Россия
Россия
Россия
УДК 528.87 Дешифрирование. Визуальные требования при дешифрировании снимков
В статье представлены результаты геоинформационного анализа лесных геосистем смешанных лесов Зубово-Полянского района Республики Мордовия на водно-ледниковых равнинах с использованием спектральных индексов, рассчитанных по данным спутниковых снимков Sentinel-2 за 2020–2025 гг. Цель исследования заключалась в выявлении динамики состояния растительного, почвенного и водного покрова, а также урбанизированных территорий для оценки влияния природных и антропогенных факторов. Методологическая схема включала выбор исходных данных ДЗЗ, их предобработку, расчет индексов для основных компонентов геосистем, классификацию и верификацию результатов по картографическим материалам и натурным наблюдениям. Для растительности использовались индексы EVI2, CCCI и PSRI, позволившие оценить общее количество биомассы, содержание хлорофилла и процессы старения. Установлено, что за пятилетний период произошло снижение площади участков с максимальными значениями вегетационных индексов и рост доли зон со средними показателями, что связано с вырубками, расширением карьеров и развитием дорожной сети, при одновременном зарастании заброшенных сельхозугодий. Для почвенного покрова применялись индексы BSI, SCI и NDSI, выявившие рост площади оголённых поверхностей в пределах лесных массивов и тенденцию к снижению гумусированности при увеличении засоленности. Для водных объектов использовались индексы AWEI и NDTI, показавшие стабильность контуров и неизменность мутности. Урбанизированные территории оценивались по индексу BAEI, что подтвердило локальные изменения и строительство новой транспортной магистрали.
геоинформационный анализ, дистанционное зондирование Земли, деградация почв, растительный покров, гидрологический мониторинг, урбанизированные территории, природопользование
1. Jiang Z., Huete A.R., Didan K., Miura T. Development of a two-band enhanced vegetation index without a blue band. Remote Sensing of Environment. 2008. Vol. 112, no. 10. Pp. 3833-3845. DOI:https://doi.org/10.1016/j.rse.2008.06.006 ScienceDirect+1
2. Huete A., Didan K., Miura T., Rodriguez E.P., Gao X., Ferreira L.G. Overview of the radiometric and biophysical performance of the MODIS vegetation indices. Remote Sensing of Environment. 2002. Vol. 83, no. 1-2. Pp. 195–213. DOI:https://doi.org/10.1016/S0034-4257(02)00096-2
3. Mzid N., Pignatti S., Huang W., Casa R. An analysis of bare soil occurrence in arable croplands for remote sensing topsoil applications. Remote Sensing. 2021. Vol. 13, no. 3. P. 474. DOI:https://doi.org/10.3390/rs13030474
4. Nguyen C.T., Bui D.T., Pham H.V. A modified bare soil index to identify bare land features during agricultural fallow period in Southeast Asia using Landsat 8 OLI data. Land. 2021. Vol. 10, no. 3. P. 231. DOI:https://doi.org/10.3390/land10030231
5. He C., Wang Q., Yang J., Xu W., Yuan B. BLEI: Research on a novel remote sensing bare land extraction index. Remote Sensing. 2024. Vol. 16, no. 9. P. 1534. DOI:https://doi.org/10.3390/rs16091534
6. Vescovo L., Wohlfahrt G., Balzarolo M., Pilloni S., Sottocornola M., Rodeghiero M., Gianelle D. New spectral vegetation indices based on the near-infrared reflectance for the monitoring of grassland phytomass. International Journal of Remote Sensing. 2012. Vol. 33, no. 22. Pp. 6749-6770. DOI:https://doi.org/10.1080/01431161.2012.694701
7. Yamashkin S.A., Yamashkin A.A., Zanozin V.V., Barmin A.N. Development of an algorithm for the Earth remote sensing data classification using deep machine learning methods for analyzing the geosystem model of the territory. Geodesy & Cartography. 2021. No. 4. Pp. 54-64. DOI:https://doi.org/10.22389/0016-7126-2021-970-4-54-64
8. Yamashkin S.A., Radovanović M., Yamashkin A., Vuković D. Improving the efficiency of the ERS data analysis techniques by taking into account the neighborhood descriptors. Data. 2018. Vol. 3, no. 2. P. 18. DOI:https://doi.org/10.3390/data3020018
9. Yamashkin S.A., Yamashkin A.A. Improving the efficiency of remote sensing data interpretation by analyzing neighborhood descriptors. Mordovia University Bulletin. 2018. Vol. 28, no. 3. Pp. 352-365. DOI:https://doi.org/10.15507/0236-2910.028.201803.352-365
10. Yamashkin S.A., Yamashkin A.A., Vukovich D.V., Frolov A.N., Radovanovich M. Using ensemble-based systems for landscape mapping. Geodesy & Cartography. 2016. No. 7. Pp. 42-49. DOI:https://doi.org/10.22389/0016-7126-2016-913-7-42-49
