Методы
Некоторые из основных методов дистанционного зондирования Земли, используемых в экологических исследованиях, включают:
Мультиспектральное зондирование:
Мультиспектральный метод зондирования захватывает данные изображения в определенных диапазонах длин волн электромагнитного спектра. Длины волн могут быть разделены фильтрами или обнаружены с использованием приборов, чувствительных к определенным длинам волн, включая свет с частотами за пределами диапазона видимого света, т. е. инфракрасного и ультрафиолетового. Это может позволить извлекать дополнительную информацию, которую человеческий глаз не может уловить с помощью своих видимых рецепторов для красного, зеленого и синего цветов.
Мультиспектральные спутники собирают данные в 5–20 диапазонах спектра. Чаще всего изображение состоит из трех основных цветов и нескольких инфракрасных частей спектра. Это делает их более экономически эффективными.
Преимущества данного метода это, широкий спектральный охват, что позволяет получить информацию о различных характеристиках поверхности Земли. Сравнительно низкая стоимость данных и их доступность, благодаря наличию спутниковых систем массового производства. Большой объем данных и возможность проводить масштабные исследования.

Рис.4. Пример мультиспектрального зондирования полей с помощью БПЛА DJI Phantom 4 Multispectral
Гиперспектральное зондирование
Гиперспектральное дистанционное зондирование, отличается от классических оптических мультиспектральных подходов количеством и шириной спектральных полос, регистрируемых датчиком. Хотя мультиспектральные датчики измеряют оптическую часть электромагнитного спектра в нескольких (< 10) относительно широких полосах (шириной около 40–100 нм), гиперспектральные датчики измеряют оптическую часть электромагнитного спектра во многих (> 50, но часто во многих больше), регулярно расположенные узкие полосы шириной примерно от 5 до 10 нм. Благодаря этому гиперспектральные данные позволяют с высокой степенью детализации отбирать все спектральные характеристики отражения, которые можно использовать для количественной оценки различных биологических, геологических и химических свойств земной поверхности.
Интересно отметить, что классические мультиспектральные сенсорные системы также все чаще используют узкие спектральные полосы для измерения конкретных свойств растительности. Мультиспектральные приборы на борту Sentinel-2a и Sentinel-2b, например, имеют три узкие полосы в области ближнего красного спектра, а также узкую полосу в ближней инфракрасной области, что позволяет более детально охарактеризовать свойства растительности.

Рис.5. Пример набора гиперспектральных данных, полученных с помощью датчика HySpex с 416 узкими спектральными полосами в диапазоне от ~ 400 до ~ 2500 нм. Верхнее изображение показывает коэффициент отражения красным/зеленым/синим цветом, тогда как нижнее изображение показывает первые три основных компонента, полученные из всех 416 каналов, что дает подробное представление о переменных типах земного покрова.
В настоящее время доступно несколько космических гиперспектральных датчиков (например, Hyperion на борту EO-1 или компактный спектрометр для формирования изображений высокого разрешения на борту PROBA-1). Эти космические гиперспектральные датчики помогут лучше понять глобальную пространственную и временную изменчивость биогеохимических свойств экосистем.
Лидарное сканирование
Оптическое дистанционное зондирование ограничено изучением растительного покрова из-за непроникновения солнечного света сквозь кроны деревьев и другой растительности, появился новый тип активного датчика - LiDAR. Он позволяет более точно и детально изучать структуру растительности. Датчики LiDAR используют лазерные лучи для измерения времени, необходимого для преломления и отражения лазерного луча обратно к датчику. По полученным данным можно определить высоту над землей. Создавая трехмерное облако точек из отраженных лазерных лучей, можно выявить максимальные значения высоты и преобразовать их в цифровую модель поверхности - регулярную сетку ячеек, отражающую высоту растительного покрова.
Однако, несмотря на возможности воздушного LiDAR для понимания пространственной (и пространственно-временной) динамики экосистем, он остается дорогостоящим инструментом из-за высокой стоимости эксплуатации платформ, таких как БПЛА, самолеты и вертолеты, особенно на больших пространственных участках. Таким образом, анализ часто ограничивается областями существующих данных или небольшими областями и отдельными измерениями. Этот пробел может быть заполнен новыми космическими данными LiDAR из системы Global Ecosystem Dynamics Investigation (GEDI), который обеспечивает «LiDAR-графики» диаметром 25 м на регулярной сетке 60 × 600 м. Путем слияния GEDI с оптическими спутниковыми данными в будущем могут быть созданы глобальные карты ключевых особенностей растительности, например, глобальная высота деревьев.

Рис.6. Примеры облака точек LiDAR для исследовательского участка леса площадью 500 м 2 (левый участок) с отдельными деревьями, сегментированными для получения структурных показателей на основе деревьев (например, высота; средний участок). Данные были собраны с вертолета в 2021 году и обработаны с помощью пакета lidR с открытым исходным кодом. На правом графике показана модель высоты полога, полученная из облака точек при пространственном зерне 1 м2.
Радарное зондирование
Радар — это еще один тип активного сбора данных, использующий излучаемые системой микроволны для определения дальности, угла и физических свойств объектов на поверхности Земли. Активный датчик радар не зависит от солнечного света как источника излучения и поэтому может работать даже ночью и в облачных условиях. Хотя радиолокационные методы сами по себе не новы и исторически применялись для топографической съемки, радиолокационные данные стали играть все более заметную роль в исследованиях динамики экосистем из-за появления космических радиолокационных систем открытого доступа, таких как спутник ESA Sentinel-1, высокого пространственного разрешения современных радиолокационных систем (<10 м) и способности радара преодолевать облачный покров.
Недавние исследования проверили способность радара отслеживать фенологию растительности, нарушения лесов, вызванные короедом и пожарами, а также вырубку лесов в тропиках, где способность видеть сквозь облака значительно расширила возможности мониторинга. В зависимости от поляризации радар может проникать сквозь растительность и, таким образом, оценивать структуру растительности. Радар также применялся для изучения водно-болотных угодий и городских районов, и поэтому его полезность выходит за рамки более классических приложений в лесных экосистемах.
Хотя необходимы дополнительные исследования, радар имеет большие перспективы для анализа структуры растительности в пространстве и времени, независимо от облачного покрова. Таким образом, будущие радиолокационные системы специально разработаны для глобального мониторинга динамики биомассы.

Рис.7. Пример бесшовного набора радиолокационных данных, полученного над Европейскими Альпами от Sentinel-1. Красный/зеленый/синий цвета показывают разные поляризации сигнала радара, усредненные за лето 2021г.
Тепловое зондирование:
Тепловые камеры, установленные на дронах или спутниках, регистрируют инфракрасное излучение, которое является отражением теплового излучения объектов на поверхности Земли. Тепловое зондирование позволяет исследователям изучать тепловые характеристики экосистем, включая тепловые аномалии, изменения температуры водных ресурсов и распределение тепла в городских районах.
Использование теплового излучения для изучения процессов, связанных с тепловым балансом в экосистемах. Обнаружение тепловых аномалий и идентификация источников тепла. Использование для изучения изменений климата и мониторинга теплового состояния водных ресурсов.

Рис.8. – Растры полуденных температур земной поверхности ТЗП °C и вегетационного индекса NDVI для сезонов 2011 г. Май (а), Сентябрь (б).
Эти методы дистанционного зондирования земли обладают уникальными возможностями для получения данных о поверхности Земли и ее состоянии. Исследователи могут использовать эти данные для мониторинга экосистем, определения изменений в окружающей среде и принятия обоснованных решений в области охраны окружающей среды.