Современные проблемы дистанционного зондирования Земли из космоса. 2025. Т. 22. № 6. С. 337-349
Возможности выявления затопленной растительности вторично обводнённых торфяников на основе данных ДЗЗ
Е.Р. Агапова
1, 2 , М.А. Медведева
2 1 Московский государственный университет имени М.В. Ломоносова, Москва, Россия
2 Институт лесоведения РАН, Московская обл., с. Успенское, Россия
Одобрена к печати: 04.12.2025
DOI: 10.21046/2070-7401-2025-22-6-337-349
Материалы дистанционного зондирования Земли активно используются для мониторинга изменений растительного покрова на труднодоступных территориях, где проведение полевых исследований затруднительно. Такими представляются вторично обводнённые торфяники, мониторинг которых необходим для оценки качества проведённых рекультивационных мер. Наиболее сложными для выделения классами водно-болотной растительности являются залесённые и закустаренные болота, чьи спектральные сигнатуры схожи как с заболоченными, так и сухими сообществами. В данной работе предложена методика выделения класса обводнённых залесённых и закустаренных торфяных болот, основой которой стало использование разносезонных снимков, а также предварительной обработки спутниковых данных. Были сравнены результаты классификации с обучением, полученные с применением многовременных снимков съёмочных систем Landsat-8 и Sentinel-2. В работе апробированы два алгоритма предварительной обработки космических снимков: метод главных компонент (англ. principal component analysis) и преобразование Каута – Томаса (англ. tasseled cap transformation) — а также вариант использования композита из спектральных индексов NDVI (англ. Normalized Difference Vegetation Index) и NDMI (англ. Normalized Difference Moisture Index) за разные сезоны. Было проведено сравнение трёх разных методов классификации на основе алгоритмов Support Vector Machine, Random Trees и K-Nearest Neighbor. Результаты оценивались на основе данных наземных наблюдений. В качестве варианта, показавшего наилучшую точность, признано применение алгоритма классификации Support Vector Machine для снимков Landsat-8 и метода главных компонент в качестве предобработки. В этом случае точность дешифрирования растительности объединённого класса залесённых и закустаренных болот составила 95 %.
Ключевые слова: дистанционное зондирование, обводнённые торфяники, Landsat-8, Sentinel-2, мониторинг растительного покрова, мультиспектральные изображения, торфяные болота, торфяники, торфоразработки, вторичное обводнение, обводнённая растительность
Полный текстСписок литературы:
- Байбар А. С., Пузаченко М. Ю., Сандлерский Р. Б., Кренке А. Н. Ландшафтные инварианты — параметры порядка динамической системы // Изв. Российской акад. наук. Сер. геогр. 2023. Т. 87. Вып. 3. С. 370–390. DOI: 10.31857/S2587556623030056.
- Балдина Е. А., Лабутина И. А. Дешифрирование аэрокосмических снимков: учеб., 2-е изд., перераб. и доп. М.: КДУ, Добросвет, 2021. 269 с. DOI: 10.31453/kdu.ru.978-5-7913-1163-4-2021-269.
- Вомперский С. Э., Сирин А. А., Сальников А. А., Цыганова О. П., Валяева Н. А. Оценка площади болотных и заболоченных лесов России // Лесоведение. 2021. Вып. 5. С. 3–11.
- Информационный выпуск о состоянии природных ресурсов и окружающей среды Московской области в 2021 году. Красногорск: Министерство экологии и природопользования Московской области, 2022. 162 с.
- Медведева М. А., Возбранная А. Е., Барталев С. А., Сирин А. А. Оценка состояния заброшенных торфоразработок по многоспектральным спутниковым изображениям // Исслед. Земли из космоса. 2011. № 5. С. 80–88.
- Медведева М. А., Возбранная А. Е., Сирин А. А., Маслов А. А. Возможности различных мультиспектральных космических данных для мониторинга неиспользуемых пожароопасных торфяников и эффективности их обводнения // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 2. С. 150–159. DOI: 10.21046/2070-7401-2019-16-2-150-159.
- Сирин А. А., Медведева М. А., Ильясов Д. В. и др. Обводненные торфяники в климатической отчетности Российской Федерации // Фундам. и приклад. климатология. 2021. Т. 7. Вып. 3. С. 84–112. DOI: 10.21513/2410-8758-2021-3-84-112.
- Терентьева И. Е., Филиппов И. В., Сабреков А. Ф. и др. Картографирование таежных болот Западной Сибири на основе дистанционной информации // Изв. Российской акад. наук. Сер. геогр. 2020. Т. 84. №. 6. С. 920–930. DOI: 10.31857/S2587556620060102.
- Amani M., Salehi B., Mahdavi S., Brisco B. Spectral analysis of wetlands using multi-source optical satellite imagery // ISPRS J. Photogrammetry and Remote Sensing. 2018. V. 144. P. 119–136. DOI: 10.1016/j.isprsjprs.2018.07.005.
- Application of satellite data for mapping and monitoring wetlands: Fact finding report. Washington, DC, USA: Wetlands Subcommittee, Federal Geographic Data Committee (FGDC), 1992. 32 p.
- Baig M. H. A., Zhang L., Shuai T., Tong Q. Derivation of a tasselled cap transformation based on Landsat 8 at-satellite reflectance // Remote Sensing Letters. 2014. V. 5. Iss. 5. P. 423–431. DOI: 10.1080/2150704X.2014.915434.
- Crichton K. A., Anderson K., Fewster R. E. et al. Satellite data indicates recent Arctic peatland expansion with warming // Communications Earth and Environment. 2025. V. 6. Iss. 1. Article 461. DOI: 10.1038/s43247-025-02375-1.
- Crist E. P., Cicone R. C. A physically-based transformation of Thematic Mapper data — the TM Tasseled Cap // IEEE Trans. Geoscience and Remote Sensing. 1984. V. GE-22. Iss. 3. P. 256–263. DOI: 10.1109/TGRS.1984.350619.
- Crist E. P., Kauth R. J. The tasseled cap de-mystified // Photogrammetric Engineering and Remote Sensing. 1986. V. 52. P. 81–86.
- Dronova I., Gong P., Wang L., Zhong L. Mapping dynamic cover types in a large seasonally flooded wetland using extended principal component analysis and object-based classification // Remote Sensing of Environment. 2015. V. 158. P. 193–206. DOI: 10.1016/j.rse.2014.10.027.
- Dunn B., Ai E., Alger M. J. et al. Wetlands Insight Tool: Characterising the surface water and vegetation cover dynamics of individual wetlands using multidecadal Landsat satellite data // Wetlands. 2023. V. 43. Iss. 4. Article 37. DOI: 10.1007/s13157-023-01682-7.
- Fassnacht F. E., Hartig F., Latifi H. et al. Importance of sample size, data type and prediction method for remote sensing-based estimations of aboveground forest biomass // Remote Sensing of Environment. 2014. V. 154. P. 102–114. DOI: 10.1016/j.rse.2014.07.028.
- Gong P., Xu B. Remote sensing of forests over time // Remote sensing of forest environments: Concepts and case studies / eds. M. A. Wulder, S. E. Franklin. Boston, MA: Springer, 2003. P. 301–333.
- Jin S., Sader S. A. Comparison of time series tasseled cap wetness and the normalized difference moisture index in detecting forest disturbances // Remote Sensing of Environment. 2005. V. 94. Iss. 3. P. 364–372. DOI: 10.1016/j.rse.2004.10.012.
- Mahdavi S., Salehi B., Granger J. et al. Remote sensing for wetland classification: a comprehensive review // GIScience and Remote Sensing. 2018. V. 55. Iss. 5. P. 623–658. DOI: 10.1080/15481603.2017.1419602.
- Ozesmi S. L., Bauer M. E. Satellite remote sensing of wetlands // Wetlands Ecology and Management. 2002. V. 10. Iss. 5. P. 381–402. DOI: 10.1023/A:1020908432489.
- Sader S. A., Ahl D., Liou W.-S. Accuracy of Landsat-TM and GIS rule-based methods for forest wetland classification in Maine // Remote Sensing of Environment. 1995. V. 53. Iss. 3. P. 133–144. DOI: 10.1016/0034-4257(95)00085-F.
- Rowinski C. Functions and values of forested/scrub-shrub wetlands: research summary. NOAA, 1995. 30 p.
- Samarawickrama U., Piyaratne D., Ranagalage M. Relationship between NDVI with tasseled cap indices: A remote sensing based analysis // Intern. J. Innovative Research in Technology. 2017. V. 3. Iss. 12. P. 13–19.
- Shi T., Xu H. Derivation of tasseled cap transformation coefficients for Sentinel-2 MSI at-sensor reflectance data // IEEE J. Selected Topics in Applied Earth Observations and Remote Sensing. 2019. V. 12. Iss. 10. P. 4038–4048. DOI: 10.1109/JSTARS.2019.2938388.
- Tuittila E.-S., Vasander H., Laine J. Impact of rewetting on the vegetation of a cut‐away peatland // Applied Vegetation Science. 2000. V. 3. Iss. 2. P. 205–212. DOI: 10.2307/1478999.
- Zomer R. J., Trabucco A., Ustin S. L. Building spectral libraries for wetlands land cover classification and hyperspectral remote sensing // J. Environmental Management. 2009. V. 90. Iss. 7. P. 2170–2177. DOI: 10.1016/j.jenvman.2007.06.028.