Коротко: фотограмметрия и дистанционное зондирование (ДЗ) дают ключевые данные для картирования торфяников, раннего обнаружения пожаров и оценки выбросов углерода, но имеют системные ограничения (облака, дым, подповерхностное тление, погрешности в оценке запаса топлива), поэтому оптимально комбинировать несколько сенсоров и алгоритмов.
Роль
- Карта границ и структуры торфяников, микротопографии и растительного покрова (влияние на возгорание и распространение пожара).
- Оперативное обнаружение активных очагов и тепловых аномалий.
- Картирование площади выгоревшего и состояния после пожара (сухость, деградация, субсидирование).
- Входные данные для расчёта выбросов углерода (площадь, биомасса/глубина торфа, степень сгорания).
Сенсоры и рекомендованные разрешения (по задачам)
- Оперативное детектирование активных пожаров: VIIRS (тепловые каналы) — $375\mathrm{m}$ / $750\mathrm{m}$ (активные очаги), MODIS — $1\mathrm{km}$ (долгосрочная система).
- Картирование выгоревших участков и мониторинг растительности: Sentinel-2 (оптик, мультиспектр) — $10\mathrm{m}$; Landsat — $30\mathrm{m}$; Planet/WorldView — $3\mathrm{m}$ / $<1\mathrm{m}$ для локальных исследований.
- Влажность почвы, структурные изменения и «подповерхностное» тление: SAR (Sentinel-1, C‑band) — $10\mathrm{m}$ (работает в облаках/дыму); L‑band SAR (ALOS‑2, PALSAR) лучше проходит под кроной и чувствителен к влажности/биомассе.
- Топография, микрорельеф, высотные изменения, объём биомассы: воздушный/универсальный LiDAR (высотная точность сантиметры, плотность точек зависит от миссии); космические миссии типа GEDI/ICESat-2 для структуры леса.
- UAV‑фотограмметрия (SfM): детальная микроструктура и вегетация на локальном уровне (сантиметры), но ограничена площадью и погодой.
- Гиперспектр (airborne/космос): детектирование продуктов горения, изменения органики, влажности растительности.
Ключевые индексы и алгоритмы
- Спектральные индексы:
- NDVI: $\mathrm{NDVI}=\frac{NIR-R}{NIR+R}$ — состояние растительности.
- NBR: $\mathrm{NBR}=\frac{NIR-SWIR}{NIR+SWIR}$ — повреждение пожаром; dNBR = разность пред/после.
- NDWI/GUI: индексы влажности (оценка состояния торфа).
- Активные детекторы пожаров: пороговые алгоритмы по тепловым каналам (MOD14/MYD14 для MODIS, VIIRS active fire) + фильтрация ложных срабатываний.
- SAR‑метрики: изменение интенсивности, потеря когерентности, разность поляризаций для выявления влажности и структурных изменений.
- Картирование границ и сегментация: Random Forest / XGBoost для классических задач; U‑Net / CNN для семантической сегментации выгоревших областей и объектов на мультиспектре/гиперспектре.
- Временные методы: BFAST, LandTrendr, CCDC для выявления разрывов и долгосрочной деградации.
- Слияние данных: data fusion (SAR+оптик+LiDAR) и многомасштабный анализ повышают надёжность обнаружения и оценки потерь.
Оценка выбросов углерода — базовая модель
- Типичная формула: $E=A\times FL\times CC\times CF$, где
- $E$ — выброс углерода (тC),
- $A$ — площадь пожога (га),
- $FL$ — запас топлива (тонн сухой массы на га),
- $CC$ — степень сгорания (доля от сгоревшего топлива),
- $CF$ — доля углерода в биомассе (тC/т сухой массы, ≈$0.45\text{–}0.5$).
- Данные для $A$ берутся из спутниковых карт выгорания (Sentinel‑2/Landsat); $FL$ и $CC$ требуют карт биомассы/глубины торфа (LiDAR, полевые измерения, модели), а также параметров смоления (длительное тление торфа часто даёт высокую погрешность).
Ограничения и источники ошибок
- Облака и дым: оптика теряет способность в присутствии плотного дыма — требуется SAR/тепловые данные.
- Подповерхностное тление торфа: низкотемпературное тление может не давать ярких тепловых пик и маскироваться — подлежит детектированию по длительному повышению температуры, снижению влажности, изменениям SAR‑сигнатуры и полевым данным.
- Пространственное покрытие vs. разрешение: высокое разрешение (UAV, WorldView) локально, но не покрывает большие площади; MODIS/VIIRS дают частые наблюдения, но мелкие пожары пропускают.
- Неполнота данных о запасах топлива/глубине торфа повышает неопределённость в оценке выбросов (часто главная ошибка).
- Интерпретация SAR сложна (шум, сезонные изменения), требуется калибровка и опыт.
Практические рекомендации (сжатый workflow)
1. Базовая карта торфяников: Sentinel‑2 + LiDAR (airborne/GEDİ) + классификация (Random Forest) для границ и биомассы.
2. Оперативный мониторинг: VIIRS/MODIS (активные огни) + Sentinel‑1 (SAR) для работы в дыму/облаках; оптические Sentinel‑2/Landsat для подтверждения и картирования выгоревших участков.
3. Сегментация выгоревшего: U‑Net/CNN на Sentinel‑2 (+пост‑калибровка dNBR).
4. Оценка выбросов: рассчитать $A$ спутниково, получить $FL$ из LiDAR/моделей/полей, применить формулу $E=A\times FL\times CC\times CF$ и провести анализ чувствительности.
5. Верификация: систематические полевые замеры глубины торфа, остаточной массы, температуры тления; интеграция в модели (GFED/GFAS) и количественная оценка неопределённости.
Короткий итог
- Используйте многосенсорный подход: VIIRS/MODIS для оперативного обнаружения, Sentinel‑2/Landsat/Planet для картирования, SAR (Sentinel‑1, L‑band) и LiDAR для влажности, структуры и биомассы.
- Применяйте dNBR/индексы + современные ML/CNN для картирования; рассчитывайте выбросы по формуле $E=A\times FL\times CC\times CF$, обязательно сопровождая оценку полевыми данными и анализом неопределённости.