Proceeding 2010 Conference

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
I
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
II
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
III
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
IV
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
V
SPATIAL MULTI-CRITERIA ANALYSIS FOR EIA
B.Gantsetseg, D.Narantuya ............................................................................................................ 85
МОНГОЛЫН ЗУРАГЗҮЙН ШИНЖЛЭХ УХААНЫ ТҮҮХЭН ҮЕЧЛЭЛ

ТҮҮНД АТЛАСЫН ЭЗЛЭХ БАЙР СУУРЬ
Док, порф. Д.Эрдэнэцэцэг 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
Баяртунгалаг1, Р.Цолмон2, Н.Сонинхишиг3, 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
VI
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
VII
The 4th Annual International Conference on the Application and Development of Geospatial Technologies in Mongolia
VULNERABILITY ASSESSMENT OF MONGOLIAN SOCIAL-ECOLOGICAL SYSTEMS
M.Altanbagana & T.Chuluun
NUM-ITC-UNESCO Remote sensing and GIS laboratory, Dryland Sustainability Institute
E-mail: a_baganad@yahoo.com, chuluun@nrel.colostate.edu
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
-1-
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.
-2-
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.
Зураг-1. Аргазүйн схем
Гангийн үнэлгээ
Уур амьсгалын
хүчин зүйл Экологийн
эмзэг байдлын
Ганг тооцсон үнэлгээ
зудын үнэлгээ
Нийгэм-экологийн
Бэлчээр ашиглалтын
Table 1. үнэлгээ
тогтолцооны эмзэг
байдлын нэгдсэн үнэлгээ
Landsat
satellite
data Ядуурлын үнэлгээ
 Th
Судалгааны
e аргазүйг ган, хар болон цагаан зуд, бэлчээр ашиглалтын үнэлгээ тус бүрээр харууллаа.
stu
Ган, зуд (хар,
dy цагаан)-ын үнэлгээ. Ганг тооцсон зудын үнэлгээг Л.Нацагдорж, Г.Сарантуяа нар
(2003) тооцоолжare байсан. Уг эрдэмтэд зудыг үнэлэхдээ том малын зүй бус хорогдолтой холбон
зун, өвлийн агаарын
a температурын нормчилсон хазайцаас мөн үеийн тунадасны нормчилсон
хазайцын зөрөөгөөр
is зудын индексийг анх тооцоолсон. Малын зүй бусын хорогдол хамгийн их
байсан зудтайtheбайсан жилийн өмнөх зун нь гантай байсан байдаг. Ган бол зудын угтвар нөхцөл
болох бөгөөдWгангийн эцсийн үр дүн ирэх өвөл, хавар нь илэрдэг. Монгол орны экологийн
бүсүүдийн онцлогоос
est хамааруулан тооцоонд хур тунадасны харилцан адилгүй нөхцөлүүдийг
оруулж өглөө.er Өвөл-хаврын тунадасыг 11, 12, 1, 2, 3 сарууд ба зуны тунадасыг 5, 6, 7 сар,
харгалзах агаарын
n температурын цуваа мэдээнүүдийг ашиглалаа. Харин цөл болон цөлийн
хээрийн бүсэдpaхаврын сүүлч, зуны эхээр гантай байх тохиолдол нэмэгдэж байгаа, мөн зуны хур
бороо оройтож rt орвол 7, 8 сар гаргаж зуншлага сайжирдаг байдлыг харгалзан үзэж 5, 6, 7, 8 дугаар
саруудын тунадасын
of мэдээг авлаа. Мөн тухайн саруудтай харгалзах агаарын температурын мэдээг
ашиглан өвөл,Mзуны шинж байдлыг дан ганц агаарын температураар илэрхийлэх хангалттай бус
гэж үзээд температур,
on хур тунадасны нормчилсон хазайлтын ялгавар буюу Педийн индексээр ган
зудын үнэлгээг go дараахь байдлаар илэрхийллээ.
lia n
T T  n  R  R 
s ган         [1]
(K t 1   T  t 1   R 
ho
vd, n
T T n
RR
Uv S зуд   ( )i   ( ) i гэж авав . [2]
s, i 1   i 1  R
Энд : R – i-р
Ba станц дээр өвөл ба зуны саруудад орсон цас болон хур тунадасны хэмжээ (мм-р),
R - i- р станцyaдээрх өвөл ба зуны саруудад орсон цас болон хур тунадасны олон жилийн дундаж,
n- өвөл ба зуны цас болон хур тунадасны хэмжээний дундаж квадрат хазайлт,
 R - i-р станцын
Ul
1 n
gii    ( xi  x ) 2 - үүнийг Флуктуац гэнэ [3]
) n  1 i 1
үүний хi-тухайн хэмжилтийн i дахь утга, <x>-арифметик дундаж утга

Sган >>0 байвал төдий гантай, Sзуд <<0 төдий их зудтай байх бөгөөд Sзуд ба Sган -ийн
 Th
Эндээс
ялгавараар зунe хэдий гантай, өвөл нь төдий хатуу ширүүн бол S төдий их байна. S -ийг ган
зудын нийлмэл totиндекс гэнэ.
al
are
a -3-
is
19
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 ( R j  R ) 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
S  S ган  S зуд [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:
 N  No  [5]
N    
 No 
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.
-4-
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:
V  N  S [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.
Зураг-2. Монгол орны гангийн үнэлгээ

1970-1990 1991-2008
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 Монгол орны гангийн индексийн олон
буураад 1990 оны сүүл үеэс эргээд нэмэгдсэн байна. жилийн динамик
Ерөнхийдөө Монгол нутагт ган тохиолдох байдал
нэмэгдэх хандлагатай. 0,70
0,60
Индекс
Зудын үнэлгээ 0,50

y = 0,0008x + 0,3869
0,40
Малчдын уламжлалт үнэлгээгээр зудыг дотор нь 0,30
цагаан, хар, шуурган, хүйтэн, төмөр буюу шилэн гэж 0,20
ялгасан байдаг (Д.Чогсом. 1964). 1999-2000 оны өвөл
1940
1947
1954
1961
1968
1975
1982
1989
1996
2003
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.
-5-
Зураг 3. Монгол орны ган-зуд(хар, цагаан)-ын үнэлгээ
1970-1990 1991-2008
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).
Зураг 4. Монгол орны бэлчээр ашиглалтын үнэлгээ
1970-1990 1991-2008
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.
-6-
Ган зуд болон бэлчээр ашиглалтын хам нөлөө

Ган-зудаас үүдэлтэй гарз хохиролд
байгаль, уур амьсгалын өөрчлөлтийн Зураг 5-а. Бэлчээр ашиглалт
Бэлчээр ашиглалт болонболон ган зудын
ган-зудын нөлөө нөлөө
анхдагч хүчин зүйл боловч хэдэн хувь нь (1970-1990)
биднээс өөрсдөөс хамаарч байгааг тоон 0,7 Бэлчээр ашиглалт
утгаар ялгаж салгах, цаашид судалж 0,6 Ган, зуд
тодруулах нь бодлого боловсруулахад ач 0,5 0,4

холбогдолтой талаар П.Батима нар (2003) 0,3
AIACC (Assessments of Impacts and 0,2 0,1
Adaptation to Climate Change) хөтөлбөрийн 0
Өмнөговь
Увс
Ховд
Хөвсгөл
Дорнод
Сэлэнгэ
Төв
Хэнтий
Дорноговь
Дундговь
Баян-Өлгий
Говь-Алтай
Булган
Баянхонгор
Архангай
Өвөрхангай
Завхан
төслийн судалгааны тайландаа дурьдсан.
Сүхбаатар
Монгол орны хаана уур амьсгалын
өөрчлөлтөөс үүдэлтэй, хаана бэлчээр Говийн бүс Ойт хээр Говь хангайн Хээрийн
шилжилтийн бүс
ашиглалт буюу хүний үйл ажиллагаанаас бүс
үүдэлтэй нөлөө давамгайлж байгааг олж

Зураг 5-б. Бэлчээр
Бэлчээр ашиглалт
ашиглалт болонболон ган зудын
ган-зудын нөлөө нөлөө
мэдэх нь бодлого боловсруулахад ач
(1991-2008)
холбогдолтой төдийгүй, цаашид 0,9
Бэлчээр ашиглалт
нарийвчлан судлах шаардлагатай байгаа 0,8 Ган, зуд
0,7
зүйлийн нэг юм. Дээр дурьдсан ган-зудын 0,6
болон бэлчээр ашиглалтын үнэлгээний үр 0,5
0,4
дүнд тулгуурлан индекс тус бүрийг 0-1 0,3
хооронд түгэлт хийж, жинлэх байдлаар 0,2 0,1
давамгайлж буй хүчин зүйлийг экологийн 0
Өмнөговь
Увс
Ховд
Хөвсгөл
Дорнод
Сэлэнгэ
Төв
Хэнтий
Дорноговь
Дундговь
Баян-Өлгий
Говь-Алтай
Булган
Баянхонгор
бүсүүд дэх аймгуудаар харууллаа(Зураг-5).
Архангай
Завхан
Сүхбаатар
Зургаас харахад 1970-1990 онд Монголын
ихэнх бүс нутаг буюу аймгуудад ган-зудын Говийн бүс Ойт хээр Говь хангайн Хээрийн
нөлөө давамгайлж байсан бол 1990 оноос

шилжилтийн бүс
бүс
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.
-7-
Зураг 6. Монгол орны экологийн эмзэг байдлын үнэлгээ

Байгалийн (ган, зуд) болон хүний хүчин зүйлийн
(бэлчээрийн доройтол) хам нөлөө
1970- 1991-
1990 2008
No data
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 Зураг 7. Ядуурлын хамралтын хүрээ, аймгаар
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.
-8-
Зураг 8. Нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээ
Хөвсгөл
Баян-Өлгий Увс
Булган Сэлэнгэ Дорнод

Ховд Завхан
Хэнтий
Архангай Төв
Сүхбаатар
Говь-Алтай
Баянхонгор Дундговь
Дорноговь
N Өмнөговь
LEGEND
< 0.25
W E 0.26 - 0.35
0.36 - 0.45
S 0.46 - 0.55
0.56 <
No data
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
-9-
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.
-10-
- 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.
-11-
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: amar64@arvis.ac.mn
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.
-12-
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.
-13-
1:5,000 1:1,000
S1 S2 S3
S4 S5 S6
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.
-14-
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
-15-
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.
SPOT XS Image ERS-2 SAR Image Other

Ancillary data
Radiometric Speckle
Correction Suppression
Geometric Ellipsoid/Terrain
Correction Correction
Co-
registration
D Hypothesis Rule
E B1>140
C
I RS and
builtu B4<255
S LU class
Other p
I
Classification
O LU
LU class LU class=2
class=TRUE
N
B1>20
T
water SPOT XS
R
E B3<15
E
Land Use
Map
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%.
-16-
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
Maps Optical Microwave Analogue Attribute Other

Data Data Data Data Data
Projection UTM
etc.
Radiometric Speckle Resolution Conceptual
Correction Supression Definition Model
Etc
Standard
Digitising
. Definition
GCP Geometric Ellipsoid or Scanning Normali-
Correction Terrain Cor. sation
Editing Y Feature Extraction
N
Editing Editing Editing
Y Topology PCA, ratioing,
N norm_n, etc.
Connectivity
Adjacency
Definition Spectral
Enhancement
Y Rasterisation Y Spatial Enhancement
N N
Grid cell Filters (linear,

Definition non-linear,
morph. etc.)
AI (eg, rule- Automatic Image map Manual (eg,

based, KBS, (eg, class_n, (eg. NCC, interpret_n,
etc.) etc.) FCC, etc.) etc.)
gGIS uGIS
Decision
Making
Figure 3. A complex approach for development of the urban GIS and its update by data from different sources
-17-
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.
-18-
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: amar64@arvis.ac.mn
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.
-19-
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.
-20-
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
-21-
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.
-22-
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.
-23-
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
-24-
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.
Радараас алслагдсан
№ Станцын нэр Өргөрөг Уртраг
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
-25-
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.
Радиолокацийн ойлт
Хур тунадасны хүч Эрчимшил (мм/цаг)
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.
-26-
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
-27-
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.
-28-
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.
-29-
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.
-30-
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.
-31-
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
-32-
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
Улаанбаатар орчимд налуу гадаргад тусах нарны интеграл

хүснэгт 2
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
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.
-33-
Сайншанд орчимд хэвтээ гадаргад тусах нарны интеграл

хүснэгт 3
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.
15 9 22 40 46 34 27 11 7 15 7 13 120
хаз
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
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.
-34-
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
-35-
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.
-36-
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
-37-
ANALYSIS ON SUMMER VEGETATION AND
CLIMATE CHANGE IN MONGOLIA, 1982-2009
Bolorchuluun Ch.
Department of Geography, National University of Mongolia
bolorchuluun@geodata.mn
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
-38-
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
-39-
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.
-40-
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.
-41-
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
-42-
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.
-43-
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
1
Natural Resource Ecology Laboratory, Colorado State University, USA,
2
Dryland Sustainability Institute, Mongolia
3
NUM-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)
-44-
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).
NIR  RED
NDVI 
NIR  RED
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
№ NDVI–н утга Байгалийн бүс 000 масштабын зураг (зохиогч Д. ДАш, редактор Д.
Доржготов, 2002) –ийг тоон мэдээлэлд хөрвүүлсэн нь
1 0.001-0.15 Цөлийн бүс
байгалийн бүсийн өөрчлөлт, бүсийн хилийн
2 0.1501-0.3 Цөлийн хээрийн бүс
мониторингийн судалгаанд чухал шаардлагатай
3 0.301-0.45 Хээрийн бүс газарзүйн тулгуур мэдээлэл болж байна. NOAA хиймэл
4 0.4501-0.6 Ойт хээрийн бүс дагуулын мэдээгээр тодорхойлсон 1982-2003 оны
5 0.601-0.75 Өндөр уулын бүс дулаан улирлын дундаж NDVI –ийн тоон утгаар
газарзүйн ангилал хийхдээ NDVI-ийн утгуудыг 0.1
6 0.7501-1 Тайгын бүс
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).
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
-45-
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.
1982-1990 year
1991-1999 year
Desert
1982-1990 1991-1999 2000-2008
302682,3 303068,5 302418,8
1999-2008 year
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).
1982-1990 year
-46-
1991-1999 year Desert steppe

1982-1990 1991-1999 2000-2008
South 133899,4 113731,0 144360,5
North 229752,7 250192,1 219414,5
1999-2008 year
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,%
1991-1999 2000-2008 2000-2008 1991-1999 2000-2008 2000-2008

Км2
/1982-1990 /1991-1999 /1982-1990 /1982-1990 /1991-1999 /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 км 2
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).
-47-
1982-1990 year
1991-1999 year
Steppe (km2)
1982-1990 1991-1999 2000-2008
Dry/s south 45994,8 69417,3 49204,1
1999-2008 year Dry/s north 240774,7 237097,1 235570,6
Steppe 146008,5 147854,1 145696,2
Moisture/s 110120,9 88892,2 112180,4
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 өөрчлөгдсөн талбай (км2) өөрчлөгдсөн талбай (%)
бүсийн 1991-1999/ 2000-2008/ 2000-2008/ 1991-1999 2000-2008 2000-2008
дугаар 1982-1990 1991-1999 1982-1990 /1982-1990 /1991-1999 /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
-48-
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 Mountain

18
16
Area (10000 km2)

1982-1990 year 14
12
10
8
1991-1999 year 6
4
2
1999-2008 year 0
1982-1990 1991-1999 2000-2008
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

өөрчлөгдсөн талбай (км2) өөрчлөгдсөн талбай (%)
Дэд
бүсийн 1991-1999/ 2000-2008/ 2000-2008 1991-1999 2000-2008 2000-2008
дугаар 1982-1990 1991-1999 /1982-1990 /1982-1990 /1991-1999 /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.
-49-
27 жилийн хугацаанд уулын тайгын бүс, өндөр уулын бүс хоѐрын ургамалжилт, талбайн
хэмжээнд эрс ялгарсан өөрчлөлт гараагүй болно (Зураг 5).
Taiga (km2) High mountain region (km2)

1982-1990 1991-1999 2000-2008 1982-1990 1991-1999 2000-2008
58576,6 58935,6 58805,4 68061,6 68109,7 68054,5
СУДАЛГААНЫ НЭГДСЭН ДҮН
Хүснэгт 5. Байгалийн бүс дэх ургамалжилтын талбайн өөрчлөлт (км2, %)
1991-1999 2000-2008 / 2000-2008/

Байгалийн бүс 1982- 2000- /1982-1990 1991-1999 1982-1990
1991-1999
бүслүүр ( км2) 1990 2008 өөрчлөгд- өөрчлөгд- өөрчлөгд-
сөн % сөн % 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
-50-
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
-51-
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.)
365 ни долгионы муж дахь цацрагийн хэв

хэмжээ
(Чойр 2004-6-20)
1,1
1
Хэв хэмжээ
0,9
0,8
0,7
0,6
10,5 11,5 12,5 13,5 14,5
Цаг
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.)
-52-
Намрын сар дахь үдээс өмнөх огцом өсөлт

( 2009-9-14, 2008-9-22)
1,1
2009
1
0,9
Хэв хэмжээ
0,8
0,7
2008 0,6
0,5
0,4
10 11 12 13 14 15
Цаг
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.
Шинэ хуучин сенсор
2
Цацрагийн эрчим
1,5 Шинэ
0,5
0
9 10 11 12 13 14
Цаг,мин
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)
Цацрагийн хэмжилт хийсэн өдрийн нарны Цацрагийн хэмжилт хийсэн өдрийн

өндөр (2008 он) нарны өндөр (2009 он)
70
60
70
Нарны өндөр (h)
50 60
Нарны өндөр (h)
50
40
40
30 30
20
20
10
10 0
3 4 5 6 7 8 9 10 11
0
Сар
2 3 4 5 6 7 8 9 10 11
Сар
4-р зураг. 4-р зураг. (*)
-53-
2008 оны цацрагийн эрчим 2009 оны цацрагийн эрчим

4,5
3,5
4
3
Эрчим Мв/м2
Эрчим Мв/м2
3,5
2,5
3
2
2,5
1,5 2
2 4 6 8 10 12 2 4 6 8 10 12
Сар өдөр Сар өдөр
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 2009 онд бүртгэгдсэн цацрагийн эрчим

№ эрчим
Үдээс Жин үд Зөрүү Үдээс өмнө Жин үд Зөрүү
өмнө (*жин үд) (*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%
-54-
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.)
Баян-Өлгий Хүрэлтогоотод бүртгэгдсэн
огцом өсөлт
(2009-8-4, 2009-8-28)
1,2
1
Баян-Өлгий
0,8
Хэв хэмжээ
0,6
Хүрэлтогоот
0,4
0,2
0
8 10 12 14 16
Цаг
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)
2009 оны жин үдээс өмнө тэмдэглэгдсэн их
утгын сар өдрүүдэд харгалзсан озоны хэмжээ
400
380
360
Озон (Добсоноор)
340
320
300
280
260
240 2
R = 0,6951; R=0,83
220
200
3 4 5 6 7 8 9 10 11
Сар өдөр
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.)
-55-
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
-56-
LANDSAT TM, +ETM ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭ АШИГЛАН БАЙГАЛИЙН
ЦОГЦОЛБОРТ ГАЗРААР ГАЗРЫН БҮРХЭВЧИЙН АНГИЛАЛ ХИЙХ
М.Одбаяр m_odbayar@yahoo.com МТТ1, Н.Элбэгжаргал n_elbegjargal@yahoo.com МТТ1

Д.Булган nd_bulgan@yahoo.com МТТ1, О.Анхбаяр ankhlan2005@yahoo.com 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
-57-
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. Хүснэгт 1.
Зураг 2. Тужийн нарс – БЦГ -ын ялгаатай анги, Тужийн нарс – БЦГ дээр нийтдээ 43-н өөр төрлийн
ангиуд дээр хээрийн хэмжилт хийсэн.
-58-
2. Орхоны хөндий – БЦГ, Байгаль хамгаалагч: - Ц.Төмөрхуяг. Хүснэгт 2.
Үзэх цэгийн
дугаар Ө Уртраг Ангийн тайлбар
Дэрст хонхор
1 47.539125 102.547281 (тал хээрийн)
2 47.540928 102.551358 Намаг ширэг
Нүцгэн шавар,
хужир марзтай
3 47.537819 102.556697 газар
Намаг ширэгт
4 47.541617 102.560397 голын сайр
Намаг ширэгт
5 47.544497 102.564139 дэрст хөндий
6 47.549167 102.571803 Тал, сахилдагтай
7 47.522792 102.571347 Тал хээр, дэрст тал
Тал хээр, айлын
8 47.506897 102.561619 намаржаа
Уулын нуугын хээр,
9 47.481353 102.570686 Хадат толгод
Суурын газар өвөл-
жөө, хөндий
10 47.484758 102.555958 хотгорын хээр
Голын хөндийн
нуга дотой
11 47.531883 102.597519 ширэг
нуга дотой
12 47.534239 102.587975 ширэг
13 47.487267 102.648067 Тал дэрстай
Суурын газар,
14 47.431808 102.657731 Хар балгас
Голын хөвөөний
15 47.421342 102.685931 ширэгтэй дов
Атаршсан тариан
16 47.434236 102.617725 талбай
17 47.411536 102.626794 талбай
18 47.417833 102.594497 талбай
19 47.396247 102.650078 талбай
Уул уурхайн газар
Хайрганы карер
20 47.328022 102.627011 чулуурхаг гадрага
Тал хээр толгод
засмал зам,
21 47.333578 102.627622 өндөр хүчдэл
Ойт хээр, шинэсэн
ой төгөл, зураа
шинэс, бургас,
22 47.306122 102.651497 өвчилсөн ой
Намаг нүцгэн
23 47.370953 102.683319 дов, голын ширэг
Намаг нүцгэн
24 47.370908 102.686928 дов, хужир марз
25 47.363167 102.696542 намаг дов
нуга, бургас,
хайлааст холимог
26 47.359119 102.715781 төгөл
-59-
27 47.449825 102.719278 Намаг ширэг

Тал хээр,
28 47.495250 102.711269 тэгш тал
29 47.499192 102.675694 Гол, хайрга
Шал нүцгэн
шавар, хужир
30 47.518147 102.770275 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 : Хүснэгт 3.
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
Хилийн
48.29633 99.82239 Хөдөө арал Хөнжилийн гол 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
Хилийн
48.06663 99.56011 Бүдүүн гэчигэний эх орчим гадна
48.15232 99.54955 хужир марзтай газар 14
-60-
48.17741 99.60848 Тал хээрийн сийрэг ургамалтай 15

Хилийн
48.24896 99.60510 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.
-61-
4. Хөгнө - Тарна (Булган аймаг Рашаант сум) – БЦГ, Р. Намжилдорж.
Хүснэгт 4.
-62-
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 IDRISI Andes
Import Import IDRISI
Subset image Reclass
Land
Signature editor Overlay maximum cover map
Supervised
classification
-63-
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
-64-
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.

Õ¿ñíýãò 5.
Ангийн Ангийн Ангийн
Ангийн нэр Ангийн нэр Ангийн нэр
дугаар дугаар дугаар
Уулын хээр: Голын Хайрга: Элс, элсэрхэг газар:
1 2
7 2
13
1294577858.25 (M ) 7821967.50(M ) 46813216.50(M2)
Тал хээр: Газар тариалан: Элсжиж буй газар:
2 2
8 2
14
2406274380(M ) 250860975.75(M ) 84351350.25(M2)
Hуга: Зам: Хад асга:
3 2
9 2
15
679487737.50(M ) 17856504(M ) 11390994(M2)
Xужир-марзтай
Намаг, ширэг: Суурин газар:
4 10 газар: 16
72572913(M2) 1507536(M2)
26253544.50(M2)
-65-
Нисэх онгочны
Шилмүүст: Гол:
5 11 17 буудал:
125163663.75(M2) 19463946.75(M2)
475166.25(M2)
Ой: Нуур:
6 2
12
114221031.75(M ) 35367801.75(M2)
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
-66-
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
-67-
DETERMINATION OF MOISTURE IN THE SOUTHERN SLOPES OF THE KHANGAI
RANGE IN MONGOLIA USING REMOTELY SENSED DATA
1
N.Enkhjargal, 2R.Tsolmon, 3T.Chuluun
1,2,3-“NUM-ITC-UNESCO” Laboratory for Remote Sensing/Geographic Information System
miki_9467@yahoo.com, tsolmon@num.edu.mn
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.
-68-
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).
P
MI  (1)
PET ( DaysPerMonth )
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).
 Ges 
PET  1.3  Er (2)
 Ges   
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):
NIR  RED
. NDVI  (3)
NIR  RED
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.
-69-
35.0
30.0
Moisture index
25.0
20.0
15.0
10.0
5.0
Year
0.0
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
May June July August
Figure 2. Comparison of monthly moisture index (May-August)
0.0 67.5
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
-70-
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.
0.20
0.18
0.16 y = 0.0001x - 0.0882
0.14
0.12
NDVI
0.10
0.08
y = -0.0002x + 0.488
0.06
0.04
0.02
Year
0.00
1982
1984
1986
1988
1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
July August Linear (August) Linear (July)
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).
18.00 60.0
y = 3.6612Ln(x) + 17.894
16.00 2
R = 0.0418 50.0
14.00
Moisture index
40.0 y = 265.5x - 5.1018

12.00
Moisture index
2
R = 0.4365
10.00 30.0
8.00
20.0
6.00
4.00 10.0
2.00
0.0
0.00 0.00 0.05 0.10 0.15 0.20
0.00 0.05 0.10 0.15 0.20
NDVI
NDVI
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).
-71-
35.00 35.0
y = 47.011Ln(x) + 118.7
30.00 30.0 2
y = 24.232Ln(x) + 68.639 R = 0.3796
2
25.00 R = 0.2858 25.0
Moisture index
Moisture index
20.00 20.0
15.00 15.0
10.00 10.0
5.00 5.0
0.00 0.0
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18 0.20 0.08 0.09 0.10 0.11 0.12 0.13 0.14 0.15
NDVI NDVI
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).
60.00
50.00
y = 45.469Ln(x) + 130.38
40.00
R2 = 0.5276
Moisture
30.00
index
20.00
10.00
0.00
0.00 0.02 0.04 0.06 0.08 0.10 0.12 0.14 0.16 0.18
NDVI
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.
-72-
FY-2 ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР БОЛОВСРУУЛСАН АГААРЫН
ТЕМПЕРАТУР, ХУР ТУНАДАСЫГ ГАЗРЫН АЖИГЛАЛТЫН МЭДЭЭТЭЙ
ХАРЬЦУУЛСАН НЬ
М.Эрдэнэтуяа1 Д.Мөнхзул2, Б.Эрдэнцэцэг2, Стевен Хоппер3
1
Мэдээлэл тооцооллын төв
2
Ус, цаг уурын хүрээлэн
3
Нидерландын 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: (T0  Ta )  k / cos(im ) * (T0'  Ta )

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:
-73-
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.
Rest   ai CDi  (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.
b  Rest  Robs (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.
Rest   ai CDi   b (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
-74-
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
Арав 2007 он 2008 он
Байгалийн бүс Станцын тоо хоногийн 0 ззлэх 0 эзлэх
зөрөө С зөрөө С
тоо хувь, % 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
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
Өндөр уул 16 33-36 3 8.9 9 25.9
Ойт хээр 43 33-36 4 11.8 9 26.1
-75-
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
-76-
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
Хэмжсэн хур Тооцоолсон хур

Хамаарлын
Он тунадасны тунадасны Зөрөө, %
коэффициент
хэмжээ, мм хэмжээ, мм
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/
2007 он 2008 он
Сар тунадасны тунадасны
хамаарал дундаж хамаарал дундаж
зөрөө, мм 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.
-77-
6 дугаар сарын хур тунадасны хамаарал 7 дугаар сарын хур тунадасны хамаарал
R2 = 0.6711 R2 = 0.5845
180 120
160
тооцоолсон хур тунадас, мм

100
тооцоолсон тундас, мм
140
120 80
100
60
80
60 40
40 20
20
0 0
0 50 100 150 200 0 50 100 150 200
бодит хур т унадас, мм бодит т унадас, мм
8 дугаар сарын хур тунадасны хамаарал

R2 = 0.4724
80
70
тооцоолсон тунадас, мм
60
50
40
30
20
10
0
0 50 100 150
бодит т унадас, мм
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/
-78-
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
-79-
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
jambajamts@num.edu.mn, tuulka_6376@yahoo.com, uyanga_v@yahoo.com
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.
-80-
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
-81-
Table2. Refraction
Graphics 1. “wet” delay
-82-
Graphics 2. Refraction
-83-
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.
-84-
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.
Ulziit river, ”Khan-Shijir”
and “Odod gold” company
Mongolia
Bayankhongor
aimag
Figure 1: Location map for mining company “Odod Gold” and “Khan-Shijir”
-85-
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
Figure 2. Quick Bird image for

Ulziit river
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
-86-
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.
-87-
The main factors for waste disposal site selection for concession area of “Odod Gold” company
are:
Three effects for waste
1. Drainage disposal location
2. Soil Composition
3. Slope Map
4. Soil clay composition
5. Slope map Drainage-buffer
6. License concession area with 20м
Camp-buffer 1000m
River-buffer with
20 m
Slope
Soil clay composition map
map
Licence-
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:
-88-
- shade/sunshine or aspect;
- slope;
- vegetation;
- Digital Elevation Model
- noise.
Main criteria
Aspect map Vegetation map Slope map Digital Elevation map
Aspect Vegetation map Slope map DEM
Weighting- score
Suitable habitat map

for small mammals
(Meriones unguiculatus /
Mongolian Gerbil,
Ochtona Daurica /Daurian Pika)
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,
-89-
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.
-90-
МОНГОЛЫН ЗУРАГЗҮЙН ШИНЖЛЭХ УХААНЫ ТҮҮХЭН ҮЕЧЛЭЛ
ТҮҮНД АТЛАСЫН ЭЗЛЭХ БАЙР СУУРЬ
Role of atlas in the cartography science, Mongolia

Док, порф. Д.Эрдэнэцэцэг Л.Мөнхнасан (Ms)1, Р.Алтанзул(Ms)2
1
Геоэкологийн хүрээлэн, 2 МААЭШХ
1
l.naska@yahoo.com Утас: 99065646
2
Zulaa_globus@yahoo.com, 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
-91-
 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.
Зу рагзүйн дараах б үтээлүүд 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)
 Су ргалтанд зориу лсан 10 гару й ханын зу раг
-92-
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.
-93-
Монголын зурагзүйн шинжлэх ухаанд
атласын эзлэх байр суурь
2-р ү е Г еодүр сл
э л тоо
1-р ш а т 2-р ш а т 3-р ш а т ш ирхэ г,
1990
1921-1945 %
о ноос
он
61 ш
1-р ү е
Эхэ н Д унд Сүү л ү е одоо г

А тлас
- үе үе 1970- хүрт э л 100%

1945- 1960-
1990
1960 1970
2ш- 33ш-54 23ш -
3ш-4,9 % -
3,2 % % 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
-94-
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 l.naska@yahoo.com Утас: 99065646
2
Говь-Алтай аймгийн УЦУОШГ Gunbileg2002@yahoo.com
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.
-95-
Биомассын утга тус бүрийн
200000 эзлэх талбай (га)
180000
160000
140000
120000
100000
80000
60000
40000
20000
0
2000 2004 2008 2009
0,1-2,1 432 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
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.
-96-
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
-97-
MAPPING FOREST FUNCTIONS USING GIS IN SELENGE, MONGOLIA
Ochirsukh Badarch 1, Woo-Kyun Lee*
Department of Environmental Science and Ecological Engineering, Korea University
*ochirsukhmb@yahoo.co.uk; ochirsukhmb@korea.ac.kr
**Corresponding Author: leewk@korea.ac.kr
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
-98-
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
-99-
Forest law 1995 Forest law 2007
No Thematic map Strictly Production

Protected Protected forest Production Protected forest zone
forest zone zone forest zone forest zone
O O O O
1 Slope
O O O O O
2 Forest type
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 O O O
10 Boundary
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 Sub Alpine forest ( combined protected forest)

PROTECTED
Protected Area (combined protected forest)
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
PROTECTED 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 All other forests except protected forest
protected
-100-
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).
Figure.2 The GIS based processes for classifying forest function according to the 1995 law.
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
-101-
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.
Figure.3 The GIS based processes for classifying forest categorization according to the 2007
law.
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.
-102-
Figure.4 Map showing the distribution of the forest functions according to the 1995 law
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.
Table 3. Areas of forest functions cover (forest law of 1995)
Forest function Area (Km2) Percentages
Strictly protected 7,616 42%
Protected 9,608 53%
Production 876 5%
Total forest cover 18,100 100%
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.
-103-
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 km 2. 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.
Figure.5 Map showing the distribution of the forest functions according to the revised 2007 law
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.
Table 4. Areas of forest functions cover (forest law of 2007)
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.
-104-
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.
-105-
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,
3
Australian Youth Ambassador for Development Institute of Geoecology, Mongolian Academy of Scince
tsoyuntsetseg@yahoo.com 1, tsolmon@num.edu.mn2, sh.munkhjargal@num.edu.mn
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.
-106-
The short-term goal:
 Map of Glacier and Snow coverage

 Dynamics change of Glacier and Snow coverage
2. 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.
Figure 1. 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 .
Table 1. Landsat satellite data
 The study area is the Western part of Mongolia (Khovd, Uvs,

№ Bayan-Ulgii)
Year Path Row Type
1 The2006.07.26
 P141R026
total area is 191385 km2 TM
2 2007.07.21 P141R026 ETM
 Location - (E870 -E950, N440 - N510) (Figure 1).
3 2009.08.19 P141R026 TM
4 There
 2006.07.26 P141R027
are many glacier and snow covered mountains.TM For
5 example: KharhiraaP141R027
2007.06.19 and Turgen, Monkh-Khairkhan etc. 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
-107-
METHOD
Figure 2 describes diagram of methodology in this research.
Methodology diagram
Satellite data
MODIS (2000-2010) LANDSAT (2006,2007,2009)
Processing of MODIS data Normalized Difference snow Index
Classification of snow coverage Classification of snow coverage
Map of snow coverage Map of snow coverage
Map of glacier
Climate data Analysis Ground truth

Зураг 9. Арга зүйн схем
data
Results
Figure 2. Method diagram
Normalized Difference Snow Index /NDSI/

b4
Normalized Difference Snow Index (NDSN) landsat = (1.1)
b5
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).
-108-
Figure 3. Map of Snow coverage for 4 seasons betwen 2000-2001
Figure 4 . Map of Snow coverage for 4 seasons betwen 2002-2003
-109-
Winter Spring
Figure 8. Map of Snow coverage for 2 seasons 2010
200000
150000
Area /km /
2
100000
50000
0
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
Time
Winter Spring Autumn Summer
Figure 9. Snow coverage dynamics in the 4 seasons between the years 2000-2010
-110-
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/
№ 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
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.
Figure 10. Map of Snow Coverage Figure 11. Map of Snow Coverage
/P141R027/
/P141R026/
Цасан бүрхүүлийн талбайн хэмжээ /км2/
2500
2000
Талбайн хэмжээ
1500
1000
500
0 Хугацаа
2006 2007 2009
p141 r26 p141 r27 p143 r26
Figure 13. Map of Snow

Coverage (km2)
Figure 12. Map of Snow Coverage
/P143R026/
-111-
From this, dynamic of the area is starting to decrease. For P141R026, the snow covered area is
starting to increase. (figure 13)
Legend Legend
Aimag
Aimagboundary
boundary Aimag boundary
Glacier
Glacier
Glacier
Figure 14. Map of Glacier 2000-2004 year /6- Figure 15. Map of Glacier 2004-2009 year /6-
8 month/ 8 month/
300
y = -12.414x + 25079
271.19
259.92
250
Area /km /
2
222.01
211.77
200 199.91
185.28 182.50
179.72
150
124.54
114.01
100
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011
T ime
Figure 16. Map of Glacier 2000-2004 year /6-8 month/ Square dynamics
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)
-112-
Figure 17. Compare satellite data and snow cover data of climate station 2009-2010 year
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)
MODIS
45
40 y = 18.821Ln (x) - 40.501
R2 = 0.8073
35
30
25
20
15
10
5
0
0 5 10 15 20 25 30 35 40 45
C l i me data
Figure 18. Compare satellite data and snow cover data of climate station
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)
Figure 19. Compare satellite data and Figure 20. Compare satellite data and glacier
glacier data of ground truth data/LANDSAT
data of ground truth data /MODIS/
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)
-113-
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)
-114-
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:suvdaa@sfc.keio.ac.jp
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
-115-
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
-116-
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.
-117-
Table 1. Selected suitable activities in the project site.
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
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.
Pc  ( D / Bc ) xW (1)
D - Highest degree; Bc - Biggest weight of the criteria; W - Weight of the criteria
Table 2. Sets of criteria and its weights.
№ Impact criteria Weight Degree Weighted

W Pd scale Ws
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 3 180 45
environment
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
-118-
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 A j  Ak .
The concordance index lies between 0 and 1.
C jk  Wi / Wn , 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 ( A j  Ak ) 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.
d jk  max( Aik  Aij ) / max Pd , 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,
-119-
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
-120-
 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
-121-
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 C jk 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
-122-
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
-123-
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 &
-124-
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)
-125-
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.
-126-
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
1
Division of Environmental Science and Ecological Engineering, Korea University, Seoul, 136-701, Korea
2
Korea Forest Research Institute, Seoul, 130-712, Korea
*
Corresponding author: Tel.: 02-3290-3016, Fax: 02-3290-3470, E-mail: leewk@korea.ac.kr
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.
-127-
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.
-128-
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
-129-
(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.
coefficient
Type Definition
Coniferous Deciduous
Wood basic density (WD) Dry weight(g)/Volume(㎤) 0.47 0.65
Above biomass
Biomass expansion factor (BEF) 1.29 1.22
/Stem biomass
(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.
-130-
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.
-131-
HUMAN IMPACT ON LAND COVER CHANGES IN MONGOLIA
Tsolmon Renchin
NUM-ITC-UNESCO Remote Sensing/GIS Laboratory, National University of Mongolia
E-Mail: tzr112@psu.edu, tsolmon91@yahoo.com
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
-132-
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
Instrument Date Path Row

TM 8/21/1989 P132 R26
ETM+ 9/21/2000 P132 R26
Table 1. Landsat imagery
ETM+ 9/10/2002 P132 R26
ETM+ 8/31/2001 P131 R27
ETM+ 8/26/2005 P131 R27
TM 8/5/2006 P131 R27
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
-133-
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 The distribution of the accuracy

BS Bare sparse assessment points for each scene is
HC Herbaceous closed 561 and 627 respectively for
HO Herbaceous open Darkhan province and Tuv province.
SC Shrub closed The accuracy assessments are
SO Shrub open presented in Table 3 and Table 4.
TDBC Tree Deciduous Broadleaf Closed The results show that the overall
TDBO Tree Deciduous Broadleaf Open accuracy of land cover
TDNC Tree Deciduous Needleleaf Closed
classification is 78% and 88 %
TDNO Tree Deciduous Needlelead Open
TMC Tree Mixed Closed
respectively for the two scenes.
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).
-134-
a) b)
c)
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)
a) b)
c)
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)
-135-
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
Aug, Aug, Aug, Sep, Sep,

2001 2005 Aug, 1989 2000 2002
Path 131 (area, (area, 2006(area, Path 132 (area, (area, (area,
Row 27 km2) km2) km2) Row 26 km2) km2) km2)
Barren 3810 2840 1887 Barren 10669 8229 347
Herbaceous 17075 17434 18596 Herbaceous 19486 19195 27820
Shrubs 3802 2653 2903
Shrubs 1441 3872 1308
Trees 9566 11336 10885
Trees 2648 2948 4802
Water 48 38 29
Water 56 57 23
Sum 34301 Sum 34301
-136-
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:
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.
-137-
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.
-138-
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).
-139-
CLIMATE CONDITIONS AND DESERTICATION IN MONGOLIA
N.Tugjsuren, G.Enkhjargal and E.Orolmaa
Mongolian University of Science and Technology
E-mail:tugjsurn@must.edu.mn, enkhjargal@magicnet.mn, orolmaa@yahoo.com
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 0 0C, 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.
-140-
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)
Territorial coverage, by %
Kategory of desertification 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
-141-
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
-142-
ДАРХАН – УУЛ АЙМГИЙН НУТАГ ДЭВСГЭР ДЭЭРХ АГААРЫН
ТЕМПЕРАТУРЫН ГОРИМ
Э. Оролмаа, Н.Түгжсүрэн
Шинжлэх Ухаан, Технологийн Их Сургууль
E-mail: tugjsurn@must.edu.mn
orolmaa@yahoo.com
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
-143-
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.
-144-
-30.8 -5.5
-24.5 XI 7.7
-12.9 17.9
-0.6
IX 28.4
5.9 агаарын хамгийн
31.2
VII 9.1 36.2 бага температур
4.2 31.8 Агаарын хамгийн
-2.6V 32 их темпертур
-10 25.2
-23.5 III 13.6
-30.9 -5.6
-35.1 -9.2 I
-40 -20 0 20 40
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
-145-
ЗАЙНААС ТАНДАН СУДЛАЛ БОЛОН ГАЗАРЗҮЙН МЭДЭЭЛЛИЙН СИСТЕМИЙН АРГА

ЗҮЙГ ӨНДӨР УУЛЫН УРГАМАЛЫН СУДАЛГААНД АГШИГЛАХ НЬ
Баяртунгалаг1, Р.Цолмон2, Н.Сонинхишиг3, Б.Оюунцэцэг 4
1
b_tungalag_b@yahoo.com, 2tsolmon91@yahoo.com, 3soninkhishig2000@yahoo.com
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:
-146-
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
-147-
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 Зураг 5. Өндрийн тоон загварын байдал
Apiaceae (шаргал), Boraginaceae (улаан), болон өндөр уулын Apiaceae (шаргал),
Caryophyllcea (ягаан), Fabaceae (хөх) Boraginaceae (улаан), Caryophyllcea
ургамлын тархалт (R-band 5, G-band 4, B- (ягаан), Fabaceae (хөх) ургамлуудын
band 3) тархалт
-148-
Зураг 6. Алтай Таван Богд уулын орчмын Apiaceae (саарал), Boraginaceae (улаан), Caryophyllcea (ногоон),
Fabaceae (хөх) ургамлуудын гурван хэмжээст зураглал
Зураг 7. Алтай Таван Богд уулын орчмын Зураг 8. Өндөр уулын Apiaceae (шаргал),
Apiaceae (хар), Boraginaceae (улаан), Boraginaceae (улаан), Caryophyllcea (ягаан),
Caryophyllcea (ягаан), Fabaceae (хөх) Fabaceae (хөх) ургамлуудын налуугийн
ургамлуудын зүг зовхисийн зураглал 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.
-149-
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
mountain steppe to mountain
Hovd aimak Ergeneburen Sum 90,52000 48,31000 2300 m desert along mountian stream Apiaceae
Hovd aimak Ergeneburen Sum 91,19000 48,19000 1400m river gravel Brassicaceae
alpina meadow, partly with
Hovd aimak Ergeneburen Sum 90,43000 48,37000 3000m shallow peat Asteraceae
Hovd aimak Ergeneburen Sum 2900-
Tsambagarav Mts 90,43000 48,37000 3500m 49,09N/88,01E 3100km Apiaceae
Hovd aimak Ergeneburen Sum 2900- alpine meadow moraince screes
Tsambagarav Mts 90,43000 48,37000 3100m 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
wet meadow along tributary to
Bayan-Olgii Aimak Tolbo Sum 90,11000 48,28000 2200m Tolbo NUUR
moutain steppe mountain
Bayan-Olgii Aimak Tolbo Sum 90,03000 48,39000 2300m 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 alpine meadow river gravel, shallow
Tavan bogd National PARK 88,05000 49,11000 2800m 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 3100- high alpine meadow , alpine
Tavan bogd National PARK 88,00000 49,09000 3500m tundra spring horizons scree Apiaceae
Bayan-Olgii Aimak Tsengel sum 2800- mountain steppe alpine
Tavan bogd National PARK 88,05000 49,11000 3500m meadow boulder and scree Apiaceae
Larix sibirica forest on northern
Sagsay Sum, Tsengel Nat.Park 2000- slopes and in sheltered places on south
Songino River Valley 89,00000 48,09000 2750m 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 sea shore along Lake hoton nuur,
and Hurgan nuur 88,27000 48,35000 2200m ruderal sitesnear military camp Lamiaceae
Tsengel
National PARK between Hoton
NUUR 2200- mountain steppe graniterocks
and Hurgan nuur 88,27000 48,35000 2500m and bouldet scree Scrophulariaceae
Bayan-Olgii Aimak Sagsay
SumTsengel moraine landscape mountain steppe
National PARK 88,27000 48,36000 2200m and meadowswet meadows along creeks Scrophulariaceae
Tsengel 2300- alpine meadows and alpine t
National PARK 88,28000 48,29000 3100m 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 2100-
near Olgy 89,48000 48,56000 2500m mountain steppe scree and sand chenopodiaceae
-150-
WELL-STUDIED UNKNOWN ALBEDO OF LAND COVERS

Tarzadin Ulaanbaatar
Geophysical Department, National University of Mongolia
tarzad@yahoo.com
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,
0 0
At boundaries of the sea ice sheet of North and South polar regions (72 N, 63 S) 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.
-151-
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.
-152-
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
-153-
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.
-154-
LANDSAT БОЛОН ASTER ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР МӨНХ ЦАСТ УУЛЫН

МӨНХ ЦАСНЫ ТАЛБАЙГ ТОДОРХОЙЛСОН ҮР ДҮН
М.Одбаяр m_odbayar@yahoo.com МТТ1, Н.Элбэгжаргал n_elbegjargal@yahoo.com МТТ1

Д.Булган nd_bulgan@yahoo.com МТТ1, О.Анхбаяр ankhlan2005@yahoo.com МТТ1
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.
-155-
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.
ERDAS IMAGINE 9.1
Import Glacier
Subset image
Signature editor
Supervised
classification
Зураг2. ERDAS программаар ангилал хийх
-156-
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
-157-
(a)
(b)
(c)
Зураг5. 2006 оны 08-р сарын 2-ны өдрийн Ландсат дагуулын мэдээг ашиглан Хойтбөөрөгт уулын
(a)
(b)
(c)
Зураг6. 2009 оны 09-р сарын 25-ны өдрийн ASTER дагуулын мэдээг ашиглан Хойт бөөрөгт уулын
ангилсан үр дүнг тус дагуулын өндрийн мэдээ ашиглан 3D байдлаар харуулав
-158-
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
Зураг9. 2007 оны 08-р сарын 13 –ны ASTER дагуулын мэдээгээр Сайр уулын мөнх цасыг ангилсан үр
дүн
-159-
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,
-160-
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
-161-
(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
-162-
Мөнх цаст уулуудын талбай тэдгээрийн өөрчлөлт
Талбай /га/
Уулс Landsat TM Landsat TM Landsat ETM+ ASTER Өөрчлөлт, %
1970s 1990s 2000s 2007/2009
- 25.June.1992 14.July.2002 13.Aug.2007
Сайр 38.9-72.3
- 1547,99 945.3 429,45
14.June.1975 19.Sep.1989 04.Sep.2001 25.Sep.2009

Түргэн 38.0-74.0
22886,58 19686.3 5124.89 12203.2
- 07.Sep.1990 - 09.Aug.2003
Алтай таван
51.0-59.1
богд - 45894.2 - 22585.86
07.Sep.1999 14.July.2002 02.Aug.2006 25.Sep.2009

Хойт бөөрөгт 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.
-163-
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: amar_tungalag@num.edu.mn *; tzr112@psu.edu;
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
-164-
NEW TECHNOLOGY OF DROUGHT DZUD EARLY
WARNING SYSTEM IN MONGOLIA
М.Erdenetuya1, B.Erdenetsetseg2, D.Munkhzul2
1
Imformation Computer Centre
2
Institute 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
-165-
LANDCOVER CHANGE AND DEGRADATION IN TOGTTSETSII SOUM IN OMNIGOVI
PROVINCE USING GIS AND REMOTE SENSING
Odkhuu Kh1, Tsolmon R1
1
NUM-ITC-UNESCO Remote Sensing and GIS laboratory, NUM
tzr112@psu.edu
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
1
NUM-ITC-UNESCO Remote Sensing and GIS laboratory, NUM
tzr112@psu.edu
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.
-166-
FLOOD RISK MAPPING
B.Undrakh, R.Tsolmon
NUM-ITC-UNESCO Remote sensing, GIS laboratory
National University of Mongolia
email: libra_daa@yahoo.com
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
shijiree77@yahoo.com, tsolmon@num.edu.mn2
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.
-167-

Proceeding 2010 Conference

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Proceeding 2010 Conference

Transféré par

Droits d'auteur :

Formats disponibles

The 4th Annual International Conference on the Application

and Development of Geospatial Technologies in Mongolia

Эрдэм шижилгээний бүтээлүүдийн эмхэтгэл

Монгол Улсын Их Сургууль

Dear Colleagues and Friends,

Chair: Dr. Tsolmon Renchin, NUM-ITC-UNESCO Remote Sensing/GIS Laboratory,

Samuel Wearne, Environmental Scientist Australian Youth Ambassador for Development

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

D.Narantuya, Mongolian Geosciences and Remote sensing Society (MGRSS),

A.Dulmaa, Laboratory for Remote sensing/GIS of NUM-ITC-UNESCO, The National

Prof.G.Batsukh Gephysich Department Physics Electronics School of National University of Mongolia

Prof. N.Tugjsuren Mongolian University of Science and Technology

VULNERABILITY ASSESSMENT OF MONGOLIAN

A CONCEPTUAL FRAMEWORK FOR UPDATE

URBAN LAND COVER CLASSIFICATION USING

МОНГОЛЫН ЦАГ УУРЫН РАДАР

ХЭВТЭЭ БОЛОН НАЛУУ ГАДАРГАД ТУСАХ

ANALYSIS ON SUMMER VEGETATION AND

VEGETATION TRENDS ANALYSIS IN MONGOLIA:

НАРНЫ ХЭТ ЯГААН ЦАЦРАГИЙН 365 НМ

LANDSAT TM, +ETM ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭ АШИГЛАН БАЙГАЛИЙН

DETERMINATION OF MOISTURE IN THE SOUTHERN SL

FY-2 ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР БОЛОВСРУУЛСАН

DEFINING WATER VAPOR VOLUME IN THE TROPOSPGHERE

МОНГОЛЫН ЗУРАГЗҮЙН ШИНЖЛЭХ УХААНЫ ТҮҮХЭН ҮЕЧЛЭЛ

ЗАЙНААС ТАНДАН СУДЛАЛЫН АРГААР

MAPPING FOREST FUNCTIONS USING GIS

DETERMINATION OF SEASONAL DYNAMICS IN GLACIER AND

ECOTOURISM DEVELOPMENT PLANNING IN THE

ESTIMATION OF FOREST STAND VOLUME AND BIOMASS

HUMAN IMPACT ON LAND COVER CHANGES IN MONGOLIA

CLIMATE CONDITIONS AND DESERTICATION IN MONGOLIA

ДАРХАН – УУЛ АЙМГИЙН НУТАГ ДЭВСГЭР

ЗАЙНААС ТАНДАН СУДЛАЛ БОЛОН ГАЗАРЗҮЙН

WELL-STUDIED UNKNOWN ALBEDO OF LAND COVERS

LANDSAT БОЛОН ASTER ХИЙМЭЛ ДАГУУЛЫН МЭДЭЭГЭЭР

LAND DEGRADATION MAPPING USING MODIS DATA

NEW TECHNOLOGY OF DROUGHT DZUD EARLY

LANDCOVER CHANGE AND DEGRADATION IN TOGTTSETSII SOUM IN OMNIGOVI

USING GIS AND REMOTE SENSING TO MONITOR TOXIC SUBSTANCE DISPERSAL

FLOOD RISK MAPPING

MUNKHKHAIRKHAN‟S CURRENT FRIGIDITY DYNAMICS,

Abstract Integrated vulnerability assessment of social-ecological systems of Mongolia

үүний хi-тухайн хэмжилтийн i дахь утга, <x>-арифметик дундаж утга

Бэлчээр ашиглалтын индексийг гаргах томьѐо нь:

Зураг-2. Монгол орны гангийн үнэлгээ

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

Зудын үнэлгээ 0,50

Ус цаг уурын хүрээлэнгийн үнэлгээгээр 32 сумын

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

Монгол нутагт тохиолдох зудын индексийн 1940-

Бэлчээр ашиглалтын үнэлгээ

Зураг 4. Монгол орны бэлчээр ашиглалтын үнэлгээ

1970-1990 онд Ховд аймаг бэлчээрийн даацаа

Ган зуд болон бэлчээр ашиглалтын хам нөлөө

тодруулах нь бодлого боловсруулахад ач 0,5 0,4

үүдэлтэй нөлөө давамгайлж байгааг олж

нөлөө давамгайлж байсан бол 1990 оноос

хойш бэлчээр ашиглалтын нөлөө

Зураг 6. Монгол орны экологийн эмзэг байдлын үнэлгээ

1970-2008 оны олон жилийн динамикаас

Нийгэм-экологийн тогтолцооны эмзэг

Зураг 8. Нийгэм-экологийн тогтолцооны эмзэг байдлын нэгдсэн үнэлгээ

Булган Сэлэнгэ Дорнод