Перспективы использования псевдоцветных композитов при анализе многолетних временных рядов спутниковых данных в задаче оценки состояния растительного покрова

Спутниковые снимки и рассчитанный на их основе вегетационный индекс NDVI (англ. Normalized Differences Vegetation Index) часто используются для мониторинга состояния растительного покрова, и в настоящее время накоплен значительный объём такой информации. При обработке больших временных рядов спутниковых сцен в ряде случаев возникают математические трудности, например при кластеризации данных. Решением проблемы может служить параметризация данных спутникового мониторинга. Для каждой пиксельной позиции сотни значений NDVI из спутниковых сцен могут быть сведены к трём характерным функциональным параметрам, в частности к экстремуму NDVI и среднему многолетнему значению NDVI, а также ещё к одной дополнительной характеристике. Это открывает дорогу для построения псевдоцветных композитных изображений и последующей их кластеризации любыми стандартными алгоритмами. В данном исследовании рассматривался южный регион Казахстана общей площадью более 700 тыс. км². Временной ряд карт NDVI, полученных на основе данных Sentinel-2 (разрешение 10 м) за период апрель - октябрь 2018-2022 гг. (около 160 покрытий), служил основой для описания состояния растительного покрова с использованием Google Earth Engine. В качестве дополнительного параметра использовался многолетний максимум индекса засоления почв VSSI (англ. Vegetation Soil Salinity Index). Создавалось псевдоцветное композитное RGB-изображение, в котором в канал Red был загружен многолетний максимум индекса засоления почв VSSI, в канал Green - многолетний максимум NDVI, а в канал Blue - среднее многолетнее значение NDVI за апрель - октябрь. Изображение отображало состояние растительности исследуемого региона с отделением сельскохозяйственной растительности от естественной и с детальным ранжированием поливной пашни по особенностям развития сельскохозяйственных культур. Эта информация может служить основой для последующей кластеризации данных с целью анализа состояния растительности юга Казахстана при решении различных прикладных задачах. В качестве примера приведены результаты оценки засоленности поливной пашни Кызылкумского сельского округа Жетысайского р-на Туркестанской обл. Казахстана, выполненной с помощью неконтролируемой (ISODATA) классификации псевдоцветного изображения. Полученные результаты продемонстрировали перспективность такого метода анализа и уточнили результаты, ранее полученные с помощью спутниковых данных MODIS (англ. Moderate Resolution Imaging Spectroradiometer).

Satellite images and the NDVI (Normalized Difference Vegetation Index) are often used to monitor the state of vegetation cover and a significant amount of information has now been accumulated. When processing long-term time series of satellite data, mathematical difficulties arise, for example, in data clustering. The solution to the problem can be a parameterization of the satellite monitoring information using characteristic moments. For each pixel position, hundreds of NDVI values from satellite data can be reduced to several characteristic functional parameters, in particular to the extreme NDVI and the average long-term NDVI value, as well as other summing characteristics. This opens the way for the construction of pseudo-color images and subsequent clustering by any standard algorithm. This research examined Southern Kazakhstan, with a total area of more than 700 thousand km². Using Google Earth Engine, time series of NDVI from Sentinel-2 scenes (resolution 10 m) for the period April - October 2018-2022 (about 160 covers) served as the basis for describing the state of vegetation cover. An additional parameter was the long-term maximum of the VSSI (Vegetation Soil Salinity Index). The RGB channels of the pseudo-color image were based on Sentinel-2 monitoring data from April - October 2017-2022 and included: Red - a long-term maximum of VSSI; Green - a longterm maximum of NDVI; Blue - a long-term average of NDVI. The resulting pseudo-color image displayed in detail the state of vegetation, with a clear separation of agricultural vegetation from natural, with a ranking of irrigated arable land according to the features of growth and development of agricultural crops. This information can serve as a basis for segmentation of preprocessed satellite data for analyzing the vegetation state in the South Kazakhstan in various applied tasks. As an example, using unsupervised ISODATA classification, salinity of irrigated arable land of Kyzylkum Rural District of Zhetysai District of Turkestan Oblast was estimated. The results demonstrated the prospects of such an analysis method and clarified the known results obtained earlier using MODIS satellite data.