Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 2. С. 186-201
Анализ изменений землепользования в Среднем Поволжье по данным Landsat для оценки потенциала возврата заброшенных пахотных земель в сельскохозяйственный оборот
М.А. Иванов
1 , А.М. Гафуров
1 1 Казанский (Приволжский) федеральный университет, Казань, Россия
Одобрена к печати: 14.03.2025
DOI: 10.21046/2070-7401-2025-22-2-186-201
Для территории Среднего Поволжья Российской Федерации по данным Landsat проведено распознавание структуры землепользования для трёх периодов: 1984–1989, 1999–2003 и 2018–2022 гг. Для каждого из них средствами Google Earth Engine подготовлены безоблачные композиты спектральных каналов и статистических метрик по шести индексам, созданы обучающие выборки по шести классам выделяемых земель: водоёмы, леса, луга, пашня, антропогенные объекты, малоэтажная застройка. Проведена классификация алгоритмом Random Forest. Точность распознавания как общая, так и по классам составила более 96 % для каждого периода. На основе растров с результатами классификации построена карта траекторий изменений землепользования и земного покрова. На основе траекторий проведена детальная количественная и пространственная оценка потенциала возврата в сельскохозяйственный оборот неиспользуемых пахотных земель. Учитывалась возможность и целесообразность их возврата с учётом их текущего использования и давности забрасывания. Из 4,66 млн га выведенной из оборота пашни 3,6 млн га возможно вновь обработать с наименьшими затратами, а 620 тыс. га невозможно вернуть. Кроме того, была проанализирована структура современной используемой пашни.
Ключевые слова: землепользование, земной покров, динамика, Landsat, Random Forest, траектории, заброшенная пашня, возврат в сельскохозяйственный оборот
Полный текстСписок литературы:
- Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабано Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 с.
- Иванов М. А., Прищепов А. В., Голосов В. Н. и др. (2017а) Методика картографирования динамики пахотных угодий в бассейнах рек Европейской территории России за период 1985–2015 гг. // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 5. С. 161–171. DOI: 10.21046/2070-7401-2017-14-5-161-171.
- Иванов М. А., Прищепов А. В., Голосов В. Н. и др. (2017б) Изменения площади пахотных угодий в бассейнах рек Европейской территории России за период 1985–2015 гг. как фактор динамики эрозии почв // Современные проблемы дистанционного зондирования Земли из космоса. 2017. Т. 14. № 6. С. 149–157. DOI: 10.21046/2070-7401-2017-14-6-149-157.
- Люри Д. И. Динамика сельскохозяйственных земель России в XX веке и постагрогенное восстановление растительности и почв. М.: ГЕОС, 2010. 415 с.
- Морозова Т. Г., Победина М. П., Поляк Г. Б., Шишов С. С., Барменкова Н. А., Борзов С. М., Семикина Г. Ю., Шубцова Л. В. Региональная экономика: учебник для студентов вузов, обучающихся по экономическим специальностям / под ред. Морозовой Т. Г. 4-е изд., перераб. и доп. М.: ЮНИТИ-ДАНА, 2017. 527 с.
- Постановление Правительства РФ от 14 мая 2021 г. № 731 «О Государственной программе эффективного вовлечения в оборот земель сельскохозяйственного назначения и развития мелиоративного комплекса Российской Федерации».
- Alcantara C., Kuemmerle T., Baumann M. et al. Mapping the extent of abandoned farmland in Central and Eastern Europe using MODIS time series satellite data // Environmental Research Letters. 2013. V. 8. No. 3. Article 035035. DOI: 10.1088/1748-9326/8/3/035035.
- Arevalo P., Stanimirova R., Bullock E. et al. Global land cover mapping and estimation yearly 30 m V001 / NASA EOSDIS Land Processes Distributed Active Archive Center. 2022. DOI: 10.5067/MEASURES/GLANCE/GLANCE30.001.
- Arino O., Bicheron P., Frédéric A. et al. GlobCover: The most detailed portrait of ESA // European Space Agency Bull. 2008. V. 136. P. 25–31.
- Baret F., Guyot G., Major D. J. TSAVI: A vegetation index which minimizes soil brightness effects on LAI and APAR estimation // 12th Canadian Symp. Remote Sensing Geoscience and Remote Sensing Symposium (IGARSS 1989). 1989. V. 3. P. 1355–1358. DOI: 10.1109/IGARSS.1989.576128.
- Biging G., Colby D., Congalton R. Sampling systems for change detection accuracy assessment // Remote Sensing Change Detection Environmental Monitoring Methods and Applications / eds. Lunetta R., Elvidge C. Chelsea, MI: Ann Arbor Press, 1998. P. 281–308.
- Brown C. F., Brumby S. P., Guzder-Williams B. et al. Dynamic World, Near real-time global 10 m land use land cover mapping // Scientific Data. 2022. V. 9. No. 1. Article 251. DOI: 10.1038/s41597-022-01307-4.
- Buchhorn M., Lesiv M., Tsendbazar N.-E. et al. Copernicus Global Land Cover layers—Collection 2 // Remote Sensing. 2020. V. 12. No. 6. Article 1044. DOI: 10.3390/rs12061044.
- Chen J., Chen J., Liao A. et al. Global land cover mapping at 30m resolution: A POK-based operational approach // ISPRS J. Photogrammetry and Remote Sensing. 2015. V. 103. P. 7–27. DOI: 10.1016/j.isprsjprs.2014.09.002.
- Congalton R. G., Biging G. S. A pilot study evaluating ground reference data collection efforts for use in forest inventory // Photogrammetric Engineering and Remote Sensing. 1992. V. 58. No. 12. P. 1669–1671.
- Congalton R. G., Green K. Assessing the accuracy of remotely sensed data: Principles and practices. 3rd ed. CRC Press, 2019. 346 p. DOI: 10.1201/9780429052729.
- Estel S., Kuemmerle T., Alcántara C. et al. Mapping farmland abandonment and recultivation across Europe using MODIS NDVI time series // Remote Sensing of Environment. 2015. V. 163. P. 312–325. DOI: 10.1016/j.rse.2015.03.028.
- Friedl M. A., Sulla-Menashe D., Tan B. et al. MODIS Collection 5 global land cover: Algorithm refinements and characterization of new datasets // Remote Sensing of Environment. 2010. V. 114. No. 1. P. 168–182. DOI: 10.1016/j.rse.2009.08.016.
- Hammond T. O., Verbyla D. L. Optimistic bias in classification accuracy assessment // Intern. J. Remote Sensing. 1996. V. 17. No. 6. P. 1261–1266. DOI: 10.1080/01431169608949085.
- Hansen M. C., Potapov P. V., Pickens A. H. et al. Global land use extent and dispersion within natural land cover using Landsat data // Environmental Research Letters. 2022. V. 17. No. 3. Article 034050. DOI: 10.1088/1748-9326/ac46ec.
- Jiang Z., Huete A., Didan K., Miura T. Development of a two-band enhanced vegetation index without a blue band // Remote Sensing of Environment. 2008. V. 112. No. 10. P. 3833–3845. DOI: 10.1016/j.rse.2008.06.006.
- Karra K., Kontgis C., Statman-Weil Z. et al. Global land use/land cover with Sentinel 2 and deep learning // 2021 IEEE Intern. Geoscience and Remote Sensing Symp. (IGARSS 2021). 2021. P. 4704–4707. DOI: 10.1109/IGARSS47720.2021.9553499.
- Kraemer R., Prishchepov A. V., Müller D. et al. Long-term agricultural land-cover change and potential for cropland expansion in the former Virgin Lands area of Kazakhstan // Environmental Research Letters. 2015. V. 10. No. 5. Article 054012. DOI: 10.1088/1748-9326/10/5/054012.
- Lesiv M., Schepaschenko D., Moltchanova E. et al. Spatial distribution of arable and abandoned land across former Soviet Union countries // Scientific Data. 2018. V. 5. No. 1. Article 180056. DOI: 10.1038/sdata.2018.56.
- Löw F., Fliemann E., Abdullaev I. et al. Mapping abandoned agricultural land in Kyzyl-Orda, Kazakhstan using satellite remote sensing // Applied Geography. 2015. V. 62. P. 377–390. DOI: 10.1016/j.apgeog.2015.05.009.
- Löw F., Prishchepov A., Waldner F. et al. Mapping cropland abandonment in the Aral Sea basin with MODIS time series // Remote Sensing. 2018. V. 10. No. 2. Article 159. DOI: 10.3390/rs10020159.
- Nguyen C. T., Chidthaisong A., Kieu Diem P. et al. A modified bare soil index to identify bare land features during agricultural fallow-period in Southeast Asia using Landsat 8 // Land. 2021. V. 10. No. 3. Article 231. DOI: 10.3390/land10030231.
- Potapov P., Hansen M. C., Pickens A. et al. The global 2000–2020 land cover and land use change dataset derived from the Landsat archive: First results // Frontiers in Remote Sensing. 2022. V. 3. Article 856903. DOI: 10.3389/frsen.2022.856903.
- Prishchepov A., Radeloff V. C., Baumann M. et al. (2012a) Effects of institutional changes on land use: agricultural land abandonment during the transition from state-command to market-driven economies in post-Soviet Eastern Europe // Environmental Research Letters. 2012. V. 7. No. 2. Article 024021. DOI: 10.1088/1748-9326/7/2/024021.
- Prishchepov A., Radeloff V. C., Dubinin M., Alcantara C. (2012b) The effect of Landsat ETM/ETM + image acquisition dates on the detection of agricultural land abandonment in Eastern Europe // Remote Sensing of Environment. 2012. V. 126. P. 195–209. DOI: 10.1016/j.rse.2012.08.017.
- Prishchepov A. V., Müller D., Dubinin M. et al. Determinants of agricultural land abandonment in post-Soviet European Russia // Land Use Policy. 2013. V. 30. Iss. 1. P. 873–884. DOI: 10.1016/j.landusepol.2012.06.011.
- Rouse J. W., Haas R. H., Schell J. A., Deering D. W. Monitoring vegetation systems in the Great Plains with ERTS // Proc. 3rd Earth Resources Technology Satellite Symp. 1974. V. SP-351. P. 309–317.
- Schierhorn F., Müller D., Beringer T. et al. Post‐Soviet cropland abandonment and carbon sequestration in European Russia, Ukraine, and Belarus // Global Biogeochemical Cycles. 2013. V. 27. No. 4. P. 1175–1185. DOI: 10.1002/2013GB004654.
- Stehman S. V. Basic probability sampling designs for thematic map accuracy assessment // Intern. J. Remote Sensing. 1999. V. 20. No. 12. P. 2423–2441. DOI: 10.1080/014311699212100.
- Wang Z., Liu J., Li J., Zhang D. D. Multi-Spectral Water Index (MuWI): A native 10-m Multi-Spectral Water Index for accurate water mapping on Sentinel-2 // Remote Sensing. 2018. V. 10. No. 10. Article 1643. DOI: 10.3390/rs10101643.
- Xiao X., Hollinger D., Aber J. et al. Satellite-based modeling of gross primary production in an evergreen needleleaf forest // Remote Sensing of Environment. 2004. V. 89. No. 4. P. 519–534. DOI: 10.1016/j.rse.2003.11.008.
- Zanaga D., Van De Kerchove R., Daems D. et al. ESA WorldCover 10 m 2021 v200 // Zenodo. 2022. DOI: 10.5281/zenodo.7254221.
- Zhang X., Zhao T., Xu H. et al. GLC_FCS30D: the first global 30 m land-cover dynamics monitoring product with a fine classification system for the period from 1985 to 2022 generated using dense-time-series Landsat imagery and the continuous change-detection method // Earth System Science Data. 2024. V. 16. No. 3. P. 1353–1381. DOI: 10.5194/essd-16-1353-2024.