Сравнительный анализ результатов картографирования солончаков Северо-Западного Прикаспия на основе тематических продуктов обработки данных ДЗЗ

Солончаки и соры при картографировании дефлированных территорий могут ошибочно распознаваться как открытые пески, что затрудняет оценку динамики процессов опустынивания. В регионах Прикаспия (Астраханская область, Республики Калмыкия, Дагестан, Ставропольский край), где негативные связанные с дефляцией процессы выражены наиболее сильно (Shinkarenko et al., 2023; Yuferev et al., 2023), соры и солончаки имеют значительное распространение (Пищулов, 2013). Цель исследования – провести сравнение методов картографирования соровых понижений на территории р. Калмыкия, так как в этом регионе эти объекты наиболее распространены. В работе рассматривается сравнение информационных продуктов типов земного покрова ESRI, ESA, GLC30, FROM-GLC10 и метода картографирования солончаков на основе многолетних данных Landsat (Шинкаренко, Барталев, 2023).
В качестве валидационного набора выступают результаты экспертного дешифрирования данных Sentinel-2, SRTM3 и высокодетальных спутниковых изображений открытого доступа (Берденгалиева и др., 2022; Loupian et al., 2022). В результате картографирования на основе дешифрирования идентифицировано 19,4 тыс. соров и солончаков общей площадью 240 тыс. га. Более 70% объектов вытянуты в субширотном направлении. Большая часть солончаков находится в понижениях рельефа глубиной 1-3 метра, еще около 30% не выражены в рельефе (Берденгалиева, Дорошенко, 2022).
Согласно указанным выше информационным продуктам типов земного покрова, поверхность соров представлена преимущественно травянистой растительностью (49–70%), открытыми почвами (до 28%), водной поверхностью (3–11%) и водно-болотными угодьями (ВБУ). Около 30% соров, по данным GLC30, представлено ВБУ, что может быть связано с наличием временных солёных мелководных водоёмов, которые относятся к ВБУ согласно Рамсарской конвенции. По данным FROM-GLC10 ошибочно зафиксировано 10% застройки. Подход на основе многолетних данных NDVI, NDWI (Шинкаренко, Барталев, 2022) демонстрирует лучшую точность по сравнению с перечисленными информационными продуктами, но точность производителя (полнота) в сравнении с результатами экспертного дешифрирования составляет 0,5, а точность пользователя равна 0,81 при общей точности 0,96. Это может быть связано с тем фактом, что соровые понижения имеют явные дешифровочные признаки независимо от наличия в них растительного покрова, например выходы солей на поверхности почвы (Геоинформационное…, 2023), поэтому были картографированы не только открытые солончаки, но и покрытые галофитной растительностью. В то время как по данным NDVI выделялись только солончаки без растительного покрова, что крайне важно для отделения их от подвижных песков и дефлированных территорий (Shinkarenko et al., 2023). При этом площади соров и солончаков, идентифицированные на основе экспертного дешифрирования и многолетних данных NDVI, NDWI практически совпадают: 240,5 и 245 тыс. га соответственно. Это обусловлено более аккуратным выделением солончаков Терско-Кумской низменности в Дагестане на основе второго метода, поскольку значительная часть их была пропущена при экспертном дешифрировании.
Наиболее точно соровые понижения и солончаки идентифицируются специализированным методом на основе многолетних данных NDVI, NDWI (Шинкаренко, Барталев, 2023), что дает возможность отделить их от других участков без растительного покрова. Тематические информационные продукты типов земного покрова ESRI, ESA, GLC30, FROM-GLC10 хуже отражают величины площадей солончаков и не отделяют их от открытых песков и других участков без растительности. Результаты визуального дешифрирования существенно зависят от опыта эксперта, более трудоемко, хоть и позволяет получить результаты высокой точности. Тем не менее, подход на основе многолетних данных NDVI, NDWI в некоторых условиях имеет более высокую точность по сравнению с экспертным дешифрированием.

Работа выполнена в рамках темы ИКИ РАН «Мониторинг» (госрегистрация № 122042500031-8) с использованием сервиса «Вега-Science» (Lupian et al., 2022) и инфраструктуры Центра коллективного пользования «ИКИ-Мониторинг» (Лупян и др., 2015).