Применение мультиспектральных и радиолокационных данных для оценки влажности пахотных земель и состояния мелиоративных систем (на примере Хабаровского края)
DOI:
https://doi.org/10.7868/S3034519726020078Ключевые слова:
влажность, пахотные земли, NDWI, спутниковая радиолокация, мелиоративные системы, Хабаровский крайАннотация
В последнее время в Российской Федерации большое значение уделяется сбору и анализу информации о состоянии мелиоративных систем и мелиорируемых земель, в том числе с использованием современных методов дистанционного зондирования Земли. В статье рассмотрено применение мультиспектральных и радиолокационных спутниковых данных для оценки влажности пахотных земель и состояния мелиоративных систем Хабаровского края. С апреля по октябрь 2024 года по данным спутника Sentinel-2 были рассчитаны значения NDWI, по данным спутника ALOS-2 построена модель влажности Dubois. Влажность почвы также оценивали по данным миссии SMAP. Рассматривали 984 поля с посевами сои, гречихи, зерновых, а также неиспользуемые земли. Выявлено, что переувлажненность полей по значениям NDWI и модели Dubois может быть установлена с конца апреля по май. При этом индекс NDWI можно применять для распознавания залежей. Расчеты проводили для полей четырех мелиоративных систем Хабаровского края. Установлены достоверные различия средних значений NDWI (-0,42) за 20.05.2024 года для полей с системой Базки и полей с тремя другими системами. Кластерный анализ полей (система Базки) позволил выявить 6 полей с соей и 10 с гречихой с признаками переувлажнения в весенний период. Использование радиолокационных и мультиспектральных данных обеспечили возможность оценки динамики влажности земель сельскохозяйственного назначения на уровне региона (модель влажности на основе SMAP) и отдельных полей (NDWI и модель Dubois). Дальнейшие исследования связаны с получением и обработкой радиолокационных данных разных спутников для увеличения числа изображений, что позволит применять комплексную мультиспектрально-радиолокационную модель.
Библиографические ссылки
1. Асеева Т.А., Синеговский М.О. Современное состояние отрасли растениеводства Хабаровского края // Вестник российской сельскохозяйственной науки. 2023. № 3. С. 4-6. https://doi.org/10.31857/2500-2082/2023/3/4-6.
2. Зверьков М.С., Брыль С.В. Оценка мелиоративного состояния гидромелиоративной системы с использованием данных дистанционного зондирования земли и беспилотного летательного аппарата // Природообустройство. 2021. № 2. С. 6–16. https://doi.org/10.26897/1997-6011-2021-2-6-16.
3. Хашиев А. Б., Бабаков В.П. Мелиорация в земледелии Хабаровского края // Аграрная наука. 2021. № 1. С. 104-107. https://doi.org/10.32634/0869-8155-2021-344-1-104-107.
4. Шевченко В.А., Исаева С.Д., Дедова Э.Б., Наумова Т.В. Современные вопросы совершенствования организационно-правовой базы мелиорации земель // Вестник российской сельскохозяйственной науки. 2023. № 1. С. 63-67. https://doi.org/10.31857/2500-2082/2023/1/63-67.
5. Якушев В.П., Захарян Ю.Г., Блохина С.Ю. Состояние и перспективы использования дистанционного зондирования Земли в сельском хозяйстве // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 287-294. https://doi.org/10.21046/2070-7401-2022-19-1-287-294.
6. Bandak S., Movahedi Naeini S.A.R., Komaki C.B. et al. Satellite-Based Estimation of Soil Moisture Content in Croplands: A Case Study in Golestan Province, North of Iran // Remote Sensing. 2023. No.15(8). Р. 2155. https://doi.org/2155.10.3390/rs15082155.
7. Chung J., Lee Y., Kim J. et al. Soil Moisture Content Estimation Based on Sentinel-1 SAR Imagery Using an Artificial Neural Network and Hydrological Components // Remote Sensing. 2022. Vol. 14(3). P. 465.
8. Dubois P.C., van Zyl J., Engman T. Measuring soil moisture with imaging radars // IEEE Transactions on Geoscience and Remote Sensing. 1995. Vol. 33(4). P. 915-926.
9. Imtiaz F., Farooque A.A., Randhawa G.S. et al. An inclusive approach to crop soil moisture estimation: Leveraging satellite thermal infrared bands and vegetation indices on Google Earth engine // Agricultural Water Management. 2021. Vol. 306. P. 109172. https://doi.org/10.1016/j.agwat.2024.109172.
10. McFeeters S.K. The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features // International Journal of Remote Sensing. 1996. Vol.17. No. 7. P. 1425–1432.
11. Rashid Md.B. Monitoring of drainage system and waterlogging area in the human-induced Ganges-Brahmaputra tidal delta plain of Bangladesh using MNDWI index // Heliyon. 2023. Vol. 9. No. 6. P. e17412. https://doi.org/10.1016/j.heliyon.2023.e17412.
12. Roy P.D., Dey S., Bhogapurapu N. Retrieval of Surface Soil Moisture at Field Scale Using Sentinel-1 SAR Data // Sensors. 2025. Vol. 25(10). P. 3065. https://doi.org/10.3390/s25103065.
13. Ulaby F.T., Long D. Microwave Radar and Radiometric Remote Sensing // Michigan Press. Publisher: Univ. of Michigan Press. Ann Arbor, MI, USA, 2014. P. 1116.
14. Wig E., Michaelides R., Zebker H. Fine-Resolution Measurement of Soil Moisture from Cumulative InSAR Closure Phase // IEEE Transactions on Geoscience and Remote Sensing. 2024. Vol. 62. P. 5212315. https://doi.org/10.36227/techrxiv.23929068.v1.
Исследование выполнено за счет гранта Российского научного фонда № 23-76-00007, https://rscf.ru/project/23-76-00007/.
