Автоматизированное детектирование о. Ярки (оз. Байкал) на основе спектральных индексов NDWI, MNDWI и WRI

DOI: 10.35595/2414-9179-2025-2-31-212-220

Посмотреть или загрузить статью (Rus)

Об авторах

Ф.М. Андреев

Иркутский государственный университет,
ул. Карла Маркса, д. 1, Иркутск, Россия, 664003,
E-mail: fmandreev@yandex.ru

Е.Н. Сутырина

Иркутский государственный университет,
ул. Карла Маркса, д. 1, Иркутск, Россия, 664003,
E-mail: ensut78@gmail.com

Аннотация

В статье описаны результаты работы автоматизированного алгоритма детектирования о. Ярки на спутниковых снимках и оценки его площади с помощью инструментов Python. На основе разработанного алгоритма для автоматизации расчета спектральных индексов WRI (Water Ratio Index), NDWI (Normalized Difference Water Index) и MNDWI (Modified Normalized Difference Water Index) были обработаны 86 спутниковых сцен Landsat-5 TM, Landsat-8 OLI и Landsat-9 OLI за 2008–2024 гг. Спектральные индексы использовались в работе для выделения суши. Для повышения точности составления маски суши по данным WRI применялась коррекция порога бинаризации с учетом синхронного значения уровня оз. Байкал. Калибровка порога бинаризации обеспечила его адаптивность к колебаниям уровня Байкала. Для определения точности различных алгоритмов оценивалась среднеквадратичная ошибка (RMSE). Построены эталонные маски о. Ярки, выполнено сравнение точности определения площади о. Ярки с помощью автоматизированного алгоритма при расчете с помощью разных индексов — WRI, NDWI и MNDWI. Проведенный анализ показал, что индекс WRI (RMSE = 0,010 км2) при коррекции порога бинаризации в зависимости от уровня оз. Байкал демонстрирует наивысшую точность в задачах определения площади о. Ярки по сравнению с другими индексами: NDWI (RMSE = 0,067 км2) и MNDWI (RMSE = 0,087 км2). Использование коррекции порога позволяет повысить точность идентификации суши по значениям индекса WRI на 20 % по сравнению с использованием фиксированного порога.

Ключ. слова

дистанционное зондирование, Landsat, водные индексы, морфометрические характеристики, адаптивная бинаризация

Список литературы

  1. Болданова Е.В. Моделирование зависимости площади и объема Посольского сора от уровня оз. Байкал. Известия Иркутского государственного университета. Серия «Науки о Земле», 2023. Т. 44. С. 33–43. DOI: 10.26516/2073-3402.2023.44.33.
  2. Катаев М.Ю., Бекеров А.А. Методика обнаружения водных объектов по многоспектральным спутниковым измерениям. Доклады ТУСУР, 2017. Т. 20. № 4. С. 105–108.
  3. Курганович К.А., Носкова Е.В. Использование водных индексов для оценки изменения площадей водного зеркала степных содовых озер юго-востока Забайкалья по данным дистанционного зондирования. Вестник Забайкальского государственного университета, 2015. № 6 (121). С. 16–24.
  4. Манилюк Т.А., Маслова А.В. Исследование водных поверхностей озер путем использования водных индексов по данным дистанционного зондирования. Вестник Забайкальского государственного университета, 2017. Т. 23. № 3. С. 4–11. DOI: 10.21209/2227-9245-2017-23-3-4-11.
  5. Морозова В.А. Расчет индексов для выявления и анализа характеристик водных объектов с помощью данных дистанционного зондирования. Современные проблемы территориального развития, 2019. № 2. С. 1–12.
  6. Потемкина Т.Г., Потемкин В.Л. Сток наносов притоков озера Байкал: изменения и тенденцию. Известия Иркутского государственного университета. Серия «Науки о Земле», 2023. Т. 43. С. 79–90. DOI: 10.26516/2073-3402.2023.43.79.
  7. Пшеничников А.Е. Использование спектральных показателей в определении термокарстовых озер по данным дистанционного зондирования. Геоинформатика, 2021. № 2. С. 67–74. DOI: 10.47148/1609-364X-2021-2-67-74.
  8. Feyisa G.L., Meilby H., Fensholt R., Proud S.R. Automated Water Extraction Index: A New Technique for Surface Water Mapping Using Landsat Imagery. Remote Sensing of Environment, 2014. No. 140. P. 23–35. DOI: 10.1016/j.rse.2013.08.029.
  9. Gao B.-C. NDWI—A Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water from Space. Remote Sensing of Environment, 1996. V. 58. P. 257–266.
  10. Ji L., Zhang L., Wylie B. Analysis of Dynamic Thresholds for the Normalized Difference Water Index. Photogrammetric Engineering and Remote Sensing, 2009. V. 75. No. 11. P. 1307–1317.
  11. Laonamsai J., Julphunthong P., Saprathet T., Kimmany B., Ganchanasuragit T., Chomcheawchan P., Tomun N. Utilizing NDWI, MNDWI, SAVI, WRI, and AWEI for Estimating Erosion and Deposition in Ping River in Thailand. Hydrology, 2023. V. 10. P. 70. DOI: 10.3390/hydrology10030070.
  12. Mustafa M., Khalid H., Modher H., Modher A. Using Water Indices (NDWI, MNDWI, NDMI, WRI and AWEI) to Detect Physical and Chemical Parameters by Apply Remote Sensing and GIS Techniques. International Journal of Research—GRANTHAALAYAH, 2017. V. 5. P. 117–128. DOI: 10.29121/granthaalayah.v5.i10.2017.2289.
  13. Potemkina T., Sutyrina E., Potemkin V. Changing of the Riverine Sediment Load Supply into Lake Baikal: The Natural and Anthropogenic Causes (Russia). Quaternary International, 2019. V. 524. P. 57–66.
  14. Sun F., Sun W., Chen J., Gong P. Comparison and Improvement of Methods for Identifying Waterbodies in Remotely Sensed Imagery. International Journal of Remote Sensing, 2012. V. 33. No. 21. P. 6854–6875.

Для цитирования: Андреев Ф.М., Сутырина Е.Н. Автоматизированное детектирование о. Ярки (оз. Байкал) на основе спектральных индексов NDWI, MNDWI и WRI. ИнтерКарто. ИнтерГИС. M.: Географический факультет МГУ, 2025. Т. 31. Ч. 2. С. 212–220. DOI: 10.35595/2414-9179-2025-2-31-212-220

For citation: Andreyev F.M., Sutyrina E.N. Automated detection of Yarka island (Baikal lake) based on NDWI, MNDWI and WRI spectral indices. InterCarto. InterGIS. Moscow: MSU, Faculty of Geography, 2025. V. 31. Part 2. P. 212–220. DOI: 10.35595/2414-9179-2025-2-31-212-220 (in Russian)