Проблема торфяных пожаров достаточно серьезна со времен брошенных в начале 90-х годов недовыработанных месторождений, а особенно остро встала в 2010 году после пожаров в Московской области. В этих экстремальных условиях Правительством РФ была поставлена задача по борьбе с текущими и предотвращению торфяных пожаров в будущем. В период 2010-2013 гг. были проведены масштабные мероприятия по обводнению торфяников в Московской области, которые охватили 77 осушенных торфяников площадью более 73 тыс. га.
Встала задача анализа состояния обводненных торфяников и оценки эффективности проведенных мероприятий по обводнению с точки зрения снижения их пожарной опасности. Такие объекты отличаются трудной проходимостью, для чего наиболее целесообразным становится использование спутниковых данных (Медведева и др., 2011; 2017; 2019; Яновский, 2017; Sirin et al., 2018; и др.).
Однако спектральные характеристики типов покрова осушенных торфяников, как, впрочем, и естественных торфяных болот, могут нередко смешиваться как между собой, так и с характеристиками прилегающих угодий. Отдельного подхода требует задача выявления обведённой растительности. На базе ранее проведенных исследований (Сирин и др., 2020; Sirin et al., 2020) проанализирована возможность расширения числа типов покрова для описания состояния вторично обводненных торфяников.
Для решения задачи при классификации с обучением использовались предобработанные спутниковые данные. Применялся подход, предложенный в (Байбар и др., 2023) для ландшафтных исследований. Предварительная обработка заключалась в применении метода главных компонент (Principal Component Analysis, PCA) к разновременным снимкам Landsat-8 (20/06/2021, 06/07/2021, 22/12/2021) и Sentinel-2 (11/04/2021, 20/06/2021, 10/08/2021): для каждой сцены выбирались факторы, имеющие наибольшую связь со всеми каналами (так называемые "яркостные"), с ближними инфракрасными ("биопродуктивные") и коротковолновыми инфракрасными ("водные"), после чего классифицировались композиты из них. Преимущество данного подхода заключается в лучшей дешифрируемости обводненной растительности за счёт "водных" факторов.
Точность полученной классификации для трех пробных участков оценена в 81,82% для Landsat-8 и 80,6% для Sentinel-2. Лучший результат для дешифрирования обводненной растительности показали снимки Landsat: вероятно, это связано с их более низким пространственным разрешением, позволяющим "сгладить" спектральные различия внутри одного класса.
В перспективе планируется использование вышеописанного подхода для данных по обводненным торфяникам Московской и Тверской областей. С учетом достаточной удаленности друг от дуга анализируемых участков есть предпосылки для доработки методики.
Работа выполнена в рамках реализации важнейшего инновационного проекта государственного значения "Разработка системы наземного и дистанционного мониторинга пулов углерода и потоков парниковых газов на территории Российской Федерации, обеспечение создания системы учета данных о потоках климатически активных веществ и бюджете углерода в лесах и других наземных экологических системах» (рег. № 123030300031-6)