Какая польза от статьи?
Прочитав данную статью, пользователь получит информацию об индексах, с помощью которых можно производить мониторинг водных объектов, прогнозировать засухи, производить идентификацию снежного покрова.
- Индексы воды как инструмент мониторинга
- Нормализованный разностный водный индекс (NDWI)
- Индекс влагостойкости WRI «Water Ratio Index»
- Модифицированный нормализованный разностный водный индекс (MNDWI)
- Стандартизованный индекс различий снежного покрова (NDSI)
- Индекс мутности (NDTI) «The Normalized Difference Thermal Index»
- Преимущества и недостатки водных индексов
- Заключение
Индексы воды как инструмент мониторинга
В наши дни данные ДЗЗ часто используются с целью экологического мониторинга, исследования состояния лесов, полей и сельского хозяйства в целом. Помимо данного мониторинга при помощи вегетационных индексов, на сегодняшний день все чаще поступают запросы о мониторинге затопления территорий, выявления уровня горючих материалов в пожароопасных зонах, расчета влагозапаса снежного покрова, увлажнения растительного покрова и многих других задач.
Для этих целей существуют различные индексы воды, рассчитываемые на основе данных дистанционного зондирования Земли. В данной статье рассмотрим самые популярные из них. Для исследования расчетных индексов, которые используются для выделения водных объектов на поверхности Земли, были взяты снимки со спутника Sentinel-2B.
Как появился первый индекс воды
В дистанционном зондировании уже много лет используется нормализованный дифференцированный вегетационный индекс NDVI. Для определения состояния всей растительности сравнивают значения в поглощении и отражении красных и инфракрасных лучей. Благодаря этому получают индекс NDVI. Но главным недостатком данного индекса является то, что коэффициент отражения красного канала слишком чувствителен к атмосферным изменениям. Для решения этой проблемы был создан первый водный индекс (NDWI), использующий коротковолновый инфракрасный канал. SWIR канал пробивает практически 80% атмосферы. Его используют для мониторинга лесных пожаров, поиска полезных ископаемых и так далее. Вода способна поглощать ближние инфракрасные волны. Поэтому именно благодаря использованию в расчетах NIR и SWIR каналов мы можем выделить контуры водных объектов и влажных почв.
Нормализованный разностный водный индекс (NDWI)
Нормализованный разностный водный индекс (Normalized Difference Water Index, NDWI) - это индекс, который используется для выявления водных тел в спутниковых или аэрокосмических изображениях. NDWI основан на разнице в поглощении света в ближнем инфракрасном (NIR) и видимом зеленом (Green) диапазонах электромагнитного спектра.
Данный индекс определяет количество влагозапаса в растительном покрове, которое взаимодействует с поступающим солнечным излучением.
Как рассчитывают NDWI
Рассчитывается по формуле:
NDWI = (NIR – SWIR2)/ (NIR + SWIR2)
Используется для:
- мониторинга изменений содержания воды в листьях (и не только);
- анализа восприимчивости исследуемого участка к пожарам;
- моделирования плодородности растений;
- обнаружения поверхностных вод среди заболоченной местности;
- измерения степени покрытия поверхностными водами;
Значения этого индекса колеблются в диапазоне от -1 до 1. Обычный диапазон для зеленой растительности составляет от -0,1 до 0,4. Считается, что водные объекты принимают значения от 0,2 до 1, объекты, не содержащие влагу, принимают значения меньше 0. Главным достоинством использования NDWI является способность определить водоемы на спутниковом снимке. Недостатком использования данного индекса является его большая чувствительность к постройкам, что может привести к грубым ошибкам при расчете NDWI.
Пример использования NDWI
По данному растровому изображению можно определить, какие поля убраны, какие засеяны различными культурами и насколько они увлажнены. В соответствии с шкалой NDWI чем ниже значение индекса, тем большая вероятность того, что на данном участке отсутствует влага, и наоборот.
Индекс влагостойкости WRI «Water Ratio Index»
С помощью данного индекса можно определить количество влаги в растительном покрове. Техника расчета данного индекса основана на отношении между полным спектральным индексом двух видимых диапазонов света (зеленого и красного) и коротковолнового и средневолнового инфракрасных диапазонов.
Как рассчитывают WRI
Рассчитывается по формуле:
WRI= (GREEN + RED) / (NIR + SWIR2)
Используется для:
- исследования физиологии экосистемы
- выявления водных объектов на изучаемой территории
Значения индекса колеблются от 0 до 3. Обычно, значения от 1 и выше представляют собой водные объекты или объекты, содержащие влагу.
Пример использования WRI
Зная, что объекты, содержащие влагу, при расчете WRI принимают значения от 1, было решено произвести классификацию для более точного отображения картины по следующим значениям:
- от 0 до 1 – на поверхности отсутствует вода;
- от 1 до 2,5 – растения, в которых содержится влага;
- от 2,5 до 3,8 (максимальное значение индекса в области) – водные объекты.
Классифицированное изображение только показывает нам четкие границы водных объектов.
Высокие значения водного индекса показывают нам территории с влажным растительным покровом и водные объекты. Видно, что в центральной части снимка имеются яркие объекты, которые предположительно являются полями, которые были увлажнены. А также можно разглядеть реку, протекающую с юга на северо-восток и озера в юго-восточной и западной части снимка. По представленной шкале мы можем сделать выводы о том, какие поля обильно увлажнены, поля, в которых отсутствует и присутствует влага. Таким образом, можно прийти к выводу о том, что для четкого анализа изображения необходимо использовать смешанный метод анализа (визуальный для определения, в нашем случае, увлажненных полей и классификацию по определенным значениям для определения водных объектов на снимке).
Модифицированный нормализованный разностный водный индекс (MNDWI)
Модифицированный нормализованный разностный водный индекс (Modified Normalized Difference Water Index, MNDWI) - это вариант индекса NDWI, который используется для обнаружения водных объектов в спутниковых или аэрокосмических изображениях.
Данный индекс более эффективен по сравнению с индексом NDWI. Ведь он уменьшает характеристики застроенных территорий, которые часто коррелируют с открытой водой в других индексах. Для расчета используются зеленый и SWIR-каналы.
Как рассчитывают MNDWI
Рассчитывается по формуле:
MNDWI = (Green – SWIR2) / (Green + SWIR2)
Используется для тех же целей, что и нормализованный разностный водный индекс (NDWI).
Значения этого индекса колеблются в диапазоне от -1 до 1. Вода имеет значения больше 0.
Пример использования MNDWI
Если сравнивать полученные растры по индексам NDWI и MNDWI, можно заметить, что последняя получилась менее контрастная. Оператору проще отличить границы некоторых объектов, например полей, водоемов. MNDWI лучше всего использовать, если территория сильно застроена, так как использование видимого зеленого канала вместо NIR диапазона позволяет лучше разделить постройки и водные объекты.
MNDWI широко применяется в гидрологических исследованиях и дистанционном зондировании для обнаружения водных тел, мониторинга изменений уровня воды, выявления зон затопления, оценки площади водных объектов и других задач, связанных с анализом водных ресурсов. Он является полезным инструментом для изучения гидрологических процессов и экосистем, связанных с водой.
Стандартизованный индекс различий снежного покрова (NDSI)
Стандартизованный индекс различий снежного покрова (Normalized Difference Snow Index, NDSI) - это индекс, используемый для определения наличия снежного покрова на спутниковых или аэрокосмических изображениях. NDSI основан на разнице в поглощении света в ближнем инфракрасном (NIR) и видимом зеленом (Green) диапазонах электромагнитного спектра.
Данный индекс получен на основе коэффициента отражения поверхности Земли. Он представляет собой нормализованную разницу между спектральными полосами зеленого (G) и коротковолнового инфракрасного (SWIR). Вообще, снег довольно сложно различить на спектральных снимках от облаков, так как по яркости данные объекты очень похожи. Однако, на определенной длине волны снег поглощает солнечные лучи и выглядит на снимках немного темнее, чем облака.
Как рассчитывают NDSI
Рассчитывается по формуле:
NDSI = (Green – SWIR1) / (Green + SWIR1)
Используется для:
- идентификации снега от растительности, почвы и конечных элементов литологии
- для выделения территорий, покрытых снегом
Значения этого индекса колеблются в диапазоне от -1 до 1. Вероятность наличия снега пропорциональна тому, насколько значение пикселя NDSI близко к 1.
Пример использования NDSI
По данному фрагменту снимка нетрудно определить, что данная территория практически полностью покрыта снегом. Высокое значение индекса соответствует синему цвету на приведенном растре.
NDSI широко используется в гидрологических исследованиях, климатологии, геоинформационных системах (ГИС) и дистанционном зондировании для обнаружения снежного покрова, мониторинга изменений в снежном покрове, оценки площади покрытия снегом и других задач, связанных с анализом снежной обстановки. Этот индекс помогает ученым и исследователям получать информацию о снеге и его влиянии на гидрологические процессы, климатические модели и другие аспекты окружающей среды.
Индекс мутности (NDTI) «The Normalized Difference Thermal Index»
По названию можно догадаться, для чего используется данный индекс. Он характеризует уменьшение прозрачности воды из-за наличия неорганических и органических примесей или же развития планктона в водном объекте.
Как рассчитывают NDTI
Рассчитывается по формуле:
NDTI = (RED- GREEN)/(RED+GREEN)
Так как в расчете данного индекса используется только видимый диапазон спектра, можно использовать данные съемки с КА, например, World-View 3 с высоким пространственным разрешением, если того требует техническое задание.
Используется для:
- выявления мутности воды
- для прогнозирования засухи, так как индекс несет более глобальный показатель — более чувствителен к изменению влагозапаса в растениях
Значения этого индекса колеблются в диапазоне от -1 до 1. Мутность воды принимает значения от 0.4 до 1.
Пример использования NDTI 1.
Сравнивая цвет изображения со шкалой значений данного индекса, можно сделать вывод о том, что вода в реке является довольно чистой, не замутненной.
Пример использования NDTI 2.
Для полноты исследования был выбран еще один снимок со спутника Sentinel 2A, в окрестностях города Мариинск.
Как мы видим на композитном изображении в натуральных цветах, вода в реке Кия довольно мутная, зеленая. Такую же картину нам дает и пересчет в NDTI. Низкие значения индекса отображаются на карте желтым цветом и соответствуют чистой, незамутненной воде, и наоборот.
Преимущества и недостатки водных индексов
Преимущества:
- Простота расчетных формул
- Быстрота получения результатов
- Высокая точность определения объектов гидрографии
- Получение качественного результата несмотря на атмосферные влияния
- Расширенный спектр использования индексов в качестве мониторинга
Недостатки:
- Не каждый доступный по цене КА имеет инфракрасные каналы. (КА с камерой с высоким пространственным разрешением обычно производят съемку только в видимом диапазоне, что не дает рассчитать нам все индексы);
- Отсутствие определенной дискретной шкалы для индексов заставляет нас использовать только визуальный анализ изображений (пример был приведен для WRI).
Заключение
В данной статье мы наглядно показали, что рассмотренные ранее водные индексы с легкостью позволяют произвести мониторинг для различных целей. Каждый из индексов содержания воды качественно определяет водные объекты. Какой из них выбрать – все зависит от цели исследования. Например, NDWI и MNDWI отлично показывают количество влаги в растениях. При помощи WRI легко дешифрируются водные объекты и так далее. Обычно мультиспектральные снимки обладают не очень высоким пространственным разрешением, но, если это позволяет техническое задание, на основе бесплатных данных и любой ГИС-программы, например QGIS, каждый человек может заняться мониторингом в своих личных целях. В написанной статье были представлены только индексы для определения характеристик водных объектов, однако существует огромное количество других индексов под всевозможные виды задач мониторинга.
