Table of Contents

Введение: Вид сверху

Спутниковые снимки фундаментально изменили нашу способность наблюдать и понимать водные объекты Земли — озера, реки и океаны — с точки зрения сотен километров над поверхностью. Эти наблюдения предоставляют бесценные данные для мониторинга изменений окружающей среды, управления пресноводными ресурсами и эффективного реагирования на стихийные бедствия, такие как наводнения, засухи и прибрежные штормы. За последние пятьдесят лет космические датчики на борту таких платформ, как , , Сентинель-2 и MODIS обеспечили непрерывный глобальный охват, позволяя ученым и менеджерам ресурсов обнаруживать даже тонкие сдвиги в объеме воды, качестве и температуре. Эта статья исследует различные типы водных объектов, используемые для их идентификации и дифференциации, обсуждает проблемы, с которыми сталкиваются во время их обнаружения, и выделяет множество приложений, которые зависят от точного отображения поверхностных вод Земли.

Типы водоемов в спутниковых снимках

Водяные тела на Земле проявляются в различных формах и масштабах, каждый из которых проявляет уникальные характеристики при захвате спутниковыми датчиками. Эти датчики обеспечивают пространственное разрешение в диапазоне от десятков метров (например, Landsat на 30 м, Sentinel-2 на 10 м) до нескольких сотен метров (например, MODIS на 250-500 м). Детальное понимание каждого типа водоема имеет важное значение для эффективной идентификации и классификации на спутниковых снимках.

озера

Озера закрыты или полузакрыты бассейны, содержащие пресноводную или соленую воду. На спутниковых снимках озера обычно выглядят как однородные, темные области по видимым и ближним инфракрасным (NIR) полосам, потому что вода сильно поглощает солнечное излучение, особенно за пределами зелёных длин волн. Границы озер, как правило, остаются относительно стабильными в течение коротких временных масштабов, хотя они могут колебаться сезонно из-за изменений в осадках, испарении или вмешательствах человека, таких как регулирование плотин.

Большие озера, такие как ]Великие озера ] в Северной Америке, легко различимы даже в изображениях с грубым разрешением, в то время как многочисленные меньшие озера, такие как тысячи ледниковых озер, разбросанных по Тибетскому плато, требуют датчиков более высокого пространственного разрешения, таких как Sentinel-2 для точного отображения. Кроме того, некоторые соленые озера, такие как Мертвое море , демонстрируют уникальные спектральные сигнатуры из-за высокой солености и содержания минералов, которые можно обнаружить с помощью гиперспектральных датчиков.

Реки

Реки, как правило, линейные или извилистые водоемы, образующие сложные дренажные сети по ландшафтам. Их идентификация использует их удлиненную форму и резкий контраст между водой и прилегающими землями или растительностью. Морфологическая сложность возникает из плетеных каналов, меандров и пойменных особенностей, которые варьируются в зависимости от гидрологических и геологических условий.

Спутниковые снимки могут выявить не только основные речные каналы, но и эфемерные потоки и сезонные водно-болотные угодья, связанные с речной системой. В засушливых и полузасушливых регионах сухие русла рек, известные как вади, могут быть ошибочно приняты за воду, если не будут проанализированы множественные временные изображения для захвата событий потока. Кроме того, активные реки часто мигрируют по бокам с течением времени, разрушая берега и откладывая отложения; повторные спутниковые наблюдения позволяют контролировать канальную миграцию и процессы эрозии банков, которые имеют решающее значение для оценки риска наводнений и сохранения среды обитания.

Океаны и прибрежные воды

Океаны покрывают приблизительно 71% поверхности Земли и характеризуются обширными, непрерывными водными просторами. На спутниковых снимках открытый океан кажется темным в полосах NIR из-за сильного поглощения, но проявляет различные оттенки в видимых полосах, вызванных такими факторами, как концентрация хлорофилла, взвешенные отложения и глубина воды. Эти изменения дают представление о биологической продуктивности, переносе осадков и батиметрии.

Прибрежные зоны представляют дополнительные проблемы из-за мелководья, сложных волновых моделей, приливных влияний и смешанных пикселей, где земля и вода сосуществуют в пределах одного пикселя датчика. Высокое радиометрическое разрешение датчиков, таких как Sentinel-2 (с 12-битными данными), повышает способность различать тонкие различия в цвете воды, помогая в таких приложениях, как картирование коралловых рифов, отслеживание шлейфа осадка от речных сбросов и обнаружение разливов нефти или вредных цветков водорослей (HAB).

Методы идентификации водных тел

Ученые в области дистанционного зондирования используют ряд спектральных, статистических и машинных методов обучения для различения воды от земли, растительности, населенных пунктов и других особенностей. Основополагающим принципом этих методов является то, что вода обладает отличительной спектральной сигнатурой: она сильно отражается в синей и зеленой видимых длинах волн, но сильно поглощается в ближнем инфракрасном (NIR) и коротковолновом инфракрасном (SWIR) диапазонах. Этот спектральный контраст позволяет эффективно отделять пиксели воды от других наземных покровов.

Спектральные подписи и водные индексы

Наиболее широко используемый подход включает в себя вычисление показателей воды, которые используют спектральные различия между полосами. Нормализованный индекс разности воды (NDWI) является классическим примером, определяемым как:

NDWI = (Green — NIR) / (Green + NIR)

Вода обычно дает положительные значения NDWI, тогда как почва и растительность дают отрицательные или почти нулевые значения. Однако NDWI может быть менее эффективным в городских или затененных районах. Для повышения производительности Модифицированный нормализованный индекс разности воды (MNDWI) заменяет полосу NIR полосой SWIR, уменьшая ложные срабатывания, вызванные нарастающими поверхностями и тенями.

Другой индекс, Automated Water Extraction Index (AWEI), включает в себя несколько спектральных полос для минимизации ошибок комиссии, особенно в теневых и сложных ландшафтах. Существуют различные версии AWEI, такие как AWEI sh (оптимизированный для обнаружения тени).

Многие продукты спутниковых данных, такие как USGS Landsat Collection 2, включают в себя предварительно вычисленные показатели воды, что облегчает быстрое картирование протяженности воды.

Узнайте больше о продуктах Landsat Collection 2.

Пороговое и классификационное

После расчета индекса воды применяется двоичная классификация путем выбора соответствующего порога для отличия воды от неводных пикселей. Фиксированные пороги (например, NDWI > 0,0) хорошо работают для прозрачных, открытых водоемов, но часто не работают в условиях мутной или мелководной воды. Адаптивные методы порогирования, такие как метод Otsu, анализируют гистограммы изображений для определения оптимальных значений отсечки, которые учитывают вариабельность, специфичную для сцены.

Контролируемые методы классификации, такие как классификаторы максимального правдоподобия и , поддерживающие векторные машины (SVM) , используют учебные образцы для присвоения пикселей категориям воды или земли на основе спектральных и пространственных характеристик.Включение дополнительных функций, таких как текстура, пространственный контекст и временная информация, дополнительно повышает точность классификации, особенно в гетерогенных средах.

Машинное обучение и глубокое обучение

Достижения в области машинного обучения и глубокого обучения значительно расширили возможности картирования водных объектов. Свёрточные нейронные сети (CNN) и архитектуры кодеров-декодеров, такие как U-Net, могут изучать сложные пространственные паттерны и спектральные отношения непосредственно из больших наборов данных с метками. Эти модели превосходят в обработке смешанных пикселей, теней, загрязнения облаков и сложных геометрий береговой линии.

Например, Global Surface Water Explorer, разработанный Объединенным исследовательским центром Европейской комиссии, объединяет алгоритмы машинного обучения с экспертными правилами для картирования глобального возникновения поверхностных вод с разрешением 30 м с 1984 года по настоящее время. Этот набор данных позволяет пользователям анализировать динамику водных объектов на протяжении десятилетий, поддерживая изменение климата и гидрологические исследования.

Исследуйте набор данных о глобальных поверхностных водах.

Общие вызовы и стратегии смягчения

В то время как дистанционное зондирование предлагает мощные инструменты для обнаружения водных объектов, несколько проблем могут снизить точность и усложнить интерпретацию. Понимание этих проблем позволяет исследователям и практикам выбирать соответствующие датчики, методы обработки и стратегии проверки.

Облачный покров и тени

Облака и их тени часто затеняют поверхность Земли в оптических спутниковых снимках, делая водоемы невидимыми или вызывая путаницу из-за темных пикселей. Такие препятствия приводят к ложным негативам (пропущенная вода) и ложным позитивам (тень ошибочно классифицируется как вода).

Стратегии смягчения включают:

  • Используя данные радара с синтетической апертурой (SAR), которые могут проникать в облака и предоставлять информацию о поверхности независимо от погоды.
  • Объединение нескольких временных изображений для заполнения пробелов, вызванных облаками, часто с помощью методов композитинга или анализа временных рядов.
  • Применение облачных и теневых масок, таких как алгоритм FLT:0 Fmask, для исключения загрязненных пикселей до классификации.

Миссия Sentinel-1 SAR играет решающую роль в картировании наводнений и обнаружении водоемов в постоянно облачных регионах, предоставляя всепогодные возможности для дневного и ночного отображения.

Вода с мутными и осадочными слоями

Водные объекты с высокой концентрацией взвешенных осадков, цветения водорослей или растворенного органического вещества имеют измененные спектральные характеристики. Например, богатые осадками речные шлейфы отражаются больше в полосе NIR, в результате чего значения NDWI падают ниже типичных пороговых значений воды и приводят к неправильной классификации в качестве земли.

Для решения этой проблемы используются специализированные индексы, настроенные на мутность, такие как AWEI sh, или многовременные методологии, фиксирующие условия ясного неба в периоды низкого потока.Кроме того, контролируемые классификаторы, обученные на местных репрезентативных образцах воды, могут адаптироваться к различным оптическим свойствам в разных водоемах.

Лед и снег

Замороженные поверхности, такие как лёд в озере, морской лед и заснеженные области, сильно отражаются в видимых и NIR-диапазонах, заставляя их напоминать пиксели земли или облаков и смешивать стандартные показатели воды. Лед и снег обычно имеют высокую отражательную способность в нескольких диапазонах, в отличие от жидкой воды, которая сильно поглощается в NIR.

Для дифференциации льда от воды требуются дополнительные источники данных, такие как тепловые инфракрасные изображения (где лед кажется холоднее) или данные обратного рассеяния SAR (где лед демонстрирует отличительные признаки шероховатости). Пассивные микроволновые датчики , такие как AMSR2, предоставляют ценную информацию для крупномасштабного мониторинга морского льда из-за их чувствительности к ледовым характеристикам независимо от облачного покрова.

Смешанные пиксели и субпиксельная вода

Грубые датчики пространственного разрешения (например, MODIS с 250-500 м пикселями) часто захватывают смешанные пиксели, содержащие комбинации воды, земли, растительности или населенных пунктов.Простая двоичная классификация в таких случаях недостаточна, что потенциально приводит к недооценке протяженности воды, особенно для узких рек, небольших прудов или фрагментированных водно-болотных угодий.

Спектральные методы разложения разлагают смешанные пиксели на фракционные покрытия составляющих материалов, что позволяет оценить пропорцию воды в каждом пикселе.В то время как датчики более высокого разрешения, такие как Landsat и Sentinel-2, уменьшают эффекты смешанных пикселей, проблемы сохраняются вдоль сложных береговых линий и в гетерогенных водно-болотных угодьях.

Временная динамика

Водяные тела по своей природе динамичны, подвержены влиянию сезонных наводнений, водохранилищных операций, изменчивости осадков и приливных циклов.Единое спутниковое изображение фиксирует только временный снимок, который может не представлять типичных условий.

Анализ временных рядов в течение нескольких лет, таких как продукты на основе Landsat, количественно определяют частоту и продолжительность присутствия воды, отличая постоянные озера от эфемерных водно-болотных угодий и пойм. Эти временные наборы данных имеют решающее значение для понимания гидрологических режимов, управления водными ресурсами и оценки воздействия изменения климата.

Применение спутникового обнаружения водоемов

Точная идентификация и мониторинг водных объектов из космоса лежат в основе широкого спектра научных исследований, экологического менеджмента и принятия оперативных решений. В следующих разделах освещаются ключевые области применения с наглядными примерами.

Гидрологический мониторинг и управление водными ресурсами

Картирование пространственного масштаба озер, водохранилищ и рек с течением времени позволяет менеджерам водных ресурсов отслеживать изменения в хранении и планировать засухи или нехватку воды. Например, изображения Landsat сыграли важную роль в отслеживании резкого снижения уровня воды в бассейне реки Колорадо Озеро Мид и озеро Пауэлл , предоставляя важную информацию для переговоров о распределении воды.

Сочетание данных о площади поверхности со спутниковыми измерениями альтиметрии из таких миссий, как Sentinel-3 или ICESat-2 , позволяет оценить изменения объема в тысячах озер по всему миру, помогая в оценках доступности пресной воды и мониторинге состояния экосистем.

Картирование наводнений и реагирование на стихийные бедствия

Во время наводнений спутниковые снимки, в частности, с помощью проникающих в облако датчиков SAR, обеспечивают быструю и точную оценку степени затопления, поддерживая усилия по реагированию на чрезвычайные ситуации и восстановлению. Такие агентства, как Служба управления чрезвычайными ситуациями Коперника (FLT:0) координируют задачи спутников и предоставляют карты наводнений в течение нескольких часов в пострадавшие регионы.

Исторические спутниковые архивы также поддерживают идентификацию районов, подверженных наводнениям, информируя о планировании землепользования и проектировании инфраструктуры для снижения уязвимости. Интеграция спутниковых данных с гидрологическими моделями расширяет возможности прогнозирования наводнений.

Посетите веб-сайт Службы управления чрезвычайными ситуациями Copernicus.

Исследования изменения климата

Спутниковые записи водных объектов показывают критические показатели изменения климата. Например, ледниковые озера расширяются по мере отступления ледников, увеличивая риск наводнений, вызванных вспышкой ледниковых озер. В арктических регионах таяние вечной мерзлоты приводит к истощению или изменению гидрологической связи озер. Повышение уровня моря посягает на прибрежные водно-болотные угодья и устья, меняя экосистемы и населенные пункты.

Недавно запущенная миссия NASA SWOT (FLT: 1) (Топография поверхностных вод и океанов) предназначена для измерения возвышения рек, озер и океанов с беспрецедентной точностью, предоставляя новые сведения о глобальном водном цикле и улучшая планирование устойчивости к изменению климата.

Экология и сохранение водно-болотных угодий

Водно-болотные угодья образуют важные переходные зоны между наземными и водными экосистемами, в которых обитают разнообразные флора и фауна.Спутниковые данные позволяют составить карту протяженности водно-болотных угодий, динамики сезонных затоплений и здоровья растительности, поддерживая сохранение горячих точек биоразнообразия и мест обитания мигрирующих птиц.

Международные рамки, такие как Рамсарская конвенция, способствуют использованию дистанционного зондирования для инвентаризации водно-болотных угодий, мониторинга и управления, помогая защитить эти жизненно важные экосистемы от деградации.

Навигация и морская безопасность

В прибрежных и внутренних водных путях, спутниковые маски воды помогают в обновлении морских карт и обнаружении навигационных опасностей, таких как отмели, подводные рифы и наращивание осадков. Данные о цвете океана информируют обнаружение и отслеживание вредных цветков водорослей (HABs) , которые угрожают рыболовству, общественному здравоохранению и туризму.

Такие программы, как NOAA CoastWatch, предоставляют морские операторы спутниковых данных в режиме реального времени, поддерживая безопасную навигацию и мониторинг окружающей среды.

Сельское хозяйство и планирование ирригации

Знание местоположения и степени поверхностных вод помогает фермерам и водным управляющим в оптимизации стратегий орошения, обеспечении эффективного использования ограниченных ресурсов пресной воды. Спутниковые снимки помогают контролировать ирригационные каналы, выявлять незаконную добычу воды и оценивать влияние сельскохозяйственной практики на доступность воды.

В таких странах, как Индия, автоматизированные наборы данных о водоемах, полученные на основе спутниковых снимков, помогают правительственным учреждениям управлять ирригационной инфраструктурой и поддерживать производительность сельского хозяйства в изменяющихся климатических условиях.

Будущие направления и новые технологии

Новые спутниковые миссии, сенсорные технологии и методы обработки данных готовы к дальнейшему продвижению идентификации и мониторинга водных объектов. Гиперспектральные изображения, предлагающие сотни узких спектральных полос, позволяют детально охарактеризовать параметры качества воды, такие как мутность, хлорофилл и растворенный органический углерод.

Небольшие спутниковые группировки и CubeSats обеспечивают высокие частоты повторного посещения, фиксируя быстрые изменения в объеме и качестве воды.Интеграция оптических, SAR, тепловых и микроволновых данных повышает надежность в отношении облачного покрова и сложности поверхности.

Искусственный интеллект и облачные вычисления ускоряют обработку огромных спутниковых архивов, облегчая мониторинг воды в реальном времени в глобальных масштабах.Эта эволюция поддерживает более гибкое управление водными ресурсами, смягчение последствий стихийных бедствий и сохранение окружающей среды в эпоху растущего стресса воды и неопределенности климата.