CПЕКТРАЛЬНЫЕ ВОДНЫЕ ИНДЕКСЫ В ИЗУЧЕНИИ ЛИМАНОВ
DOI:
https://doi.org/10.52578/2305-9397-2025-3-4-99-111Ключевые слова:
лиман, NDWI, MNDWI, AWEI, дистанционное зондирование Земли, NIR, SWIRАннотация
Изучение лиманов имеет ключевое значение для сельского хозяйства, особенно в засушливых регионах, где управляемое затопление способствует вымыванию солей из почвы и созданию естественных пастбищ. Однако традиционные методы мониторинга водоемов трудоемки и недостаточно оперативны, что делает дистанционное зондирование Земли (ДЗЗ) перспективным инструментом для анализа водных объектов. В работе проведен анализ спектральных характеристик воды в различных диапазонах (видимый, ближний и средний ИК), рассмотрены факторы, влияющие на точность детектирования (глубина, мутность, растительность, атмосферные условия). Исследованы принципы расчета индексов на основе нормализованных разностей спектральных каналов. Проведено сравнение эффективности
NDWI, MNDWI и AWEI в разных природных условиях. Спектральные индексы позволяют автоматизировать мониторинг водных объектов, однако выбор оптимального индекса зависит от конкретных условий (тип водоема, наличие помех). Комбинация нескольких индексов и коррекция атмосферных эффектов повышают точность выделения водных поверхностей. Точность и достоверность результатов исследований может быть увеличена за счёт использования космических снимков с более высоким разрешением, однако их высокая стоимость удорожает работы и сдерживает широкое применение. Альтернативным решением являются спектральные снимки, полученные с беспилотных летательных аппаратов, но их спектральные возможности ограничены техническими характеристиками и качеством используемых камер.
Библиографические ссылки
Ouma, Y.O., Tateishi, R. A water index for rapid mapping of shoreline changes of five East African Rift Valley lakes: An empirical analysis using Landsat TM and ETM+ data // International Journal of Remote Sensing. — 2006. — Vol. 27. — No. 15. — Pp. 3153-3181. — DOI: 10.1080/01431160500500324.
Acharya, T.D., Subedi, A., Lee, D.H. Evaluation of water indices for surface water extraction in a Landsat 8 scene of Nepal // Sensors. — 2018. — Vol. 18. — No. 8. — Art. 2580. — 21 p. — DOI: 10.3390/s18082580.
Tulbure, M.G., Broich, M. Spatiotemporal patterns and effects of climate and land use on surface water extent dynamics in a dryland region with three decades of Landsat satellite data // Science of the Total Environment. — 2019. — Vol. 658. — Pp. 1574-1585. — DOI: 10.1016/j.scitotenv.2018.12.290.
Zou, Z., Dong, J., Menarguez, M.A., Xiao, X., Qin, Y., Doughty, R.B., Berlingeri, F., Zhang, G. Continued decrease of open surface water body area in Oklahoma during 1984–2015 // Science of the Total Environment. — 2017. — Vol. 595. — Pp. 451-460. — DOI: 10.1016/j.scitotenv.2017.03.259.
Барталев С.А., Ермаков Д.М., Лупян Е.А., Толпин В.А., Хвостиков С.А. Оценка состояния водных экосистем с использованием спектральных индексов // Современные проблемы дистанционного зондирования Земли из космоса. – 2017. – Т. 14. – № 3. – С. 9–25.
Pekel, J.-F., Cottam, A., Gorelick, N., Belward, A.S. High-resolution mapping of global surface water and its long-term changes // Nature. — 2016. — Vol. 540. — No. 7633. — Pp. 418-422. — DOI: 10.1038/nature20584.
Xu, H. Modification of Normalised Difference Water Index (NDWI) to enhance open water features in remotely sensed imagery // International Journal of Remote Sensing. — 2006. — Vol. 27. — No. 14. — Pp. 3025-3033. — DOI: 10.1080/01431160600589179.
Rogers, A.S., Kearney, M.S. Reducing signature variability in unmixing coastal marsh Thematic Mapper scenes using spectral indices // International Journal of Remote Sensing. — 2004. — Vol. 25. — No. 12. — Pp. 2317-2335. — DOI: 10.1080/01431160310001618103.
Fisher, A., Flood, N., Danaher, T. Comparing Landsat water index methods for automated water classification in eastern Australia // Remote Sensing of Environment. — 2016. — Vol. 175. — Pp. 167-182. — DOI: 10.1016/j.rse.2016.03.026.
Yang, X., Zhao, S., Qin, X., Zhao, N., Liang, L. Mapping of urban surface water bodies from Sentinel-2 MSI imagery at 10 m resolution via NDWI-based image sharpening // Remote Sensing. — 2017. — Vol. 9. — No. 6. — Art. 596. — 18 p. — DOI: 10.3390/rs9060596.
Du, Y., Zhang, Y., Ling, F., Wang, Q., Li, W., Li, X. Water bodies' mapping from Sentinel-2 imagery with modified Normalized Difference Water Index at 10-m spatial resolution // Remote Sensing. — 2016. — Vol. 8. — No. 4. — Art. 354. — 21 p. — DOI: 10.3390/rs8040354.
Ji, L., Zhang, L., Wylie, B. Analysis of dynamic thresholds for the Normalized Difference Water Index // Photogrammetric Engineering & Remote Sensing. — 2009. — Vol. 75. — No. 11. — Pp. 1307-1317. — ISSN 0099-1112.
Feyisa, G.L., Meilby, H., Fensholt, R., Proud, S.R. Automated Water Extraction Index (AWEI): A new approach for surface water mapping using Landsat imagery // Remote Sensing of Environment. — 2014. — Vol. 140. — Pp. 23-35. — DOI: 10.1016/j.rse.2013.12.010.
Huang, C., Chen, Y., Zhang, S., Wu, J. Detecting, extracting, and monitoring surface water from space using optical sensors: A review // Reviews of Geophysics. — 2018. — Vol. 56. — No. 2. — Pp. 333-360. — DOI: 10.1029/2018RG000598.
Roy, D.P., Wulder, M.A., Loveland, T.R., Woodcock, C.E., Allen, R.G., Anderson, M.C., Helder, D., Irons, J.R., Johnson, D.M., Kennedy, R., Scambos, T.A., Schaaf, C.B., Schott, J.R., Sheng, Y., Vermote, E.F., Belward, A.S., Bindschadler, R., Cohen, W.B., Gao, F., Hipple, J.D., Hostert, P., Huntington, J., Justice, C.O., Kilic, A., Kovalskyy, V., Lee, Z.P., Lymburner, L., Masek, J.G., McCorkel, J., Shuai, Y., Trezza, R., Vogelmann, J., Wynne, R.H., Zhu, Z. Landsat-8: Science and product vision for terrestrial global change research // Remote Sensing of Environment. — 2014. — Vol. 145. — Pp. 154-172. — DOI: 10.1016/j.rse.2014.02.001.
Wulder, M.A., White, J.C., Loveland, T.R., Woodcock, C.E., Belward, A.S., Cohen, W.B., Fosnight, E.A., Shaw, J., Masek, J.G., Roy, D.P. The global Landsat archive: Status, consolidation, and direction // Remote Sensing of Environment. — 2016. — Vol. 185. — Pp. 271-283. — DOI: 10.1016/j.rse.2015.11.032.
Королев В.А., Лупян Е.А. Использование спектральных индексов NDWI и MNDWI для мониторинга водных объектов по данным Landsat // Современные проблемы дистанционного зондирования Земли из космоса. - 2018. - Т. 15. - № 5. - С. 234-248.
Терехин Е.А. Применение индекса MNDWI для картографирования малых водотоков // Водные ресурсы. - 2019. - Т. 46. - № 4. - С. 423-432.
Зимин М.В., Петров В.Н., Соколова И.А. Сравнительный анализ индексов NDWI и AWEI для детектирования изменений водного покрова // Геоматика. - 2020. - № 2. - С. 45-56.
Иванов П.С. Методика мониторинга динамики водных объектов с использованием индексов NDWI и MNDWI: дис. ... канд. техн. наук: 05.24.01 / Иванов Петр Сергеевич; [Место защиты: Нац. исслед. ун-т «МЭИ»]. - М., 2022. - 178 с.
Зайцев А.А., Петров В.Н. Сравнительный анализ индексов NDWI и MNDWI для выявления изменений береговой линии // Водные ресурсы. - 2020. - Т. 47. - № 5.
Соколов А.А. Автоматизированное выделение водных объектов на основе AWEI и машинного обучения // Исследование Земли из космоса. — 2021. — № 3. — С. 45-58.
Максимов С.О., Козодеров В.В. Применение индексов NDWI и MNDWI для мониторинга водных объектов // Современные проблемы дистанционного зондирования Земли из космоса. — 2018. — Т. 15. — № 6. — С. 89-102.
Петрова О.Н. Анализ эффективности водных индексов при дешифрировании космических снимков: дис. ... кандидата технических наук: 05.24.01 / [Место защиты: Науч. учреждение]. - М., 2020. - 178 с.
Чертов О.Г. Использование индекса AWEI для мониторинга малых водных объектов по данным Sentinel-2 // Геоматика. - 2021. - № 3. - С. 32-41.
Maxwell, A.E., Warner, T.A., Fang, F. Land cover classification using Landsat 8 and deep learning // Remote Sensing. - 2018. - Vol. 10. - No. 9. - Art. 1426. - 25 p. - DOI: 10.3390/rs10091426
Zhang, X., Han, L., Han, L., Zhu, L. A deep learning approach for Landsat 8 land cover classification // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. - 2020. - Vol. 13. - Pp. 3225-3239. - DOI: 10.1109/JSTARS.2020.2999423
