Выявление изменений в использовании сельскохозяйственных угодий на основе многолетней серии разносезонных снимков Landsat на примере дельты Волги

Проблема сокращения обрабатываемых площадей и превращение прежде пахотных земель в залежи, влекущая за собой экологические и социально-экономические последствия, стоит во многих странах мира. В современной России она усилена теми обстоятельствами, что в СССР благодаря государственному управлению сельским хозяйством и дотациям в 1950-60 гг. ХХ века были распаханы огромные территории, и, если в период с 1965 по 1987 г. площадь пахотных земель в целом по стране поддерживалась стабильной (130-133 млн. га), то с конца 1980-х гг. в результате экономических реформ и прекращения дотаций, земледелие во многих регионах стало невыгодным, а забрасывание пахотных земель стало носить массовый характер. Огромное значение данных дистанционного зондирования в инвентаризации и картографировании сельскохозяйственных угодий было подтверждено не одним десятком лет их успешного применения в разных странах, не исключая и Россию, где ввиду обширной территории большое значение имели данных MODIS/Terra. Однако для выявления заброшенных земель (залежей) пространственного разрешения данных MODIS чаще недостаточно. Залежи, находящиеся в географически разных условиях, трансформируются под воздействием различных природных и антропогенных факторов. Их инвентаризация, агроэкологическая оценка важны, поскольку, с одной стороны, залежи являются резервом для расширения посевных площадей, а с другой — забрасывание земель зачастую приводит к деградации почвенно-растительного покрова, особенно на прежде мелиорированных территориях, к числу которых относится и дельта Волги.
Использование дельты Волги как тестовой территории обусловлено, с одной стороны, ее богатым природным потенциалом для хозяйственного использования благодаря ее положению в аридной зоне с большой продолжительностью безморозного периода и хорошей обеспеченностью водными ресурсами, а с другой – большими площадями залежей на обвалованных, защищенных от паводковых вод участках, где развиваются процессы деградации различного вида: опустынивание, засоление почв, зарастание кустарниками, в том числе галофитами, что особенно проявляется на ранее орошаемых полях. На примере этого региона в результате преимущественно визуального анализа длинного временного ряда снимков со спутников серии Landsat ТМ, ЕТМ+, OLI, которые охватывают именно период с начала 1980 годов по настоящее время, выявлены дешифровочные признаки заброшенных прежде обрабатываемых полей. Наиболее достоверный признак неиспользования земель – отсутствие изменений в яркости участка на нескольких снимках, полученных в течение вегетационного периода, что хорошо заметно на цветосинтезированном из разносезонных снимков изображении. Карта, созданная по результатам визуального дешифрирования [1], стала отправным пунктом для разработки методики автоматизированного выявления залежей.
При автоматизированном дешифрировании в качестве исходных данных использовались продукты высокого уровня обработки снимков Landsat: значения коэффициентов спектральной яркости (КСЯ) на поверхности Земли, скорректированные за влияние атмосферы. Они рассчитывались по запросу в сервисе USGS EROS Center Science Processing Architecture (ESPA) On Demand Interface (https://espa.cr.usgs.gov). Для отработки алгоритма были выбраны 1986, 2001 и 2014 гг. В эти годы доступны малооблачные и безоблачные снимки за весенний, летний и осенний период, и результирующий набор обеспечивает достаточно широкий временной охват для изучения многолетней динамики залежей. Вначале на основе ранее полученных контуров залежей 2014 г. были установлены их характерные значения КСЯ. Далее в модуле Spatial Modeler ПО ERDAS Imagine 2016 были созданы модели обработки разновременных снимков для выявления залежей и картографирования их динамики. Модели используют критерии, включающие характерный диапазон КСЯ залежей и допустимую величину динамики КСЯ в течение сезона.
Таким образом, на основе многолетних исследований спектральных признаков залежей создана автоматизированная методика их выявления, которая позволяет оптимизировать и ускорить их картографирование.