Применение снимков высокого разрешения в задачах управления локальной территорией

https://doi.org/10.35595/2414-9179-2021-1-27-263-276

Посмотреть или загрузить статью (Rus)

Об авторах

М.Г. Ерунова

Федеральный исследовательский центр «Красноярский научный центр СО РАН»,
ул. Академгородок, 50, 660036, г. Красноярск, Россия;
E-mail: marina@icm.krasn.ru

А.А. Гостева

Федеральный исследовательский центр «Красноярский научный центр СО РАН»,
ул. Академгородок, 50, 660036, г. Красноярск, Россия;
E-mail: agosteva@icm.krasn.ru

Аннотация

На протяжении большого количества времени люди пытаются рационально использовать территорию, на которой проживают, работают и отдыхают. Существует множество методов автоматизации процессов для эффективного управления территорией любого масштаба. Оперативный мониторинг показывает текущее состояние территории и проводится с использованием данных дистанционного зондирования Земли. Многие авторы предлагают методики по глобальному оперативному наблюдению за территориями по данным MODIS. Однако эти данные имеют недостаточное пространственное разрешение для решения задач локальных территорий, таких, как сельскохозяйственное поле, городской микрорайон, размеры которых сравнимы с разрешением 1 пикселя MODIS. Для таких территорий необходимо использовать данные с более высоким пространственным разрешением.

В статье описано применение спутниковых данных высокого разрешения PlanetScope для задач управления локальной территорией по 4 территориям. Рассмотрены 2 типа объектов: сельскохозяйственные земли представлены опытно-производственными хозяйствами «Минино», «Курагинское» и «Михайловское», городские земли представлены одним объектом — городом Красноярском. Получены статистические значения индексов NDVI, VARI, CIGreen для каждого поля в каждом хозяйстве в течение всего вегетационного периода. Проанализирована связь годового хода вегетационных индексов и сельскохозяйственных культур. Для территории города Красноярска рассчитаны тематические карты температуры поверхности по данным Landsat 8 с классификацией по PlanetScope по типу подстилающей поверхности, которые позволили выявить изменения городского ландшафта по температурным аномалиям.

Ключ. слова

PlanetScope, спутниковые данные, вегетационные индексы, температура поверхности земли, локальные территории.

Список литературы

  1. Барталев С.А., Егоров В.А., Жарко В.О., Лупян Е.А., Плотников Д.Е., Хвостиков С.А. Состояние и перспективы развития методов спутникового картографирования растительного покрова России. Современные проблемы дистанционного зондирования Земли из космоса. 2015. Т. 12. № 5. С. 203–221.
  2. Барталев С.А., Лупян Е.А., Нейштадт И.А., Савин И.Ю. Классификация некоторых типов сельскохозяйственных посевов в южных регионах России по спутниковым данным MODIS. Исследование Земли из космоса. 2006. № 3. С. 68–75.
  3. Воронина П.В., Мамаш Е.А. Классификация тематических задач мониторинга сельского хозяйства с использованием данных дистанционного зондирования MODIS. Вычислительные технологии. 2014. Т. 19. № 3. С. 76–102.
  4. Горюшин О.А. Инструментальные средства и модели социально-экономического мониторинга региона (опыт внедрения). Экономические проблемы стран и регионов: РАН. Центр. экон.-мат. ин-т. М., 1994. С. 121–139.
  5. Гостева А.А., Матузко А.К., Якубайлик О.Э. Дистанционные методы в изучении температуры поверхности земли в городах (на примере г. Красноярска, Россия). Материалы Международной конференции «ИнтерКарто. ИнтерГИС», 2018. № 24 (2). С. 195–205. DOI: 10.24057/2414-9179-2018-2-24-195-205.
  6. Гостева А.А., Матузко А.К., Якубайлик О.Э. Поиск изменений температуры городской среды по спутниковым данным на примере города Красноярска. Обработка пространственных данных в задачах мониторинга природных и антропогенных процессов (SDM-2019). Сборник трудов всероссийской конференции с международным участием (26–30 августа 2019 г., г. Бердск). Новосибирск: ИВТ СО РАН, 2019. С. 401–405.
  7. Грищенко М.Ю., Калитка Л.С. Изучение сезонной изменчивости теплового поля Краснодара по космическим снимкам со спутника Landsat 8. Материалы Международной конференции «ИнтерКарто. ИнтерГИС», 2019. № 25 (2). С. 101–111. DOI: 10.35595/2414-9179-2019-2-25-101-111.
  8. Комаров А.А. Оценка состояния травостоя c помощью вегетационного индекса NDVI. Известия СПбГАУ, 2018. № 2 (51). С. 124–129.
  9. Лупян Е.А., Барталев С.А., Крашенинникова Ю.С., Плотников Д.Е., Толпин В.А., Уваров И.А. Анализ развития озимых культур в южных регионах европейской части России весной 2018 года на основе данных дистанционного мониторинга. Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 2. С. 272–276. DOI: 10.21046/2070-7401-2018-15-2-272-276.
  10. Лупян Е.А., Барталев С.А., Толпин В.А., Жарко В.О., Крашенинникова Ю.С., Оксюкевич А.Ю. Использование спутникового сервиса ВЕГА в региональных системах дистанционного мониторинга. Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. № 3. С. 215–232.
  11. Панасюк М.В. Регион как территориальная формация: новый подход к изучению. Наукоемкие технологии. 2004. Т. 5. № 4. С. 6–12.
  12. Терехов А.Г., Кауазов А.М. Подспутниковый MODIS-ориентированный анализ информативности вегетационных индексов в задаче описания состояния яровой пшеницы Северного Казахстана. Современные проблемы дистанционного зондирования Земли из космоса. 2007. Вып. 4. Т. 2. С. 352–357.
  13. Шевырногов А.П., Чернецкий М.Ю., Высоцкая Г.С. Многолетние тренды NDVI и температуры на юге Красноярского края. Исследование земли из космоса. 2012. № 6. С. 77–87.
  14. Якубайлик О.Э. Геоинформационный интернет-портал. Вычислительные технологии, 2007. Т. 12. № S3. С. 116–126.
  15. Erunova M., Yakubailik O. GIS technologies for agricultural monitoring in the regional agriculture system of the Krasnoyarsk territory. Multidisciplinary Scientific GeoConference: SGEM. Ed. 2.2. Sofia, 2019. V. 19. P. 863–870. DOI: 10.5593/sgem2019/2.2/S11.106.
  16. Erunova M., Yakubailik O. Monitoring of agricultural vegetation development based on time series analysis of satellite data, Proc. SPIE 11560, 26th International Symposium on Atmospheric and Ocean Optics, Atmospheric Physics, 1156054 (12 November 2020). DOI: 10.1117/12.2575663.
  17. Ozdogan M. The spatial distribution of crop types from MODIS data: Temporal unmixing using Independent Component Analysis. Remote Sensing of Environment. 2010. No. 114 (6). P. 1190–1204. DOI: 10.1016/j.rse.2010.01.006.
  18. Redowan M., Akter S., Islam N. Analysis of forest cover change at Khadimnagar National Park, Sylhet, Bangladesh, using Landsat TM and GIS data. Journal of Forestry Research. 2014. No. 25 (2). P. 393–400. DOI: 10.1007/s11676-014-0467-9.

Для цитирования: Ерунова М.Г., Гостева А.А. Применение снимков высокого разрешения в задачах управления локальной территорией ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2021. Т. 27. Ч. 1. С. 263–276. DOI: 10.35595/2414-9179-2021-1-27-263-276

For citation: Erunova M.G., Gosteva A.A. Use of high-resolution images in local area management tasks InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2021. V. 27. Part 1. P. 263–276. DOI: 10.35595/2414-9179-2021-1-27-263-276 (In Russian)