ИСТИНА

Совершенствование группировки спутников, осуществляющих наблюдение за поверхностью Земли, при благоприятных атмосферных условиях съёмки, позволило получать детальные изображения целевых участков исследования с шагом раз в сутки. Таким образом, исследователь получает огромный массив данных, обработать который вручную практически невозможно. Следовательно, для оперативной тематической интерпретации данных со снимков необходимо применять алгоритм автоматического дешифрирования целевой информации. Целью работы является выявление закономерностей пространственного распространения очагов переувлажнения почв лесостепной зоны. Совокупность природных и антропогенных факторов приводит к увеличению площадей переувлажнённых земель. В почвах, периодически подвергающихся продолжительному переувлажнению, развиваются анаэробные процессы, которые ведут к их деградации. Как следствие, приходится либо выводить обширные плодородные земли из сельскохозяйственного оборота, либо проводить дорогостоящие мелиорации. Таким образом, возникает необходимость мониторинга очагов переувлажнения. Традиционные методы мониторинга экономически затратны и трудоёмки. При их скрупулёзности и точности, они весьма ограничены в пространстве, в то время как необходим более широкий пространственный охват. Такой охват дают методы дистанционного зондирования Земли при помощи космических спутников. Поскольку объём данных дешифрирования целевой информации велик, возникла необходимость его автоматизации. Автоматизация поможет оперативно выявить пространственное распространение очагов переувлажнения (явление в пространстве), а затем, на основании уже локализованных очагов, можно будет построить временной ряд из серии снимков (явление в динамике). Иными словами, увидеть динамику очагов переувлажнения на объекте исследования и, затем, определить факторы её обуславливающие. Было установлено, что диагностическим признаком наиболее переувлажнённых групп земель в Тамбовской области (зона степи и лесостепи) является обилие замкнутых западин, диагностируемых на снимках в виде чёрных точек с показателем альбедо 1-2%. На примере изученного в почвенном отношении ключевого участка Вороно-Цнинского междуречья Тамбовской области нами было выделено 6 классов поверхности: водоёмы, западины с водой, влажная поверхность почв, сухая поверхность почв, растительность (кустарниковая и травянисатя), лес. Для формирования обучающей выборки был избран снимок Sentinel за 15.06.2016. Для ранжирования пикселей по категориям на основе альбедо использовали дискриминантный анализ. На основе данных дискриминантного анализа, была построена прогнозная карта переувлажнения. Полученная модель с приемлемой точностью позволила диагностировать распространение замкнутых отрицательных форм микрорельефа, заполняемых водой. В дальнейшем планируется апробация методов «случайный лес» (random forest) и метод «поддерживающих векторов» (support vector) с целью их сравнения и выявления максимально точного метода, необходимого для построения прогнозной карты.