Кратко: оптические, радарные и гиперспектральные методы дополняют друг друга по типу информации (покров растительности, влажность/структура поверхности, минералогия/состав почвы), по устойчивости к облачности и по шкале чувствительности — их совместный анализ повышает точность выявления эрозии и деградации и дает входные данные для моделей.
Что дает каждый метод (с формулами и примерами индексов)
- Оптические (мультиспектральные): чувствительны к биомассе и состоянию растений, позволяют выделять участки оголённой почвы и потери покрова. Основные индексы:
- NDVI: $\mathrm{NDVI}=\frac{NIR-RED}{NIR+RED}$.
- SAVI (коррекция для почвы): $\mathrm{SAVI}=\frac{(1+L)(NIR-RED)}{NIR+RED+L}$.
- Временные ряды NDVI/Lai для оценки убыли растительности и сезонных сдвигов.
- Радарные (SAR, поляриметрия, интерферометрия): работают в любое время суток и при облачности; чувствительны к влажности, шероховатости поверхности, структуре растительности и динамике поверхности.
- Обратное рассеяние зависит от влажности и шероховатости: ${\sigma }^0=f(\theta ,m,s,v)$ (угол $\theta$, влажность $m$, шероховатость $s$, растительность $v$).
- Коэрентность для детектирования изменений поверхности/нарушений: $\gamma =\frac{|⟨S_1{S}_2^{\ast }⟩|}{\sqrt{⟨|S_1{|}^2⟩⟨|S_2{|}^2⟩}}$.
- InSAR позволяет оценивать изменения рельефа (проседание, осыпи) и получать DEM для расчёта уклонов.
- Гиперспектральные: дают детальную информацию о составе почвы и растительности (минералогия, содержание глины, органики, состояние корки), позволяют различать типы деградации по спектральным особенностям. Примеры: спектральные признаки глинистости, оксидов Fe, органического углерода.
Как они дополняют друг друга (практика)
1. Мониторинг утраты покрова: мультиспектральные (NDVI) показывают снижение растительности; SAR подтверждает изменение поверхности в облачные периоды и даёт информацию о возросшей шероховатости/влажности.
2. Отличение типов деградации: гиперспектр выявляет околоминеральные изменения и коркообразование (которые оптические могут не различить), SAR — структурные нарушения (стирнутые борозды, размывы).
3. Входные данные для моделей эрозии (напр., RUSLE): суммарная потеря почвы
$A=R\cdot K\cdot LS\cdot C\cdot P$,
где удалённо определяют:
- $C$ через NDVI/вегетационные индексы,
- $LS$ из DEM (InSAR или стерео/Лидар),
- $K$ частично из гиперспектра (минералогия, текстура, органика),
- события дождя $R$ — из метеоданных.
4. Детектирование событий эрозии и верификация: быстрый оптический/синтетический анализ временных рядов → проверка SAR (коэрентность/изменение ${\sigma }^0$) → детальный гиперспектральный анализ для причинно-следственных выводов и картоделения типов деградации.
5. Измерение перемещения и объёма: InSAR/дифференциальные DEM для оценки объёма выноса/насыпания между моментами $t_1,t_2$.
Ограничения и рекомендации
- Оптика даёт высокую спектральную чувствительность, но страдает от облаков и атмосферных искажений (нужна коррекция). SAR устойчив к погоде, но требует калибровки по увлажнённости и сложнее интерпретируется. Гиперспектр — очень информативен, но часто с меньшим покрытием и большими объёмами данных.
- Рекомендуемая последовательность: регулярный мониторинг мультиспектром (Sentinel‑2/Landsat) → оперативная проверка SAR (Sentinel‑1) при облачности/подозрении на изменения → целевые гиперспектральные съёмки (EnMAP, PRISMA или воздушные) для карт состава почв и уточнения причин.
- Всегда нужен полевой контроль для калибровки индексов и валидации параметров (влажность, состав, деградация).
Кратко: объединяя NDVI/временные ряды (оптика), SAR-бэкскат/коэрентность/InSAR (структура, влажность, рельеф) и гиперспектраль (состав почвы), получают полноценную систему обнаружения, классификации и количественной оценки эрозии и деградации земель.