak Bugat Sum 89,56000 48,58000 2000 m moutain steppe near Tolbo nuur Lamiaceae Bayan-Olgii Aimak Olgiy City 89,56000 48,59000 1800m ruderal sites in Olgi Bayan-Olgii Aimak Tsengel sum 89,44000 49,03000 2200m mountain steppe partly stony and rocky Apiaceae Bayan-Olgii Aimak Tsengel sum 89,04000 49,15000 2100m mountain desert on alluvial fan Asteraceae Bayan-Olgii Aimak Tsengel sum Tavan bogd National PARK 88,05000 49,11000 2800m

alpine meadow river gravel, shallow peat Asteraceae

Bayan-Olgii Aimak Tsengel sum Tavan bogd National PARK 88,01000 49,09000 3100m alpine spring horizons and wet meadows Bayan-Olgii Aimak Tsengel sum Tavan bogd National PARK 88,00000 49,09000

3100-3500m

high alpine meadow , alpine tundra spring horizons scree Apiaceae

Bayan-Olgii Aimak Tsengel sum Tavan bogd National PARK 88,05000 49,11000

2800-3500m

mountain steppe alpine meadow boulder and scree Apiaceae

Sagsay Sum, Tsengel Nat.Park Songino River Valley 89,00000 48,09000

2000-2750m

Larix sibirica forest on northern slopes and in sheltered places on south slopes Apiaceae

Bayan-Olgii Aimak Sagsay Sum, Tsengel Nat.Park along Dayan NUUR 88,51000 48,24000 2300m mountain steppe Haloragaceae Bayan-Olgii Aimak Tsengel, Tsengel National PARK between Hoton NUUR and Hurgan nuur 88,27000 48,35000 2200m

sea shore along Lake hoton nuur, ruderal sitesnear military camp Lamiaceae

Bayan-Olgii Aimak Tsengel, Tsengel National PARK between Hoton NUUR and Hurgan nuur 88,27000 48,35000

2200-2500m

mountain steppe graniterocks and bouldet scree Scrophulariaceae

Bayan-Olgii Aimak Sagsay SumTsengel National PARK 88,27000 48,36000 2200m

moraine landscape mountain steppe and meadowswet meadows along creeks Scrophulariaceae

Bayan-Olgii Aimak Tsengel, Tsengel National PARK 88,28000 48,29000

2300-3100m

alpine meadows and alpine t undra scree and boulder Ranunculaceae

Bayan-Olgii Aimak Sagsay Sum 89,28000 48,53000 2100m mountain steppe and desert Chenopodiaceae Bayan-Olgii Aimak Bugat sum near Olgy 89,48000 48,56000

2100-2500m mountain steppe scree and sand chenopodiaceae


-151-

WELL-STUDIED UNKNOWN ALBEDO OF LAND COVERS

Tarzadin Ulaanbaatar Geophysical Department, National University of Mongolia

[email protected]

Abstract. The space-time changes of a land cover albedo are not determined until present in consequence of Earth‟s motions as rotations around its axis and the Sun, as well as geographical expositions, land cover textures, and so on. In this paper the albedo changes of a land cover during the Earth‟s daily and yearly motions are shown by geographical latitudes. This result gives possibilities for exact determinations of all the land cover albedo and their spectral characteristics

A fraction of the incoming solar radiations reflects from land covers albedo of which takes powerful

influence on the thermal regimes and climate system of the Earth. For this reason, its exact determination is of immense importance. The albedo depends on multitude parameters: solar energy production, continental shifts, polar wandering, changes in solar constant, geographical locations of continents and oceans, and of land covers, yearly and daily motions of the Earth, geographical latitude, wave length of solar radiation, absolute and relative height of terrain, land cover‟s textures, and so on. Unfortunately the spatiotemporal changes of the albedo of land covers are not yet described perfectly until present. The Earth‟s albedo is one of the least studied fundamental climate parameters. The albedo is a bi-directional variable, and there is a high degree of anisotropy in the light reflected from a given terrestrial surface. However, simultaneously observing from all point on Earth at all reflecting angles is a practical impossibility. (Palle, E., Goode, P., 2009)

The information of spectral albedo is relatively few in number and not necessarily a more reliable. Approximately all data on spectral albedo of natural underlying surfaces obtained either by measurements with glass colour filters, with broad and not sufficiently clearly limited the transmission radiation, either by measurements spectral brightness various natural entities in the fixed directions, with assistance monochromatic with photographic or photovoltaic registrations spectra. One of the two methods did not give an outcome which would be entirely satisfactory in terms of meteorological applications (Kondratev, K.Y., 1965).

In this paper the changes of land cover albedo in a monochromatic light are shown by Earth‟s rotation around its axis and yearly and daily motions along its orbit, and by geographical latitudes. These factors can include above mentioned parameters except of solar energy production, changes in solar constant, continental shifts, polar wandering, which are approximately unchangeable in time and trivial. But the spectral albedo and land cover texture are going to require for determination in details.

The land cover consists of snow, vegetation, cloud, soil which differ each others by albedo in generally. The albedo has well-studied relatively, but it is not determined perfectly by the mathematical formulae of altitude of the sun on the basis of geographical latitudes, and yearly and daily rotations of the Earth around its axis and Sun. In other words, the albedo is well studied unknown parameter. Vasisheva, M.A., (1983) carried out the direct measurement of albedo on the high latitudes and formulated dependence between the albedo and latitude in the next form (Figure 1):

(1) Where φ denotes the geographical latitude, а is constant concerning latitude. a constant equals in different locations on the high latitudes by her measurement as follow: On the continental ice sheet 0.213, On sea ice sheet of the North and South polar regions (900 -720N,710-630S) 0.158, At boundaries of the sea ice sheet of North and South polar regions (720N, 630S) 0.132,

At boundaries of polar ice sheet without seasonal changes (650 -250N, 580-250S) 0.08,

b is same on all the latitudes 0.405.



-152-

Figure 1. Latitude dependence of albedo in Earth-Atmosphere system

I – Northern Hemisphere, II – Southern Hemisphere; 1- Antarctic ice sheet (850-750S), 2 – Ice sheet on the temperate zones

of Northern and Southern Hemispheres, 3- Central boundaries of ice sheet, 4- Areas without ice sheet of Northern and Southern Hemispheres (every

10 degree); S1, S2 are on the transition zones in both Hemispheres. This citation shows one instance that is determined albedo by empirical manner, but only

geographical latitude. However, the geospheres (snow, ice, land covers, cloud and so on) move permanently in relation to Sun. For this reason, the incoming solar radiation is a function of the altitude of sun, which is also a function of geographical latitude and daily and yearly motions of Earth. The albedo is determined by following formulae:

( )( )( ) ( )

( )( ) (2) Where are coefficients depending from wave length and is earth cover albedo, when the altitude of sun equals nearly to zero, indicates the albedo, when the solar radiation falls perpendicularly to Earth‟s globe, ( )

( )( ) is altitude of sun at i moment, which begins to count from the midnight. (Ulaanbaatar, T., 2010)

( )( )( ) ( ( ) ( ( ) )

√ ( ) ) (3)

If ба coefficients are determined exactly for different wave lengths and different land covers the formulae (2) gives us a possibility to calculate the albedo at a given latitude and a given time moment. ... For all kinds climate calculations of radiation balance is to know the averages of the underlying surface albedo of large areas for long periods of time (month, year). (Kondratev, K.Y., 1965)

So, these coefficients not yet determined. However, albedo of some well-studied earth surfaces may be determined in monochromatic light. For example, based formulae (1) these coefficients equal for snow cover in visible light as follow:

The daily and yearly albedo changes on the snow covers are described by geographical latitudes

( )( )( ) ( )

( )( ) (4)

Formulae (4) indicates that the albedo of snow or cloud equals 0.25, when altitude of sun is perpendicular on the Earth‟s equator at vernal or fall equinox. At same moment on the Earth‟s pole it is 0.655. On the other words, on the Earth surface the albedo varies between 0.25 and 0.655.

To simplify the calculation of albedo on the different latitudes we can choose the noon sun altitude. The results are in Figure 2.


-153-

Figure 2. Yearly albedo dependence on the geographical latitudes at Northern Hemisphere

(Triangles show the summer solstice, squares indicate the winter solstice and rhombus denotes the solstices)

DISCUSSION.

We have described the space-time changes of snow cover albedo by formulae (3). It is true only for a monochromatic light. On the other hand, the albedo is one of the fundamental parameters of remote sensing and satellite imagery, which can monitor the albedo changes of a land cover during Earth‟s daily and yearly motions. Furthermore, these manners have possibility not only for exact determinations of all the land covers‟ albedo in different wave length, but the chaotic changes of land cover texture or influences of the geographical expositions. This challenge waits a quick response from all scientists, researchers of Earth Sciences.

CONCLUSION

The formulae (2) as ( )( )( ) ( )

( )( ) determines the albedo changes by next simple parameters: geographical latitude, number of day and daily time. So, this formulae is more progressive than early formulas of albedo.

REFERENCES

Kondratev, K.Y., Actinometry, Leningrad, 1965. Palle, E., Goode, P., The Lunar Terrestrial Observatory: Observing the Earth using photometers on the Moon‟s surface, Advances in Space Research, Elsevier, 2009. Ulaanbaatar, T., Mathematical modeling for the thermal regime of the Earth‟s surface and cryosphere, Ph.D Thesis, Mong. Univ. of Technology, Ulaanbaatar, 1994. Ulaanbaatar, T., M. Legden, Insolation regime on the Earth‟s surface, Rep. Sci. Conference on Renewable Energy Project Implementation supported by UNESCO, Renewable Energy

Corporation, Mong. Acad. Sci., Ulaanbaatar, 1997. Ulaanbaatar, T., Climate Supercirculation of the Earth, Scientific Translation, 3(132), 246-264, Nat.

Univ. Mong., Ulaanbaatar, 1998a, Ulaanbaatar, T., Feedbacks in the World Climate Supercirculation and their interacts, Scientific

Translation, N6(147), 124-139, Nat. Univ. Mong, Ulaanbaatar, 1998b. Ulaanbaatar, T., Radiative properties of water vapor, Symposium: Radiative effects of water vapor on climate, IAMAS, XXII General Assambly, IUGG, Vol. A, 260. 1999a. Ulaanbaatar, T., United Time System of Earth System Model, Union symposia: Earth system model and earth system, XXII General Assambly, IUGG, Birmingham, UK, Vol.A, 5, 18 July-2 August, 1999b, Ulaanbaatar. T., A new method for improvement of education, information and training in the field of Earth and environmental sciences, Symposium: The nature of seismic source and the prediction of earthquakes, IASPEI, XXII General Assambly, IUGG, Birmingham, UK, Vol. A, 177, 18 July-2 August, 1999c, Ulaanbaatar, T., Insolation regime on and near the Earth‟s surface, Symposium: Radiative


-154-

forcing and greenhouse gases, IAMAS, XXII General Assambly, IUGG, Birmingham, UK, Vol.A, 257, 18 July-2 August, 1999d, Ulaanbaatar, T., Radiative properties of water vapor, Symposium: Radiative effects of water vapour on climate, IAMAS, XXII General Assambly, IUGG, Birmingham, UK, Vol. A, 260, 18 July-2 August, 1999e, Ulaanbaatar, T., Ya. Ariunzul., 00C isothermal surface of the heliogeothermosphere as a unique coordinator of climate system, Proceedings of the 8th Mongolia-Korea Joint Seminar on Environmental changes of North East Asia, Geographical Institute, MAS, April 27-30, Ulaanbaatar, 2010. Vasisheva, M.A., Contribution of the astronomical factors in climate change, Studies in climate change and moisture circulation, 51-62 pp, Works of Hydrological Institute, Acad. Sci. USSR, N280, Gidrometeoizdat, Leningrad, 1983.


-155-

LANDSAT БОЛОН ASTER ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР МӨНХ ЦАСТ УУЛЫН МӨНХ ЦАСНЫ ТАЛБАЙГ ТОДОРХОЙЛСОН ҮР ДҮН

М.Одбаяр [email protected] МТТ

1, Н.Элбэгжаргал [email protected] МТТ

1 Д.Булган [email protected] МТТ

1, О.Анхбаяр [email protected] МТТ

1

МТТ1 – Мэдээлэл Тооцооллын Төв

ОРШИЛ

Монгол Алтайн нуруунд манай мөстөл мөсөн голууд/Отгонтэнгэр, Мөнхсарьдагаас бусад/ нийт бараг бүхэлдээ оршино. Иймд Алтай нурууны араас усжих гол мөрний жилийн урсацын 60-90% -ийг шар усны үерийн урсац ба хайлсан цас, мөсний урсац эзэлдэг. Их нуруудын хотгорт жилийн дундаж агаарын температур, хур тунадасны хэмжээ сүүлийн 60 жилд өссөөр байгаа бөгөөд Улиастай, Улаангом, Өлгий, Ховд өртөөний мэдээгээр жилийн дундаж агаарын температур 1,5-1,8, жилийн нийлбэр тунадас 20-30 мм-ээр тус тус нэмэгдсэн байна. Мөстөл нь уур амьсгалын бүтээгдэхүүн учраас түүний цаашид оршин тогтнох нөхцөл уур амьсгалын өөрчлөлтийн эрчмээс хамаарна. Монгол орон нь хойд туулиас урагшлан эх газарт оршин тогтнох мөнх цас, цэвдэгийн төгсгөлд оршдог учир

түүний өөрчлөлтийн мониторинг хийхэд хялбар байдаг байна. Гэхдээ мөстлийн талаарх байнгын мэдээ мэдээлэл дутмаг өнөө үед Монгол орны мөстлийн байнгын мониторинг хийхэд зайнаас тандан судлах аргазүй болон хиймэл дагуулын мэдээ ашиглах нь давуу талыг олгож байгаа юм.

Зорилго

Landsat хиймэл дагуулын 28,5 м –ийн ялгах чадвартай мэдээ, ASTER хиймэл дагуулын 15 м –ийн орон зайн ялгах чадвартай мэдээг ашиглан Баян-Өлгий аймагт орших Хойт бөөрөгт, Сайр, Алтай таван богд, Түргэний мөнх цаст уулсын мөнх цасны талбайн хэмжээг гаргаж өөрчлөлтийг тооцоолох

Ашигласан мэдээ:

Landsat MSS 1975, Landsat TM 1990-1992, Landsat ETM 2000-2002, SRTM (Shuttle Radar Topography Mission) 90m DEM , ASTER хиймэл дагуулын мэдээ, GIS мэдээ.

Судалгааны талбайнууд:

Хойд бөөрөгт уул: Баян-Өлгий аймгийн Алтай, Буянт, Толбо сумдуудын нутгийн хилийн заагаар баруун хойноос зүүн урагш сунаж тогтсон 3320 метр өндөр оргилтой уул юм. Сайр уул: Баян-Өлгий аймгийн Толбо сумдуудын нутагт 3957 метр өндөр оргилтой уул юм.

Алтай таван богд уул: Монгол орны баруун хязгаар Алтай таван богд нь “Цагаан суврага” “Бүргэд” “Найрамдал” “Өлгий” “Хүйтэн” гэсэн таван том оргилтой ба “Мөсөн даваа” 3800 метр, “Малчин” 4050 метр гэх мэт өндөртэй хэд хэдэн уулууд байдаг. 4375 метр өндөр буюу Монголын хамгийн өндөр цэг “Хүйтэн” оргил. Хүйтэн, Өлгий оргилуудын хажуугаар алдарт “Потанин” –ний

мөсөн гол байдаг. Харамсалтай нь дэлхийн дулаарлаас болоод мөсөн гол хурдацтай хайлж байгаа. Жилд дундажаар 5 метр хайлж байгаа бөгөөд 24 км байснаас одоогоор 19 км гэж хэмжээд байна. Түргэний уул: Баян-Өлгий аймгийн Цагаанннуур сумын нутаг болон ОХУ-ын нутгийн хилийн заагаар орших Монголын өндөр оргилууыг агуулсан мөнх цаст уул юм.






-156-

Зураг1. Мөнх цаст уулсын байршил

Аргазүй

Баян - Өлгий аймагт орших мөнх цаст уулуудаас 4 уулыг сонгон авч түүний мөнх цасны талбайн өөрчлөлтийг гаргахын тулд Ландсат хиймэл дагуулын тодорхой хоѐр хугацааны мэдээ болон ASTER хиймэл дагуулын мэдээг ERDAS, ENVI программын “хяналттай ангилалын арга” -ыг ашиглан тодорхойлов.

Зайнаас тандан судлалын хяналттай ангиллын арга ашиглан дээрхи мэдээнд ERDAS IMAGINE 9.1, ENVI программуудаар дараах аргазүйгээр ангилалыг хийсэн.

Зураг2. ERDAS программаар ангилал хийх

ERDAS IMAGINE 9.1

Import

Supervised classification

Subset image

Glacier

Signature editor


-157-

Үрдүн Хойд бөөрөгт мөнх цаст уул

(a)

(b)

(c)

Зураг3. 1999 оны 09-р сарын 07 –ны өдрийн Ландсат дагуулын мэдээг ашиглан Хойт бөөрөгт уулын мөнх цасыг ангилалын үр дүн (a) Хойд бөөрөгт уул RGB:4, 3, 2. (b) Ангилалын үр дүн (c)Эх мэдээ,

ангилсан үр дүнг SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав

(a)

(b)

(c)

Зураг4. 2002 оны 07-р сарын 14-ны өдрийн Ландсат дагуулын мэдээг ашиглан Хойт бөөрөгт уулын мөнх цасыг ангилалын үр дүн (a) Хойд бөөрөгт уул RGB:4, 3, 2. (b) Ангилалын үр дүн (c)Эх мэдээ,



-158-

(a)

(b)

(c)

Зураг5. 2006 оны 08-р сарын 2-ны өдрийн Ландсат дагуулын мэдээг ашиглан Хойтбөөрөгт уулын мөнх цасыг ангилалын үр дүн (a) Хойд бөөрөгт уул RGB:4, 3, 2. (b) Ангилалын үр дүн (c)Эх мэдээ,


(a)

(b)

(c)

Зураг6. 2009 оны 09-р сарын 25-ны өдрийн ASTER дагуулын мэдээг ашиглан Хойт бөөрөгт уулын мөнх цасыг ангилалын үр дүн (a) Хойд бөөрөгт уул RGB:4, 3, 2. (b) Ангилалын үр дүн (c)Эх мэдээ,

ангилсан үр дүнг тус дагуулын өндрийн мэдээ ашиглан 3D байдлаар харуулав


-159-

Үрдүн Сайр мөнх цаст уул

(a) (b)

Зураг7. 1992 оны 6-р сарын 25 –ны мэдээгээр Сайр уулын мөнх цасыг ангилсан үр дүн (a )Сайр уул RGB:5, 4, 2. (b) SRTM өндрийн мдээ ангилалын үр дүнгийн хамт үзүүлэв.

Зураг8. 2002 оны 07-р сарын 14 –ны мэдээгээр Сайр уулын мөнх цасыг ангилсан үр дүн (a )Сайр уул RGB:5, 4, 2. (b) SRTM өндрийн мдээ ангилалын үр дүнгийн хамт үзүүлэв.

Зураг9. 2007 оны 08-р сарын 13 –ны ASTER дагуулын мэдээгээр Сайр уулын мөнх цасыг ангилсан үр дүн

(a )Сайр уул RGB:1, 2, 3. (b) SRTM өндрийн мдээ ангилалын үр дүнгийн хамт үзүүлэв.


-160-

Үрдүн Алтай таван богд мөнх цаст уул

(b)

(c)

Зураг10. 1990 оны 09-р сарын 7-ны өдрийн Ландсат дагуулын мэдээг ашиглан Алтай таван богд

уулын мөнх цасыг ангилалын үр дүн (a) Алтай таван богд уул RGB:5, 4, 2. (b) Ангилалын үр дүн (c)Эх

мэдээ, ангилсан үр дүнг SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав

(c)

Зураг11. 2003 оны 08-р сарын 9-ны өдрийн ASTER дагуулын мэдээг ашиглан Алтай таван богд уулын

мөнх цасыг ангилалын үр дүн (a) Алтай таван богд уул RGB:5, 4, 2. (b) Ангилалын үр дүн (c)Эх мэдээ, ангилсан үр дүнг SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав


-161-

Үрдүн Түргэний мөнх цаст уул

(a)

(b)

(c)

Зураг12. 1975 оны 06-р сарын 14-ны өдрийн Ландсат дагуулын мэдээг ашиглан Түргэний уулын мөнх

цасыг ангилалын үр дүн (a) Түргэний уул RGB:5, 4, 2. (b) Ангилалын үр дүн (c)Эх мэдээ, ангилсан үр

дүнг SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав

(a)

(b)

(c)


цасыг ангилалын үр дүн (a) Түргэний уул RGB:5, 4, 2. (b) Ангилалын үр дүн (c)Эх мэдээ, ангилсан үр

дүнг SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав


-162-

(b)

(c)


цасыг ангилалын үр дүн Түргэний уул RGB:5, 4, 2. (b) Ангилалын үр дүн (c)Эх мэдээ, ангилсан үр дүнг

SRTM өндрийн мэдээ ашиглан 3D байдлаар харуулав

Зураг15. 2009 оны 09-р сарын 25-ны өдрийн ASTER дагуулын мэдээг ашиглан Түргэний уулын мөнх

цасыг ангилалын үр дүн. Түргэний уул RGB:5, 4, 2. (b) Ангилалын үр дүн


-163-

Мөнх цаст уулуудын талбай тэдгээрийн өөрчлөлт

Уулс Талбай /га/

Өөрчлөлт, % Landsat TM Landsat TM Landsat ETM+ ASTER 1970s 1990s 2000s 2007/2009

Сайр

- 25.June.1992 14.July.2002 13.Aug.2007

38.9-72.3 - 1547,99 945.3 429,45

Түргэн

14.June.1975 19.Sep.1989 04.Sep.2001 25.Sep.2009

38.0-74.0 22886,58 19686.3 5124.89 12203.2

Алтай таван богд

- 07.Sep.1990 - 09.Aug.2003

51.0-59.1 - 45894.2 - 22585.86

Хойт бөөрөгт

07.Sep.1999 14.July.2002 02.Aug.2006 25.Sep.2009

35.5 – 31.4 18006.28 1474.4 649.89 1010.05

ДҮГНЭЛТ

Landsat, ASTER хиймэл дагуулын мэдээгээр нийт дөрвөн уулын мөнх цасны талбайг тооцоолов. Энд тухайн мөнх цаст уулын хувьд ашигласан мэдээний эхний хугацааг тулгуур хугацаа

болгон авч тэр хугацаанаас буурсан өссөн эсэхийг тооцоолсон болно. Гэхдээ мэдээний олдоцоос шалтгаалан 2 – 4 хугацааны мэдээнд ангилал хийж өөрчлөтийг дээрх хүснэгтэнд үзүүлэв. Ашиглсан

мэдээнд 9 сард тухайн жилдээ цас орсон нөхцөл таарах хүндэрлүүд гарч байсан.

Хяналттай ангиллын аргыг ашиглан мөнх цасны талбай тооцоолсон үр дүнгээс харахад ерөнхийдөө

мөнх цасны талбайн хэмжээ буурч байгаа гэсэн ажиглалт хийж болохоор байна.


-164-

LAND DEGRADATION MAPPING USING MODIS DATA

Tungalag.Aa *, Tsolmon.Ra

a NUM-ITC-UNESCO Remote sensing/GIS laboratory, School of Physics and Electronics, National University of Mongolia, Ulaanbaatar, Mongolia

e-mail address: [email protected] *; [email protected]; Telephone:+ 976-99081644 *, + 976-99978960

Abstract: During Mongolia’s transition to the free market, socio-economic factors such as poverty and profit-seeking have greatly increased small to large-scale mining, as well as illicit activity resulting in the exploitation of the country’s mineral resources. This has subsequently contributed to the deterioration and loss of regional biodiversity and increased levels land degradation. This study aims to monitor land degradation processes in the study area in the central region of Mongolia. This area is affected by mining and human activities. The vegetation index EVI from MODIS data and GIS function were applied in order to determine vegetation cover and land use change over period of 2000 to 2009. The results from vegetation index described a vegetation decrease due to mining and human activities in the study area. We focused not only on vegetation conditions but incorporated climate and socio-economic data into the analysis. Key words: socio-economic, degradation, biodiversity, EVI




-165-

NEW TECHNOLOGY OF DROUGHT DZUD EARLY WARNING SYSTEM IN MONGOLIA

М.Erdenetuya1, B.Erdenetsetseg2, D.Munkhzul2 1Imformation Computer Centre

2Institute Meteorology and Hydrology

Abstract. Energy and Water Balance Monitoring system (EWBMS) software has been developed as part of the project ‘National Geo-information Centre for Natural Resource Management’ funded by the government of the Netherlands and this system is one of the new technologies used in the IMH. In the framework of this project, satellite imagery from the geostationary satellite FY-2 is used for near real time monitoring and mapping of rainfall, radiation and evapotranspiration. Subsequently applied three subsystems based on EWBMS basic products, generating spatially continuous products on drought indices and pastureland conditions and winter grazing conditions. For this activity created the service contract with the Agrometeorological Section of the Institute of Meteorology and Hydrology (IMH). The outputs of the EWBMS system are used for development of a decision support system for pastureland management. This system generates maps by aimag, soum, natural zones, and watershed. Subsequently, spatially continuous information on winter grazing conditions, drought indices and pastureland conditions can be generated. The output of the EWBMS system is used for development of a decision support system for pastureland management and drought dzud early warning. EWBMS subsystem was established in each aimag’s meteorological office. The precipitation maps are validated by means of the ‘jack-knifing’ method. The 2 m air temperature energy balance results are validated against an extensive dataset of readily available GTS temperature data with a dense geographical distribution covering the whole of Mongolia. Key words: drought monitoring, winter grazing, pasture monitoring, 2 m air temperature, precipitation


-166-

LANDCOVER CHANGE AND DEGRADATION IN TOGTTSETSII SOUM IN OMNIGOVI PROVINCE USING GIS AND REMOTE SENSING

Odkhuu Kh1, Tsolmon R1

1NUM-ITC-UNESCO Remote Sensing and GIS laboratory, NUM [email protected]

Abstract: This study area for this study is within the Mongolian economic zone surrounding the planned Tavan Tolgoi mine site area. The study aims to use GIS and remote sensing to identify and assess land degradation due to climate change and human impacts from mining and mining associated activities. LANDSAT and Google-Earth images were used in land cover classification from 1982 to 2009. Land degradation over this time will be measured using NDVI and the Bare Soil Index. This will be incorporated into GIS to monitor the changes in land use and degratation over time and identify the effects of changes in land use and climate.

USING GIS AND REMOTE SENSING TO MONITOR TOXIC SUBSTANCE DISPERSAL FROM A GOLD MINE IN KHONGOR SOUM, DARKHAN PROVINCE

IN MONGOLIA FROM

Gandoljin N, Tsolmon R 1NUM-ITC-UNESCO Remote Sensing and GIS laboratory, NUM

[email protected]

Abstract: This study aims to use remote sensing and a Geographic Information System (GIS) to monitor the concentrations of sodium, cyanide and mercury near a gold mine in Khongor Soum, Darkhan Province. Land cover classification for soil, vegetation and land use types was developed and changes in land use and land cover have been identified. Chemical analyses of soil, water and vegetation samples in the area will be used with landsat derived data to monitor and map the change of concentrations between 2003 and 2009. This data will be incorporated into the GIS to analyze the dispersal of the toxic substances over time. Results will be highly important to identify the health impacts on the soil, water and humans in the region.




-167-

FLOOD RISK MAPPING

B.Undrakh, R.Tsolmon NUM-ITC-UNESCO Remote sensing, GIS laboratory

National University of Mongolia

email: [email protected]

Abstract Key words: Flood risk mapping, Condition analysis, GIS, Remote sensing In Mongolia, heavy monsoons rainfall and spring whey have triggered flood disaster along any risk of area as well as in different parts of the country. But we are prevented about flood danger from only weather forecasting and there is no more research activities for flood risk management. Thus i have decided to identify the flood risk map using remote sensing and geographical information system with combination of climate and statistical data. The Ulaanbaatar capital is selected as study area and most people of Mongolia located in the city. There are many events of flood dangers occurred in Ulaanbaatar. That is why flood risk map is necessary to be developed in such place. To evaluate the factors related to flood risk analysis, digital elevation model /DEM/ data and precipitation data were used in this research and conditional analysis of GIS were used to determine each factors risk rating. Such as, aspect, slope value from DEM, precipitation data, and flood frequency were used in this study. The results indicate that flood prone areas can be performed at map which is comparable to some other conventional maps. Flood risk map of Ulaanbaatar city, it will bring us more chance to identify through huge square of places by this methodology. Further, the result map for flood risk should be compared with ground truth data and other source of information.

MUNKHKHAIRKHAN’S CURRENT FRIGIDITY DYNAMICS, IT’S INCLINING FOR HYDROGRAPHICAL NETWORK

D.Shijir-Erdene1, R.Tsolmon2, A.Dashsteren3

1, “NUM-ITC-UNESCO” laboratory for Remote Sensing / GIS, School of Physics and Electronics, National

University of Mongolia 3 Department of Environment and Natural resources, Ministry of Nature, environment and Tourism, Mongolia

[email protected], [email protected]

ABSTRACT: Perpetual snows and glaciation are main indication of climate warmth . The perpetual snows is pure gushing forth of the pure water, and resource and provide human and animals but currently is being loosing it’s balanced condition. Munkhkhairkhan mountain is the area, which is one of the biggest climax of Altai Mountain system , which inherent part of the globalized processing monitoring, become worse due natural and manmade influence time by time. It has a various world rare animals, plants. All those say that it is required to prepare Mongol frigidity mapping and to research estimate current condition, dispersion, further perspectives . Through this research work tried to use satellite information, geographical information system and remote sensing methodology put the objective to map Munkhkhairkhan frigidity and frigidity area dynamic changes, it’s inclining on hydrographical network.



Documents

Proceeding 2010 Conference