Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 222-237

Особенности разработки регионального водного индекса для мониторинга воздействия изливов кислых шахтных вод на речные системы

Д.М. Ермаков 1, 2 , А.Д. Деменев 3 , О.Ю. Мещерякова 3 , О.А. Березина 3 
1 Институт космических исследований РАН, Москва, Россия
2 Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, Фрязино, Московская обл., Россия
3 Пермский государственный национальный исследовательский университет, Пермь, Россия
Одобрена к печати: 09.12.2021
DOI: 10.21046/2070-7401-2021-18-6-222-237
Масштабной экологической проблемой Пермского края, характерной для многих природно-техногенных экосистем по всему миру, являются изливы кислых шахтных вод в пределах ликвидированного угледобывающего комплекса. Осуществляемый на территории контактный экологический мониторинг сопряжён со значительными логистическими трудностями и не отвечает требованиям оперативного информационного обеспечения. В то же время происходит накопление уникальных данных, которые могут быть использованы в качестве подспутниковой информации для организации более эффективного космического мониторинга данной территории. В работе описан очередной этап развития предложенного авторами подхода к структурированию и комплексному анализу ряда ранее известных водных индексов. Цель подхода заключатся в детектировании (сегментации) и дальнейшем анализе по спутниковым многоканальным изображениям областей открытой воды в сложных условиях наблюдений: при малых поперечных размерах объектов гидрологической сети и возможной высокой концентрации загрязнений, что уменьшает видимые контрасты между водой и сушей. Ключевым аспектом выступает ориентированность на разработку регионального (не глобального) индекса, что потенциально позволяет учесть и эффективно использовать дополнительную информацию: особенности вмещающего ландшафта, закономерности сезонного хода, условия освещённости. В то же время с методической точки зрения подход не привязан к особенностям конкретной территории и может быть адаптирован для мониторинга других аналогичных экосистем. Эффективность похода продемонстрирована сопоставлением примеров обработки данных фактических спутниковых наблюдений с применением стандартных и новых водных индексов. Показано, что подход перспективен для реализации спутникового мониторинга в указанных выше сложных условиях наблюдений.
Ключевые слова: водный индекс, экологический мониторинг, Sentinel-2 MSI, Кизеловский угольный бассейн, изливы кислых шахтных вод
Полный текст

Список литературы:

  1. Березина О. А., Шихов А. Н., Абдуллин Р. К. Применение многолетних рядов данных космической съемки для оценки экологической ситуации в угледобывающих районах (на примере ликвидированного Кизеловского угольного бассейна) // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 144–158. DOI: 10.21046/2070-7401-2018-15-2-144-158.
  2. Браверман Э. М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. 464 с.
  3. Лупян Е. А., Константинова А. М., Балашов И. В., Кашницкий А. В., Саворский В. П., Панова О. Ю. Разработка системы анализа состояния окружающей среды в зонах расположения крупных промышленных объектов, хвостохранилищ и отвалов // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 243–261. DOI: 10.21046/2070-7401-2020-17-7-243-261.
  4. Максимович Н. Г., Пьянков С. В. Кизеловский угольный бассейн: экологические проблемы и пути решения: монография. Пермь: Перм. гос. нац. исследоват. ун-т, 2018. 288 с.
  5. Максимович Н. Г., Березина О. А., Мещерякова О. Ю., Деменев А. Д. Изучение миграции техногенных донных отложений с применением современных геоинформационных систем // ИнтерКарто. ИнтерГИС. Геоинформац. обеспечение устойчивого развития территорий: материалы международ. конф. М.: Изд-во Москов. ун-та, 2020. Т. 26. Ч. 2. С. 201–211. DOI: 10.35595/2414-9179-2020-2-26-201-211.
  6. Ding F. Study on information extraction of water body with a new water index (NWI) // Science of Surveying and Mapping. 2009. V. 34(4). P. 155–157.
  7. Ermakov D. M., Meshcheriakova O. Y., Berezina O. A., Maksimovich N. G. Selecting a Set of Remote Indices for Comprehensive Monitoring of Acid Mine Drainages // Science and Global Challenges of the 21st Century — Science and Technology: Proc. Intern. Perm Forum / ed. A. Rocha, E. Isaeva. 2021. V. 342. P. 329–342. DOI: 10.1007/978-3-030-89477-1_33.
  8. Feng L., Hu C., Chen X., Cai X., Tian L., Chen L. Human induced turbidity changes in Poyang Lake between 2000 and 2010: Observations from MODIS // J. Geophysical Research. 2012. V. 117. Iss. C7. https://doi.org/10.1029/2011JC007864.
  9. Feyisa G. L., Meilby H., Fensholt R., Proud S. R. Automated water extraction index: a new technique for surface water mapping using Landsat imagery // Remote Sensing of Environment. 2014. V. 140. P. 23–35. https://doi.org/10.1016/j.rse.2013.08.029.
  10. Fisher A., Flood N., Danahe T. Comparing Landsat water index methods for automated water classification in eastern Australia // Remote Sensing of Environment. 2016. V. 175. P. 167–182. DOI: 10.1016/j.rse.2015.12.055.
  11. Gao B. C. A normalized difference water index for remote sensing of vegetation liquid water from space // Imaging Spectrometry. 1995. V. 2480. P. 225–236. https://doi.org/10.1016/S0034-4257(96)00067-3.
  12. Hu C. A novel ocean color index to detect floating algae in the global oceans // Remote Sensing of Environment. 2009. V. 113. P. 2118–2129. https://doi.org/10.1016/j.rse.2009.05.012.
  13. Hu M., Ma R., Cao Z., Xiong J., Xue K. Remote Estimation of Trophic State Index for Inland Waters Using Landsat-8 OLI Imagery // Remote Sensing. 2021. V. 13. Art. No. 1988. DOI: 10.3390/rs13101988.
  14. James T., Schillaci C., Lipani A. Convolutional neural networks for water segmentation using sentinel-2 red, green, blue (RGB) composites and derived spectral indices // Intern. J. Remote Sensing. 2021. V. 42. No. 14. P. 5338–5365. DOI: 10.1080/01431161.2021.1913298.
  15. Lacaux J. P., Tourre Y. M., Vignolles C., Ndione J. A., Lafaye M. Classification of ponds from high-spatial resolution remote sensing: Application to Rift Valley Fever epidemics in Senegal // Remote Sensing of Environment. 2007. V. 106(1). P. 66–74. https://doi.org/10.1016/j.rse.2006.07.012.
  16. Li Y., Gong X., Guo Z., Xu K., Hu D., Zhou H. An index and approach for water extraction using Landsat –OLI data // Intern. J. Remote Sensing. 2016. V. 37(16). P. 3611–3635. DOI: 10.1080/01431161.2016.1201228.
  17. McFeeters S. K. The use of the normalized difference water index (NDWI) in the delineation of open water features // Intern. J. Remote Sensing. 1996. V. 17. No. 7. P. 1425–1432. https://doi.org/10.1080/01431169608948714.
  18. Meng W., Zhu S., Cao W., Su X., Cao B. Establishment of synthetical water index // Science of Surveying and Mapping. 2013. V. 38(4). P. 130–133.
  19. Pyankov S. V., Maximovich N. G., Khayrulina E. A., Berezina O. A., Shikhov A. N., Abdullin R. K. Monitoring acid mine drainage’s effects on surface water in the Kizel coal basin with Sentinel-2 satellite images // Mine Water and the Environment. 2021. V. 40. P. 606–621. https://doi.org/10.1007/s10230-021-00761-7.
  20. Qu W., Lu J., Lin L. I., Xiaowen L. I. Research on automatic extraction of water bodies and wetlands on HJ satellite CCD images // Remote Sensing Information. 2011. V. 4. P. 28–33.
  21. Rouse J. W., Haas R. H., Scheel J. A., Deering D. W. Monitoring Vegetation Systems in the Great Plains with ERTS // Proc. 3rd Earth Resource Technology Satellite (ERTS) Symp. 1974. V. 1. P. 48–62.
  22. Shen L., Li C. Water body extraction from Landsat ETM+ imagery using adaboost algorithm // Proc. 18th Intern. Conf. Geoinformatics. Beijing, China. 2010. P. 1–4. DOI: 10.1109/GEOINFORMATICS.2010.5567762.
  23. Xiao Y., Zhao W., Zhu L. A study on information extraction of water body using bandl and band7 of TM imagery // Science of Surveying and Mapping. 2010. V. 35(5). P. 226–227.
  24. Xu H. Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery // Intern. J. Remote Sensing. 2006. V. 27(14). P. 3025–3033. DOI: 10.1080/01431160600589179.
  25. Yan P., Zhang Y., Zhang Y. A study on information extraction of water enhanced water index (EWI) and GIS system in semi-arid regions with the based noise remove techniques // Remote Sensing Information. 2007. V. 6. P. 62–67.
  26. Zhang T., Ren H., Qin Q., Zhang C., Sun Y. Surface water extraction from Landsat 8 OLI imagery using the LBV transformation // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2017. V. 10(10). P. 4417–4429. DOI: 10.1109/JSTARS.2017.2719029.