Спутниковые методы дистанционного зондирования Земли

Содержание

1. 1. Спутниковое зондирование: история и принципы3
2. 2. Спектральные и радарные технологии6
3. 3. Обработка и интерпретация спутниковых данных8
4. 4. Эффективность и перспективы спутникового мониторинга11
5. Список литературы13

1. Спутниковое зондирование: история и принципы

Спутниковое зондирование ведет свою родословную от метеорологических аппаратов конца 1950-х годов. Первый американский спутник «Тирос-1», запущенный в 1960 году, передавал примитивные телевизионные изображения облачного покрова. Этого хватило, чтобы доказать саму возможность наблюдения планетарных процессов из космоса. Следом за метеорологией пришли программы изучения природных ресурсов. Ключевым рубежом стал запуск Landsat-1 в 1972 году. Этот аппарат нес мультиспектральный сканер, фиксирующий излучение в четырех диапазонах одновременно. Тогда география получила инструмент для регулярной, воспроизводимой и объективной фиксации состояния земной поверхности.

Современные платформы ушли от первых аппаратов невероятно далеко. Европейская программа Sentinel, американская серия Landsat, японские радары ALOS и российские «Ресурсы-П» образуют плотную сеть наблюдения, покрывающую всю планету с периодичностью от нескольких дней до нескольких часов. Отдельно стоят радарные системы с синтезированной апертурой. Они используют микроволновое излучение и способны «видеть» сквозь облака и в темноте. Это свойство радикально расширило возможности мониторинга регионов с постоянной облачностью, таких как экваториальные леса или полярные широты.

Физическая основа всех этих методов едина. Любой объект на Земле отражает или излучает электромагнитные волны, и по их характеристикам можно судить о свойствах объекта. Солнечный свет, падая на растительность, частично поглощается хлорофиллом в красной зоне спектра, но интенсивно отражается в ближнем инфракрасном диапазоне. Вода, напротив, сильно поглощает инфракрасное излучение. Эти различия в спектральной яркости и составляют информационную основу дистанционного зондирования.

Однако на пути излучения от источника к сенсору неизбежно встает атмосфера. Молекулы газов, аэрозоли и облачные капли рассеивают и поглощают часть сигнала, искажая истинную картину. Рассеяние Рэлея сильнее влияет на коротковолновую часть спектра, поэтому снимки в синем диапазоне часто выглядят «дымными». Атмосферное поглощение в определенных полосах (например, в зоне водяного пара) делает часть спектральной информации непригодной для анализа. Учет этих эффектов, атмосферная коррекция, становится обязательным этапом обработки любых спутниковых данных. Без него количественные оценки отражательной способности поверхности попросту невозможны.

По типу используемого излучения все методы ДЗЗ делятся на две большие группы. Пассивные системы регистрируют естественное излучение: отраженный солнечный свет или собственное тепловое излучение Земли. Так работают оптические и тепловые сенсоры, включая все аппараты Landsat и Sentinel-2. Активные системы, напротив, сами излучают сигнал и измеряют его отражение от поверхности. К этой категории относятся радары и лидары. Активный метод позволяет не зависеть от освещенности и времени суток, что дает ему важное преимущество в высоких широтах.

Классифицировать методы можно и по спектральным диапазонам. Видимый диапазон дает информацию о цвете объекта, пигментации и состоянии растительности. Инфракрасный диапазон делится на ближний, где четко разделяются типы растительности и влажность почв, и тепловой, по которому измеряется температура поверхности. Микроволновый диапазон, используемый радарами, чувствителен к геометрии поверхности, шероховатости и диэлектрическим свойствам материала. Это позволяет оценивать влажность почвы или структуру ледяного покрова.

Роль спутниковых методов в географических исследованиях сегодня трудно переоценить, но важно понять ее природу. Космическая съемка дает не просто картинку, а количественные, измеримые данные,

привязанные к точным координатам. Исследователь получает возможность сравнивать состояние территории в разные годы, выявлять тренды, измерять площади изменений, не выезжая в поле. Эта объективность принципиально отличает спутниковые данные от описательных методов традиционной географии. В сочетании с возможностью покрытия огромных территорий, включая труднодоступные районы, это делает ДЗЗ фундаментом современного географического анализа.

2. Спектральные и радарные технологии

Современные спутниковые сенсоры устроены по-разному, и главное различие лежит в физическом принципе регистрации излучения. Пассивные оптические системы работают с отражённым солнечным светом, фиксируя его в видимом и ближнем инфракрасном диапазонах. Семейство аппаратов Landsat, чья история начинается с 1972 года, и европейские спутники Sentinel-2 дают мультиспектральную съёмку с разрешением от 10 до 30 метров на пиксель. Каналы в красной и ближней инфракрасной зонах нужны для вычисления вегетационных индексов. Эти индексы количественно отражают биомассу и фотосинтетическую активность растительного покрова. У Sentinel-2 периодичность обновления данных на экваторе составляет пять суток, поэтому он стал основным инструментом для оперативного картографирования сельскохозяйственных угодий.

Тепловые инфракрасные сенсоры регистрируют собственное излучение Земли в диапазоне 8-14 мкм. Спектрорадиометр MODIS, установленный на спутниках Terra и Aqua, измеряет температуру поверхности с точностью около 0,5 К. Данные с него приходят ежедневно, но пространственное разрешение ограничено одним километром. Более детальную картину можно получить с помощью инструмента ASTER: в тепловом канале его разрешение составляет 90 метров. Температурные поля позволяют находить геотермальные источники, лесные пожары и зоны городского теплового загрязнения. Разница температур между городом и окружающей сельской местностью в таких зонах может достигать 8-10 градусов по Цельсию.

Активные радарные системы работают в микроволновом диапазоне. Они посылают собственный импульс и замеряют время его возвращения. Технология синтезированной апертуры (SAR) формирует изображение высокого разрешения за счёт обработки сигнала вдоль траектории полёта. Sentinel-1 ведёт съёмку в C-диапазоне (длина волны 5,6 см), его разрешение достигает 5 метров, и работает он независимо от облачности и

времени суток. Японский спутник ALOS PALSAR использует L-диапазон (23,6 см). Это излучение проникает сквозь растительный полог и частично в сухую почву. Радарные данные применяют для построения цифровых моделей рельефа методом интерферометрии и для отслеживания смещений земной поверхности с точностью до миллиметра.

Область применения конкретного сенсора определяется его ключевыми характеристиками. Пространственное разрешение задаёт минимальный размер объекта, различимого на снимке. Например, 10 метров достаточно, чтобы выделить поля, но для отдельных построек этого мало. Спектральные каналы определяют, какие свойства поверхности можно извлечь. Узкие диапазоны в красной зоне чувствительны к концентрации хлорофилла, а коротковолновый инфракрасный канал реагирует на содержание влаги в листьях. Периодичность съёмки ограничивает возможности мониторинга динамичных процессов. Для наблюдения за наводнением нужна частота в несколько часов, тогда как для изучения деградации вечной мерзлоты достаточно сезонных снимков. Связка оптических и радарных платформ даёт исследователю гибкий инструментарий: оптические данные информативны при ясном небе, а радарные выручают в тропических регионах с постоянной облачностью. Современные группировки, такие как Copernicus, объединяют разные типы сенсоров в единую систему наблюдения. Это позволяет сопоставлять данные и компенсировать ограничения каждого метода.

3. Обработка и интерпретация спутниковых данных

Сырые данные, полученные сенсором, непригодны для непосредственного анализа. Прежде чем спутниковый снимок станет источником информации, он проходит серию обязательных процедур, которые в совокупности называют предварительной обработкой. Первым шагом выступает радиометрическая коррекция. Она устраняет искажения, вызванные нестабильностью работы детекторов и различиями в чувствительности отдельных элементов матрицы. Без этого этапа значения яркости пикселей отражали бы шум прибора, а не реальные характеристики поверхности.

Следом идет геометрическая коррекция. Снимок, сделанный с орбиты, неизбежно содержит искажения, связанные с кривизной Земли, рельефом местности и углом наклона съемочной камеры. Процедура привязывает каждый пиксель к конкретной точке на земной поверхности с заданной точностью, используя опорные точки и цифровые модели рельефа. Только после этого изображение можно совмещать с картами и другими пространственными данными.

Особое место занимает атмосферная коррекция. Атмосфера рассеивает и поглощает электромагнитное излучение, причем степень этого влияния меняется в зависимости от длины волны и состояния воздуха. Частицы дымки и водяной пар искажают спектральную сигнатуру объектов, заставляя их выглядеть иначе, чем они есть. Для количественного анализа это критично. Существуют алгоритмы, которые моделируют состояние атмосферы на момент съемки и вычитают её вклад из сигнала. Исследователь Чандра Ганда, описывая методы обработки, подчеркивает, что пренебрежение атмосферной коррекцией делает невозможным сравнение снимков, полученных в разные даты или разными сенсорами.

После приведения данных к физически корректному виду начинается тематический анализ. Наиболее распространенный инструмент здесь, спектральные индексы. Они представляют собой математические комбинации

значений яркости в разных каналах. Классический пример, NDVI (нормализованный разностный вегетационный индекс). Он вычисляется как разность отражения в ближнем инфракрасном и красном диапазонах, деленная на их сумму. Здоровая растительность активно отражает инфракрасный свет и поглощает красный, поэтому NDVI высок. По этому показателю можно картографировать продуктивность лесов или выявлять очаги деградации пастбищ.

Для решения других задач применяются иные формулы. NDWI использует зеленый и ближний инфракрасный каналы для оценки содержания воды в растительности и для выделения водных объектов. SAVI вводит поправочный коэффициент, который минимизирует влияние яркости почвы, что делает его незаменимым для анализа растительности в аридных зонах, где обнаженный грунт искажает сигнал.

Следующий этап, классификация, то есть автоматическое разделение снимка на однородные области. Неконтролируемая классификация работает без обучающих данных: алгоритм сам группирует пиксели по спектральной близости. Это быстрый способ получить общее представление о структуре территории. Контролируемая классификация требует участия исследователя. Он задает эталонные участки для каждого класса (лес, вода, пашня, застройка), а алгоритм относит остальные пиксели к ближайшему эталону. Метод максимального правдоподобия, один из самых старых и распространенных, вычисляет вероятность принадлежности пикселя к каждому классу на основе статистических характеристик. Результатом становится тематическая карта земного покрова, а сравнение карт за разные годы позволяет выявлять динамику изменений: вырубку лесов, рост городов, отступление ледников.

Финальный этап, интерпретация. Спутниковый снимок фиксирует состояние поверхности в конкретный момент времени, и это состояние зависит от множества внешних факторов. Сезонный цикл вегетации, аномальная засуха или продолжительные дожди могут радикально изменить спектральные характеристики объектов. Два снимка одного

и того же поля, сделанные в июне и сентябре, покажут разные значения NDVI, и это не будет ошибкой обработки. Поэтому любые выводы о долгосрочных процессах требуют учета календарной даты съемки и климатических условий периода. Более того, данные дистанционного зондирования нуждаются в верификации. Сопоставление с наземными наблюдениями, полевыми измерениями или официальной статистикой подтверждает корректность интерпретации и позволяет количественно оценить точность классификации. Только пройдя этот путь от сырого сигнала до проверенной карты, спутниковые данные становятся надежным инструментом географического исследования.

4. Эффективность и перспективы спутникового мониторинга

Спутниковые методы уже не являются инструментом исключительно метеорологов или картографов. Сейчас это обычный рабочий механизм, при помощи которого географы следят за динамикой ледников в Гималаях, фиксируют масштабы наводнений в бассейне Амазонки и оценивают ущерб от засух в Сахеле. Съемка ведется регулярно: у аппаратов серии Landsat период повторения для одной точки составляет 16 дней, у Sentinel-2 он меньше. Это позволяет строить длинные временные ряды наблюдений. На их основе получают количественные оценки: скорость отступания ледника, площадь затопленных территорий, темпы обезлесения в тропиках. Без космических данных охватить весь земной шар было бы физически невозможно. Наземные экспедиции давали бы лишь точечные, разрозненные сведения.

Эффективность мониторинга заметно возрастает, если использовать оптические и радарные сенсоры вместе. Оптика дает богатую спектральную информацию, по которой различают типы растительности или состояние посевов. Но она бессильна, когда небо закрыто облаками, что часто случается во влажных тропиках или полярных регионах. Радар работает в микроволновом диапазоне, он проникает сквозь облачность и не зависит от освещенности. Если сравнить данные Sentinel-2 и Sentinel-1 за один и тот же период, видно: пока оптический снимок закрыт плотной пеленой, радарный фиксирует разлив реки с точностью до нескольких метров. Совместное использование источников сокращает время получения информации и повышает достоверность выводов. Например, при оценке влажности почвы оптические индексы дополняются радарными измерениями обратного рассеяния.

Говорить о безграничных возможностях было бы ошибкой. Ограничения спутникового мониторинга остаются существенными. Первое из них, облачность,

критично для оптических систем. Радар решает эту проблему, но у него есть собственные недостатки: геометрические искажения на сложном рельефе. Второе ограничение касается пространственного разрешения. Снимки с метровым разрешением существуют, однако их стоимость и небольшая площадь покрытия часто делают их непригодными для региональных исследований. В таких случаях приходится довольствоваться данными с разрешением 10-30 метров, и мелкие объекты могут быть скрыты. Наконец, любой спутниковый продукт требует калибровки и валидации. Сырые данные нуждаются в атмосферной и радиометрической коррекции, а результаты обязательно сверяются с наземными станциями. Как отмечается в учебных пособиях по обработке данных ДЗЗ, пренебрежение этой процедурой превращает даже самые современные снимки в набор цифр без физического смысла.

Будущее спутникового мониторинга связано с несколькими отчетливыми трендами. Группировки малых спутников, такие как CubeSat, радикально меняют периодичность съемки. Вместо ожидания в 10-16 дней исследователь получает снимки одной территории ежедневно, иногда несколько раз в сутки. Это особенно ценно для отслеживания быстротечных процессов, например паводков или лесных пожаров. Второй вектор развития, внедрение алгоритмов искусственного интеллекта. Нейронные сети уже сегодня автоматически распознают типы земного покрова на снимках с точностью, превосходящей традиционные методы классификации. Машинное обучение обрабатывает петабайты данных и выявляет аномалии, которые ускользнули бы от человеческого глаза. Наконец, интеграция спутниковых данных с геоинформационными системами превращает разрозненные снимки в динамические карты, связанные с демографической, экономической и климатической информацией. Такой синтез дает возможность комплексно анализировать территорию, где спутниковые данные служат не самоцелью, а базой для принятия решений.

СПИСОК ЛИТЕРАТУРЫ

1. Дистанционное зондирование земли : учебное пособие — http://program.isu.ru/ru/report/docs/konk_Uch_posob_2013/9.pdf

2. Дистанционное зондирование земли : учебное пособие для студентов вузов — https://bik.sfu-kras.ru/elib/view?id=BOOK1-528/%D0%94487-881023

3. Введение в геоинформационные системы и дистанционное зондирование — https://www.litres.ru/get_pdf_trial/70841608.pdf

4. Дистанционное зондирование Земли из космоса — https://astrobooks.ru/files/original/ed1aa5635d47e064cdcd25fd45cec026.pdf

5. Дистанционное зондирование Земли из космоса — https://www.iprbookshop.ru/131640.html

6. Основы обработки данных спутникового дистанционного зондирования — https://ridero.ru/books/osnovy_obrabotki_dannykh_sputnikovogo_distancionnogo_zondirovaniya/freeText/

7. Обработка данных дистанционного зондирования Земли: практические аспекты — https://elar.urfu.ru/handle/10995/46986

8. Основы дистанционного зондирования Земли и фотограмметрических работ — https://e.lanbook.com/book/91826