А.Г. Гудков1, А.С. Тертычная2, И.А. Сидоров3, С.В. Агасиева4, А.В. Хоперсков5

1,3 МГТУ им. Н.Э. Баумана (Москва, Россия)
1 ООО «НПИ ФИРМА «ГИПЕРИОН» (Москва, Россия)
2,5 Волгоградский государственный университет (г. Волгоград, Россия)
4 ФГАУ ВО «Российский университет дружбы народов им. Патриса Лумумбы» (Москва, Россия)
1profgudkov@gmail.com, 2anna.kuzmich@volsu.ru, 3igorasidorov@yandex.ru, 4agasieva-sv@rudn.ru, 5khoperskov@volsu.ru

Постановка проблемы. В настоящее время особой проблемой стало моделирование пойменных областей с большим числом водоемов и изменяющимся уровнем воды в период паводка. Отличительная особенность такой территории – сложная структура мелких русел, растительности и заболоченных участков. Небольшие изменения топографических высот могут заметно менять характер затопления, что требует построения высокоточной цифровой модели рельефа (ЦМР). Точность математического моделирования гидрологического режима для конкретной территории определяется в существенной мере качеством ЦМР этой местности.

Цель. Провести анализ качества ЦМР местности на основе построения системы изменяющихся береговых линий, полученных в результате обработки многоспектральных спутниковых изображений участка в разные моменты времени.

Результаты. Созданное программное обеспечение для обработки многоканальных космических снимков позволяете в пакетном режиме выделять водные объекты с последующей векторизацией береговых линий. Показана возможность актуализации высотных данных с использованием набора границ водоемов по инфракрасным данным спутников Landsat 7 ETM+ и Landsat 8–9 OLI. Определены критические значения интенсивностей в инфракрасных каналах, обеспечивающие наилучшее выделение границ водоемов.

Практическая значимость. Построение географически привязанных границ водных объектов возможно использовать при решении различных экологических, гидрологических и социально-экономических задач, в частности, при актуализации высотных данных для периодически затапливаемых пойменных территорий.

Гудков А.Г. Тертычная А.С., Сидоров И.А., Агасиева С.В., Хоперсков А.В. Выделение водных объектов на основе обработки многоспектральных космических снимков // Нанотехнологии: разработка, применение – XXI век. 2024. Т. 16. № 4. С. 21–31. DOI: https://doi.org/ 10.18127/ j22250980-202404-03

1. Зейлигер А.М., Музалевский К.В., Зинченко Е.В., Ермолаева О.С., Мелихов В.В. Полевое тестирование метода картографического моделирования влагозапасов поверхностного слоя почвенного покрова, основанного на данных радарной съемки Sentinel-1 и цифровой модели рельефа // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 11–128.
2. Шинкаренко С.С., Ткаченко Н.А., Юферев В.Г. Геоинформационный анализ хозяйственного освоения бассейна реки Дон // Вестник Московского университета. Серия 5: География. 2022. № 3. С. 73–86.
3. Сидоров И.А., Гудков Г.А., Новичихин Е.П., Чижиков С.В. Радиометрический метод измерения температуры и влажности почвы // Нанотехнологии: разработка, применение – XXI век. 2024. № 1. С. 50–60.
4. Бутуханов В.П., Атутов Е.Б., Очиров О.Н. Радиолокационное рассеяние ветровых волн вблизи береговой зоны озера Байкал // Радиотехника. 2023. Т. 87. № 12. С. 56−63.
5. Bannari A., Morin D., Bonn F., Huete A.R. A review of vegetation indices. Remote Sensing Reviews, 1995. V.13. № 1. P. 95–120.
6. Tiengo R., Merino-De-Miguel S., Uchôa J., Gil A. A Land Cover Change Detection Approach to Assess the Effectiveness of Conservation Projects: A Study Case on the EU-Funded LIFE Projects in São Miguel Island, Azores (2002–2021). Land. 2024. V. 13. № 5. P. 666.
7. Singh S. Mapping soil trace metal distribution using remote sensing and multivariate analysis. Environmental Monitoring and Assessment. 2024. V. 196. Article № 516.
8. Gholizadeh A., Kopačková V. Detecting vegetation stress as a soil contamination proxy: A review of optical proximal and remote sensing techniques. International Journal of Environmental Science and Technology. 2019. V. 16. P. 2511–2524.
9. Cho M.A., Debba P., Mutanga O., Dudeni-Tlhone N.,Magadla T., Khuluse S.A. Potential utility of the spectral red-edge region of SumbandilaSat imagery for assessing indigenous forest structure and health. International Journal of Applied Earth Observation and Geoinformation. 2012. V. 16. P. 85–93.
10. Masaitis G., Mozgeris G., Augustaitis A. Spectral reflectance properties of healthy and stressed coniferous trees.iForest. 2013. V. 6. P. 30–36.
11. Buitrago M.F., Groen T.A., Hecker C.A., Skidmore A.K. Identifying leaf traits that signal that signal stress in TIR spectra. ISPRS Journal of Photogrammetry and Remote Sensing. 2017. V. 125. P. 132–145.
12. Forlingieri F., Biondi F., Fiscante N., Tarpanelli A., Addabbo P., Clemente C., Giunta G., Orlando D. Enhancements of River Water Level Monitoring Method Using COSMO-SkyMed SAR Images. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 2024. V. 215–1535. P. 1–10.
13. Shekede M.D., Gondo T., Mavhenge M.M., Mazhindu A.N. Using Landsat satellite imagery to monitor the spatial and temporal dynamics of aquatic weed extent in Lakes Chivero and Manyame, located in an urban catchment of Zimbabwe. Water S.A. 2023.
    V. 49. № 1. P. 46–55.
14. Naghdi M., Vafakhah M., Moosavi V. Improving Snowmelt Runoff Model (SRM) Performance Incorporating Remotely Sensed Data. Journal of the Indian Society of Remote Sensing. 2024. V. 52. P. 1841–1853.
15. Тертычная А.С., Тертычный К.С., Хоперсков А.В. Метод определения береговых линий водных объектов на основе обработки данных дистанционного зондирования Landsat ETM+ // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 5. С. 28–38.
16. Tertychnaya A., Khoperskov A. Highlighting of Hydrographic Objects on Satellite Images for the Development of High-quality Digital Relief Models of Floodplain Areas as a Basis for Modeling the Hydrological Regime. IEEE Xplore: 2023 5th International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency. SUMMA 2023. P. 757–762.
17. Ihlen V., Zanter K. Landsat 7 Data Users Handbook. Department of the Interior U.S. Geological Survey. 2019.ver.2.0. P.151.
18. Khrapov S.S., Khoperskov A.V. Application of Graphics Processing Units for Self-Consistent Modelling of Shallow Water Dynamics and Sediment Transport. Lobachevskii Journal of Mathematics. 2020. V.41.№ 8.P. 1475–1484.
19. Исаева И. И., Харитонов М. А., Васильченко А. А., Воронин А.А., Хоперсков А.В., Кликунова А.Ю. Устойчивое развитие пойменных территорий зарегулированных рек. Ч. 2. Проектирование эффективной системы управления структурой пойменных территорий // Проблемы управления. 2024. № 1. С. 57–78.
20. Исаева И.И., Воронин А.А. Модели управления гидротехническими проектами на пойменных территориях с учетом активности ее хозяйствующих субъектов // Математическая физика и компьютерное моделирование. 2024. Т. 27. № 1. С. 45–61.
21. Tertychnaya A., Khoperskov A. Estimates of the accuracy and rate of convergence of short-term meteorological forecasts using the regional climate model RegCM4. E3S Web of Conferences. 2023. V. 460. 09015. 12 p.
22. Кликунова А.Ю. Метод построения кадастровых карт затопления речных долин на ос­нове гидродинамического и геоинформационного моделирования // Математическая физика и компьютерное моделирование. 2023. Т. 26. № 3. С. 15–23.
23. Klikunova A.Yu., Khoperskov A.V., Agafonnikova E.O., Kuz’mich A.S., Dyakonova T.A., Khrapov S.S., Gusev I.M. Creation of cadastral maps of flooding based on numerical modeling. Journal of Computational and Engineering Mathematics. 2019. V. 6. № 2. P. 3–17.