Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 4. С. 227-238
Спутниковый мониторинг речных отмелей трансграничной реки Или (Центральная Азия) в задаче оценки уровня воды
А.Г. Терехов
1, 2 , Н.Н. Абаев
1, 2 , Г.Н. Сагатдинова
1 , Р.И. Мухамедиев
1 , Е.Н. Амиргалиев
1 1 Институт информационных и вычислительных технологий, Алматы, Казахстан
2 РГП «Казгидромет», Алматы, Казахстан
Одобрена к печати: 10.08.2023
DOI: 10.21046/2070-7401-2023-20-4-227-238
Равнинные реки, протекающие через лёссовые породы, подвержены активным процессам русловых деформаций (меандрированию) на фоне переноса большого количества взвешенного материала. В руслах рек этого типа присутствует множество отмелей, которые постоянно видоизменяются, особенно в период многоводья. Реки не имеют стабильных гидрологических профилей, поэтому дистанционные оценки их водности представляют большой практический интерес. В периоды маловодья морфология русла относительно стабильна, а отмели находятся в полузатопленном состоянии. В этих условиях доля затопления отмелей весьма чувствительна к уровню воды в реке, что создаёт благоприятные условия для разработки спутниковых методик оценок водности. На примере центральноазиатской р. Или с годовым объёмом стока около 12 км3, являющейся основным притоком крупного оз. Балхаш, рассмотрена информативность спутниковых данных Sentinel-2 (разрешение 10 м) в задаче оценки уровня воды в реке в условиях относительного маловодья. Из архива спутниковых данных 2018–2022 гг. было отобрано 179 безоблачных спутниковых покрытий Sentinel-2 периода апрель – ноябрь в те дни, когда уровень воды, зарегистрированный на гидропосте «Или-Добынь» сети РГП «Казгидромет» опустился ниже 280 см. Этот уровень воды был типичен примерно для 80 % времени маловодного периода 2018–2022 гг. На 40-километровом участке русла реки была сформирована маска из 26 отмелей с общей площадью более 4 км2. Для выделения на маске отмелей класса «вода» использовался водный индекс MNDWI1 (англ. Modified Normalized Difference Water Index) c пороговым значением +0,25. Доля подтопления отмелей противопоставлялась наземным данным гидропоста «Или-Добынь» об уровне воды во время пролёта спутника. Для периода апрель – ноябрь были получены линейные зависимости между долей затопления отмелей и уровнем воды. Достоверность линейной аппроксимации для сезонных данных была высока и варьировалась от R2 = 0,83 (2022) до R2 = 0,96 (2020). Весь период анализа (2018–2022) характеризовался R2 = 0,93. Использование уравнения линейной регрессии в качестве модели для прогноза уровня воды в реке на основе доли подтопления тестовых отмелей обеспечило достаточно высокое значение (0,74) параметра эффективности гидрологического прогнозирования Нэша – Сатклиффа, что говорит о практической значимости разработанной методики.
Ключевые слова: дистанционное зондирование, Sentinel-2, речной сток, русло реки, речная отмель, водное зеркало, прогноз уровня воды
Полный текстСписок литературы:
- Мухамеджанов И. Д., Константинова А. М., Лупян Е. А., Умирзаков Г. У. Оценка возможностей спутникового мониторинга динамики речного стока на примере анализа состояния реки Амударьи // Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 1. С. 87–103. DOI: 10.21046/2070-7401-2022-19-1-87-103.
- Терехов А. Г., Ивкина Н. И., Абаев Н. Н., Галаева А. В., Елтай А. Г. Реакция годового стока р. Урал на высоту снежного покрова в его бассейне в период 2001–2019 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 5. С. 181–190. DOI: 10.21046/2070-7401-2020-17-5-181-190.
- Bjerklie D. M., Dingman S. L., Vorosmarty Ch. J. et al. Evaluating the potential for measuring river discharge from space // J. Hydrology. 2003. V. 278. Iss. 1–4. P. 17–38. DOI: 10.1016/S0022-1694(03)00129-X.
- Bjerklie D. M., Birkett C. M., Jones J. W. et al. Satellite remote sensing estimation of river discharge: Application to the Yukon River Alaska // J. Hydrology. 2018. V. 561. P. 1000–1018. DOI: 10.1016/j.jhydrol.2018.04.005.
- Brakenridge G., Cohen S., Kettner A. J. et al. Calibration of satellite measurements of river discharge using a global hydrology model // J. Hydrology. 2012. V. 475. P. 123–136. DOI: 10.1016/j.hydrol.2012.09.035.
- Filippucci P., Brocca L., Bonafoni S. et al. Sentinel-2 high-resolution data for river discharge monitoring // Remote Sensing of Environment. 2022. V. 281. Article 113255. DOI: 10.1016/j.rse.2022.113255.
- Fok H. S., Chen Y., Wang L. et al. Improved Mekong Basin Runoff Estimate and Its Error Characteristics Using Pure Remotely Sensed Data Products // Remote Sensing. 2021. V. 13. Iss. 5. Article 996. DOI: 10.3390/rs13050996.
- Fok H. S., Chen Y., Zhou L. Daily runoff and its potential error sources reconstructed using individual satellite hydrological variables at the basin upstream // Frontiers of Earth Science. 2022. V. 10. DOI: 10.3389/feart.2022.821592.
- Garambois P., Monnier J. Inference of effective river properties from remotely sensed observations of water surface // Advances in Water Resources. 2015. V. 79. P. 103–120. DOI: 10.1016/j.advwatres.2015.02.007.
- Gleason C. J., Durand M. T. Remote sensing of river discharge: A review and a framing for the discipline // Remote Sensing. 2020. V. 12. Iss. 7. Article 1107. DOI: 10.3390/rs12071107.
- Hirpa F. A., Hopson T. M., De Groeve T. et al. Upstream satellite remote sensing for river discharge forecasting: Application to major rivers in South Asia // Remote Sensing of Environment. 2013. V. 131. P. 140–151.DOI: 10.1016/j.rse.2012.11.013.
- Kebede M. G., Wang L., Li X., Hu Z. Remote sensing-based river discharge estimation for a small river flowing over the high mountain regions of the Tibetan Plateau // Intern. J. Remote Sensing. 2020. V. 41. P. 3322–3345. DOI: 10.1080/01431161.2019.1701213.
- Koblinsky C. J., Clarke R. T., Brenner A. C., Frey H. Measurement of river level variations with satellite altimetry // Water Resources Research. 1993. V. 29. Iss. 6. P. 1839–1848. DOI: 10.1029/93WR00542.
- 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. Iss. 7. P. 1425–1432. DOI: 10.1080/01431169608948714.
- Mukhamedjanov I. D., Konstantinova A. M., Loupian E. A. The use of satellite data for monitoring rivers in the Amu Darya basin // Regional Problems of Earth Remote Sensing (RPERS 2020): E3S Web Conf. 2020. V. 223. Article 03008. DOI: 10.1051/e3sconf/202022303008.
- Nash J. E., Sutcliffe J. V. River flow forecasting through conceptual models. Part I — A discussion of principles // J. Hydrology. 1970. V. 27. No. 3. P. 282–290. DOI: 10.1016/022-1694(70)90255-6.
- Schultz G. A. Remote sensing applications to hydrology: runoff // Hydrological Sciences J. 1996. V. 41. No. 4. P. 453–475. DOI: 10.1080/02626669609491520.
- Shi Zh., Chen Q., Huang Ch. The Influence of River Morphology on the Remote Sensing Based Discharge Estimation: Implications for Satellite Virtual Gauge Establishment // Water. 2022. V. 14. Iss. 23. Article 3854. DOI: 10.3390/w14233854.
- Sichangi A. W., Wang L., Yang K. et al. Estimating continental river basin discharges using multiple remote sensing datasets // Remote Sensing of Environment. 2016. V. 179. P. 36–53. DOI: 10.1016/j.rse.2016.03.019.
- Sun W., Ishidaira H., Bastola S., Yu J. Estimating daily time series of streamflow using hydrological model calibrated based on satellite observations of river water surface width: Toward real world applications // Environmental Research. 2015. V. 139. P. 36–45. DOI: 10.1016/j.envres.2015.01.002.
- Tarpanelli A., Sant E., Tourian M. J. et al. Daily River Discharge Estimates by Merging Satellite Optical Sensors and Radar Altimetry Through Artificial Neural Network // IEEE Trans. Geoscience and Remote Sensing. 2018. V. 57. P. 329–341. DOI: 10.1109/TGRS.2018.2854625.
- Tarpanelli A., Camici S., Nielsen K. et al. Potentials and limitations of Sentinel-3 for river discharge assessment // Advances in Space Research. 2021. V. 68. No. 2. P. 593–606. DOI: 10.1016/j.asr.2019.08.005.
- Terekhov A., Makarenko N., Pak A., Abayev N. Using the Digital Elevation Model (DEM) and coastlines for satellite monitoring of small reservoir filling // Cogent Engineering. 2020. V. 7. Iss. 1. Article 1853305. DOI: 10.1080/23311916.2020.1853305.
- Verma S., Verma R. K., Mishra S. K. et al. A revisit of NRCS-CN inspired models coupled with RS and GIS for runoff estimation // Hydrological Sciences J. 2017. V. 62. Iss. 12. P. 1891–1930. DOI: 10.1080/02626667.2017.1334166.
- 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. No. 14. P. 3025–3033. DOI: 10.1080/01431160600589179.
- Yu Z., Wu J., Yao H. et al. Calibrating a hydrological model in ungauged small river basins of the northeastern Tibetan Plateau based on near-infrared images // J. Hydrology. 2023. V. 618. Article 129158. DOI: 10.1016/j.jhydrol.2023.129158.
- Zhang J., Zhang Ch., Bao Zh. et al. Analysis of the effects of vegetation changes on runoff in the Huang-Huai-Hai River basin under global change // J. Advances in Water Science. 2021. V. 32. Iss. 6. P. 813–823. DOI: 10.14042/j.cnki.32.1309.2021.06.001.