SPACE LOCALIZATION OF THE SECONDARY SALINITY PLOTS ON PREVIOUS RICE MAN-CAUSED SYSTEMS
Abstract and keywords
Abstract (English):
The paper presents the results of studies of the territory of former rice technogenic systems of the Crimea on the identification of signs of secondary salinization in the transition to rainfed system of farming, using the Earth remote sensing data (RS). The peculiarities of building of these systems, which were created about half a century ago in the majority on saline soils of different solonetzicity, and functioning in the current conditions, as well as the most probable causes of degradation soil processes on these lands are described. The aim of the work was to study indirect parameters that can characterize the factors of the processes of salinity restoration displaying and its possible temporal and spatial dynamics. Comparison of the sensitivity of 6 vegetation and 5 specialized indices, calculated from the satellite Landsat 8 data of 2–7 channels (resolution 30 m) for obtaining spatial estimates, focused on the localization of problem areas, and recommendations for detailisation of monitoring observations level, incl. using the remote sensing data, are given. The most significant value of the deviation parameter when detecting degradation processes, was shown by the normalized difference vegetation index NDVI Green and the salinity index, responsive to the surface state – CRSI. The difference in their values for the field as a whole and for the problem area, expressed by the number of standard deviations, reached 5.0 and 4.3, respectively. The approaches, used in the work, made it possible to identify and localize a number of problem areas; however, the use of only indirect indicators may not be effective for salinity restoration diagnostics in the early stages of degradation soil processes development.

Keywords:
salinization, satellite monitoring, vegetation index, Landsat, Crimea
Text
Publication text (PDF): Read Download

Положительная рецензия представлена А. Ю. Мельничуком, доктором технических наук, заведующим кафедрой землеустройства и кадастра Крымского федерального университета им. В. И. Вернадского. Рисовые системы в Крыму были построены бо- лее 50 лет назад в ходе строительства 1-й очереди Северо-Крымского канала (СКК) в приморской ча- сти Красноперекопского и Раздольненского районов, прилегающих к Каркинитскому заливу Черного моря в северо-западной части полуострова и на террито- риях Джанкойского, Нижнегорского и Советского районов, прилегающих к заливу Сиваш. В большин- стве случаев для строительства рисовых систем ис- пользовались низкопродуктивные исходно засолен- ные земли. Общая площадь рисовых систем в Крыму превышала 33 тыс. га. Исследования, проведенные в 1970-е гг. показа- ли, что уже на период 15-летнего освоения рисовых севооборотов ранее засоленные почвы были суще- ственно рассолены, а данные 2000-х гг. свидетель- ствовали о практически полной их промывке [1]. После прекращения водозабора в Крым по систе- ме СКК возникла угроза реставрации засоления на части территории бывших рисовых оросительных систем. Анализ временной и пространственной ди- намики изменения почвенного плодородия на дан- ных участках является актуальной задачей при опре- делении устойчивости функционирования данных территорий с экосистемной точки зрения, так как, несмотря на то что возможные текущие деградаци- онные почвенные процессы направлены к возврату почвенных свойств к сформированному тысячеле- тиями ранее устойчивому состоянию, переход от высокого уровня специализированного орошаемого земледелия (рентабельность возделывания риса в от- дельные годы достигала 45 % и более, а урожайность на многих участках превышала 90 ц/га) к менее ин- тенсивному богарному требует разработки адапта- ционных мероприятий, в том числе касающихся ра- циональной организации землепользования на этих территориях. цель и методика исследований. Целью иссле- дования является оценка возможности задействования вегетационных и специализированных индексов, полученных по результатам обработки данных дис- танционного зондирования Земли, для локализации мест возникновения процессов реставрации засоле- ния на бывших рисовых техногенных системах. Про- веденные в 2015-2016 гг. исследования состояния почв бывших рисовых техногенных систем подтвер- дили переход почвогрунтов рисовых севооборотных систем Крыма (в результате практически полувеко- вой промывки) в качественно новое состояние, с па- раметрами, свойственными незасоленным почвам, хотя уже в 2016 г. наблюдались признаки, которые могли характеризоваться как «предвестники» начала процесса возврата засоления [1]. Термин «техноген- ная» система используется для того, чтобы подчер- кнуть, что, несмотря на переход к богарной системе земледелия, на этих территориях сохранена разбивка полей на чеки, а также сеть глубоких открытых водо- отводящих коллекторов, выполняющих в том числе дренажную функцию. Мониторинговые исследова- ния динамики продуктивности посевов с использо- ванием данных ДЗЗ территории бывших рисовых техногенных систем Крыма на уровне полей [2] под- твердили выводы экспедиции Почвенного института им. В. В. Докучаева. Вместе с тем дополнительные выборочные на- земные обследования 2017 г., проведенные ФГБУН «НИИСХ Крыма», а также данные текущего мони- торинга Крымской гидрогеолого-мелиоративной экс- педиции (Красноперекопская ГГМП) показали нали- чие высокой минерализации (выше 10 г/л) грунтовых вод на ряде участков, что при близком их залегании (менее 3 м) в засушливых условиях степной части Крымского полуострова является признаком, на- прямую взаимосвязанным с засолением почвы. По- этому основные задачи исследования заключались в определении параметров, основанных на данных ДЗЗ, позволяющих локализовать места возможного проявления процессов вторичного засоления за счет Рис. 1. Расположение рисовых техногенных систем на территории Крымского полуострова и территория зоны исследований Fig. 1. Location of rice man-caused systems on the territory of Crimean peninsula and area of investigations Таблица 1 Данные о спутниковых сценах Landsat, использованных для анализа (привязка по WRS2: path/row - 178/028) Table 1 Landsat scenes, applied for an analysis (data binding on WRS2: path/row - 178/028) Cпутник Satellite Дата Date Cпутник Satellite Дата Date Landsat 5 05.05.2010 Landsat 8 16.05.2014 06.06.2010 03.07.2014 25.08.2010 19.05.2015 24.05.2011 22.07.2015 28.08.2011 21.05.2016 Landsat 7 06.04.2012 22.06.2016 06.08.2012 22.04.2017 Landsat 8 27.04.2013 25.06.2017 16.07.2013 27.07.2017 более детализированного анализа (на уровне чеков), а также задействовании более широкого спектра ве- гетационных и специализированных индексов. Территориально ранее построенные рисовые си- стемы в Крыму были большей частью приурочены к Прикаркинитской (Раздольненский и Краснопе- рекопский районы) и Присивашской низменностям (Джанкойский, Нижнегорский и Советский районы) в северо-западной и северо-восточной частях Крым- ского полуострова соответственно (рис. 1). После прекращения водозабора и поступления водных ресурсов р. Днепр в Крым в 2014 г. водообе- спеченность полуострова сильно уменьшилась, так как в период функционирования канала в течение вегетационного периода (апрель - октябрь) регион дополнительно получал от 3,5 (в советское время) до 1,3-1,5 км3 воды (2005-2013 гг.), которая исполь- зовалась в основном на цели орошения и питьевого водоснабжения. Выборочная оценка постирригационного состоя- ния ранее орошаемых водами Днепра севооборотных участков полевых культур и садов, начатая Почвен- ным институтом им. В. В. Докучаева в 2015 г. [3], вы- явила ряд характерных изменений почвенных пара- метров, связанных со спецификой солевого состава воды Днепра и его изменением при транспортировке по магистральному каналу и разводящей сети до по- левого участка в условиях жаркого климата. Измене- ния в большинстве случаев не очень существенны, с возможной корректировкой их агрохимическими способами. Вместе с тем территории бывших рисо- вых техногенных систем оказались более уязвимыми (в смысле вероятности возникновения деградацион- ных процессов), особенно поля и участки полей, рас- положенные близко к береговой линии моря и имею- щие минимальные абсолютные отметки. Изучению возможностей анализа почвенных де- градационных процессов с использованием данных ДЗЗ уделяется все больше внимания как в РФ, так и за рубежом [4, 5, 6, 7]. Особенностью данной работы является попытка задействования этих данных для выявления и пространственной локализации процес- сов реставрации засоления на базе анализа информа- ции по участкам полей, имеющих чековую структу- ру, при средней площади чека 2,5-3 га. Для определения отметок поверхности земли при выборочном обследовании использовались данные нивелировки, а при пространственном анализе - ма- териалы миссии SRTM [8]. С учетом прямой взаи- мосвязи уровня засоленности почв с минерализацией грунтовых вод (при их близком залегании) на данном этапе исследований во время полевых работ прово- дилось измерение уровня грунтовых вод в скважинах ручного бурения и измерение уровня их минерализа- ции с использованием полевого кондуктометра. Создание векторных масок полей рисовых тех- ногенных севооборотных участков и их чековой структуры, а также анализ спутниковой информации проводились с задействованием инструментария от- крытого программного обеспечения ГИС и обработ- ки спутниковых изображений (QGIS, версия 2.14; ILWIS, версия 3.8). Данные спутников Landsat 5 (2010-2011 гг.), Landsat 7 (2012 г.) и Landsat 8 (2013 г.) использованы для идентификации полей с возделыванием риса в рисовом севообороте для проверки того, что на полях с сохранившейся чековой инфраструктурой рис про- должал выращиваться в период 2010-2013 гг. (доля риса в различных севооборотах в отдельные годы колебалась от 30 до 70 %). Для анализа ситуации в период 2014-2017 гг. использованы данные сенсора OLI спутника Landsat 8 (табл. 1). Поскольку на территории бывших рисовых тех- ногенных систем Крыма процесс реставрации засо- ления находится в начальной стадии, в настоящем исследовании проведен сравнительный анализ ис- пользования для целей локализации участков воз- можного вторичного засоления комплекса индексов, входящих в типовой набор обработанных данных спутника Landsat 8 [9]. Эти индексы используются в стандартных определениях и выгружены из баз данных с открытым доступом USGS по материалам Таблица 2 Оценки применимости различных индексов для локализации мест реставрации засоления (на примере чека, п. 5, севооборот 3, ООО «Штурм Перекопа») Table 2 Evaluation of set of indexes applicability for localization of areas of salinity restoration (by the example of field 5, rotation 3, «Shturm Perekopa» LTD) Индекс Index 22.07.2015, подсолнечник sunflower 21.05.2016, яровой ячмень spring barley 25.06.2017, подсолнечник sunflower 27.07.2017, подсолнечник sunflower Среднее Average z Среднее Average z Среднее Average z Среднее Average z Поле Field Чек Check Поле Field Чек Check Поле Field Чек Check Поле Field Чек Check NDVI 0,812 0,759 3,5 0,781 0,794 0,4 0,602 0,459 3,5 0,497 0,451 2,3 EVI 0,734 0,615 3,3 0,596 0,614 0,4 0,431 0,329 3,4 0,368 0,332 1,9 SAVI 0,632 0,549 3,3 0,535 0,548 0,4 0,407 0,314 3,2 0,334 0,301 2,2 MSAVI 0,670 0,564 3,3 0,548 0,564 0,3 0,391 0,291 3,0 0,312 0,277 2,2 NDMI 0,456 0,386 3,0 0,449 0,466 0,4 0,175 0,059 3,0 0,140 0,082 2,2 NBR 0,718 0,650 2,7 0,665 0,681 0,4 0,382 0,210 3,2 0,353 0,263 2,6 NBR2 0,392 0,355 1,9 0,312 0,316 0,2 0,225 0,153 3,1 0,225 0,186 3,0 NDVI Green 0,715 0,660 5,0 0,691 0,703 0,4 0,602 0,459 3,5 0,497 0,451 2,3 GDVI 0,978 0,962 4,0 0,968 0,973 0,4 0,596 0,497 3,8 0,493 0,466 1,8 CRSI 0,877 0,860 4,3 0,865 0,867 0,3 0,851 0,810 4,1 0,782 0,766 2,7 SI 0,304 0,273 3,4 0,247 0,248 0,1 0,319 0,337 1,3 0,247 0,248 0,1 высокоуровневой обработки или рассчитывались для информации каналов, откорректированной на уро- вень земной поверхности [10]. Индексы определены по следующим зависи- мостям (в формулах используются данные 2-7-го («B2»… «B7») каналов спутника с соответствую- щими значениями числовых параметров): норма- лизованный разностный вегетационный индекс (Normalized Difference Vegetation Index, NDVI), NDVI = (B5 - B4) / (B5 + B4); усовершенствован- ный вегетационный индекс (Enhanced Vegetation Index, EVI), EVI = 2,5 × (B5 - B4) / (B5 + 6 × B4 - - 7,5 × B2 + 1); почвенно-адаптированный вегетаци- онный индекс (Soil Adjusted Vegetation Index, SAVI), SAVI = 1,5 × (B5 - B4) / (B5 + B4 + 0,5); модифицированный почвенно-адаптированный вегетацион- ный индекс или индекс растительности с коррекци- ей по почве (Modified Soil Adjusted Vegetation Index, MSAVI), MSAVI = (2 × B5 + 1 - ((2 × B5 + 1)2 - 8 × × (B5 - B4))0,5) / 2; нормализованный разностный индекс влаги (Normalized Difference Moisture Index, NDMI), NDMI = (B5 - B6) / (B5 + B6); нормализован- ныйиндексгарей(Normalized Burn Ratio, NBR), NBR= = (B5 - B7) / (B5 + B7) и нормализованный индекс гарей 2 (Normalized Burn Ratio 2, NBR2), NBR2 = = (B6 - B7) / (B6 + B7). При этом необходимо отметить, что ряд вегетаци- онных индексов ранее был разработан или предло- жен для использования в качестве более специали- зированных (не вегетационных) индексов. Напри- мер, нормализованный разностный инфракрасный индекс (Normalized Difference Infrared Index, NDII [11]) и нормализованный разностный водный индекс (Normalized Difference Water Index, NDWI [12]) име- ют альтернативную аббревиатуру и наименования, хотя рассчитываются аналогично NDMI. Дополнительные индексы, имеющие согласно литературным источникам высокий уровень связи с параметрами почвенного засоления, определены по следующим формулам: нормализованный разност- ный зеленый вегетационный индекс (Normalized Difference Vegetation Index Green, NDVI Green [13]), NDVIGreen = (B5 - B3) / (B5 + B3); обобщенный разностный вегетационный индекс (Generalized Difference Vegetation Index, GDVI [14]), GDVI = (B52 - - B42) / (B52 + B42); индекс засоления, отзывчивый на состояние поверхности (Canopy Response Salinity Index, CRSI [15]), CRSI = ((B5 × B4 - B3 × B2) / (B5 × × B4 - B3 × B2))0,5; индекс засоления (Salinity Index, SI [6]), SI = B5 × B4 / B3. результаты исследований. Оценка уровня изме- нений, происшедших на ранее орошаемых рисовых техногенных системах, выполненная с использовани- ем набора косвенных показателей (индексов), осно- ванныхнаданных ДЗЗ, позволилавыявитьзакономер- ности их пространственной вариации по территории. На ранее исходно засоленных почвах бывших рисовых техногенных систем определены зоны по- вышенного риска возникновения деградационных процессов (расстояние от моря менее 1000 м и аб- солютная отметка не более 3 м) и проведено их бо- лее детальное картирование с выделением границ чеков (в том числе для каждого чека определена средняя отметка по результатам обработки данных Рис. 2. Варьирование NDVI по годам (А, данные MODIS, сервис «Вега-Science») и значения NDMI по данным спутника Landsat 8 за 25.06.2017 г. (Б, поле № 5, с/о 3) Fig. 2. Variation of NDVI by the years (A, MODIS data, service «Vega-Science») and NDMI values by Landsat 8 for 25.06.2017 (B, field No 5, rotation 3) STRM [8]). Для всех полей, попавших в зону риска, в том числе для каждого чека внутри поля, проведен расчет всего перечня рассматриваемых в работе ин- дексов, включая значения параметров их варьирова- ния. В качестве оценки величины отклонения сред- них значений параметра по чеку от среднего значе- ния по полю принята величина отклонения среднего значения индекса по полю kп и по чеку kч в единицах среднеквадратического отклонения для всего поля σп (z = | (kп - kч) / σп |). График варьирования NDVI по годам (построенный по данным сервиса «Вега-Science», ИКИ РАН [16]) показывает сдвиг, характеризующий сравни- тельную разницу в сроках онтогенеза, связанную в первую очередь с уровнем влагообеспеченности посевов подсолнечника в 2015 и 2017 гг. (рис. 2А), а картирование средних по чекам значений индекса NDMI показывает варьирование данного параметра внутри поля, позволяющее в сравнении с осред- ненными характеристиками для всего поля выявить участки с существенными отклонениями и локали- зовать их для проведения более детальных натурных наблюдений (рис. 2Б, значения параметра для на- глядности умножены на 103). Пример результатов оценки применимости раз- личных индексов для локализации мест возможной реставрации засоления приведен в табл. 2 (картиро- вание индекса NDMI для данного чека см. на рис. 2Б). Для всех приведенных индексов более существенные отклонения наблюдались в период интенсивного нарастания биомассы подсолнечника или в период близкий к максимальному ее значению (см. рис. 2А и табл. 2, данные за 2017 г.). Подсолнечник, учитывая его возможность отби- рать воду из глубоких слоев почвы, является хоро- шим индикатором уровня минерализации грунтовых вод (24,2 г/л на 30 августа 2017 г. для анализируемого в табл. 2 чека), которые при их близком залегании и высокой минерализации стимулируют соленакопле- ние в зоне испарения в верхних слоях почвы. Анализ значений параметров, приведенных в таблице, пока- зывает, что большинство из апробированных индек- сов могут быть задействованы в качестве критериев для оценки величины отклонения биопродуктивно- сти на участке от поля в целом, что может служить одним из показателей локализации участков начала более интенсивных процессов деградации. В более влажном 2015 г. максимальные расчетные значения отклонений получены при использовании индек- са NDVI Green, а в более сухом 2017 г. - CRSI (для снимка за 25 июня 2017 г.). Выборочные натурные обследования зоны более вероятного риска возникновения деградационных почвенных процессов показали неоднозначные ре- зультаты взаимосвязи данных ДЗЗ с уровнем мине- рализации подземных вод и биопродуктивностью посевов. Анализ данных, приведенных на рис. 3 и в табл. 3, показывает отсутствие (по состоянию на Рис. 3. Расположение пилот-участков и скважин выборочного мониторинга, 2017 г. (границы: ─ полей; - чеков) Fig. 3. Pilot-areas and wells location of sampling monitoring, 2017 (boundary: ─ fields; - checks) Таблица 3 Данные выборочных наблюдений по скважинам за 2017 г. Table 3 Data on sampling observations by wells, 2017 Скважина, номер Well, num- ber Минерализация, г/л Mineraliza-tion, g/l Расстояние от моря, м Distance from the sea, m Отметка поверх- ности земли, м Altitude, m Уровень грунто- вых вод, м Ground water level, m Примечание Notes 1 19,4 160 1,40 1,65 целина (солонец) virgin land (solonetz) 2 19,0 70 1,41 1,60 целина (солонец) virgin land (solonetz) 3 1,1 195 1,19 2,70 в чеке at the check 4 2,3 140 1,23 2,36 целина virgin land 5 24,2 710 1,8* 2,99 в чеке at the check 6 1,0 95 1,98 2,85 в чеке at the check 7 16,1 580 1,89 2,38 в чеке at the check средняя отметка на поле по данным SRTM, м average altitude by SRTM data, m 2017 г.) прямой связи между расстоянием от моря и абсолютной отметкой поверхности земли с уров- нем минерализации грунтовых вод и состоянием биопродуктивности посевов. Грунтовая вода в сква- жине № 3, пробуренной на расстоянии 195 м от бе- рега моря в чеке, является практически пресной (ми- нерализация воды, М = 1,1 г/л, август 2017 г.), при высокой минерализации в скважинах № 1 и № 2, рас- положенных на почвах, представленных целинным солонцовым комплексом (М = 19 г/л). В скважине № 6, находящейся в чеке на расстоянии 95 м от бере- га, грунтовые воды - пресные (М = 1 г/л). Примеры обнаруженных на значительном уда- лении от моря участков с высокой минерализацией грунтовых вод говорят о существенном влиянии на почвенные процессы прочих факторов (например, динамики локальных грунтовых потоков, периодиче- ского подтопления нагонными морскими водами по системе сбросных каналов), а также «маскирующем» влиянии на биопродуктивность солеустойчивости ряда культур (яровой ячмень, скважина № 5 в 2016 г., см. рис. 2А и табл. 2) и использовании в практике земледелия паровых полей (скважина № 7, 2017 г.). При этом в чеке, расположенном более удаленно от берега моря (скважина № 5, расстояние от уреза воды - 710 м), минерализация грунтовых вод суще- ственно превышает нижнюю границу соленых вод и составляла 24,2 г/л (август 2017 г.), что существен- но снизило биопродуктивность посевов подсолнеч- ника в данном чеке и хорошо детектировалось как вегетационными, так и специализированными ин- дексами. Скважина № 7 расположена на поле, на котором в 2017 г. выращивался озимый рапс (предшественник - пар). Несмотря на высокую минерализацию грунтовых вод (16,1 г/л), косвенные методы мониторинга не пока- зали отличия данного участка от поля в целом. Для выявления основных действующих факторов и оценки динамики развития деградационных про- цессов в зоне риска на ранее орошаемых рисовых техногенных системах и разработки мероприятий по снижению уровня их воздействия на плодородие почв и эффективность ведения сельскохозяйствен- ного производства на этих землях необходимо про- должить и углубить исследования с задействованием как информации наземных мониторинговых наблю- дений производственных организаций, так и сведе- ний исследовательских экспедиций и материалов об- работки данных ДЗЗ. выводы. Проведенные в рамках работы исследо- вания показали, что на четвертый год после прекра- щения водоподачи на рисовые техногенные системы Крыма (2014-2017 гг.) наблюдаются отдельные очаги деградационных почвенных процессов с существен- ным снижением уровня продуктивности сельскохо- зяйственных культур. При этом косвенные индексы показывают, что эти процессы на некоторых участках детектируются уже с 2015 г. Уровень снижения биопродуктивности позволяет выявить такие участки с задействовани- ем как чисто вегетационных спутниковых индексов (NDVI, SAVI, NDVI Green), так и специализирован- ных (NDMI, CRSI). Использованные в работе методы на текущем эта- пе исследований не показали прямой зависимости между близостью границ полей к берегу моря, глу- биной залегания грунтовых вод и интенсивностью проявления деградационных процессов. Выращивание в зоне риска (отметки поверхности земли около 3 м и менее, близость к урезу морского побережья) сельскохозяйственных культур с высо- ким уровнем водопотребления и глубокой корневой системой (например, подсолнечника) может прово- цировать ускорение процесса возврата засоления на бывших рисовых техногенных системах, построен- ных на ранее исходно засоленных землях. Применение только инструментария ДЗЗ на пер- вичном этапе диагностики мест локализации границ деградационных процессов не может быть оправдан- ным ввиду влияния на оценочные показатели типа вы- ращиваемой сельскохозяйственной культуры, а также ротации севооборота, включая использование паро- вых полей. Работа выполнена при финансовой поддержке РФФИ и Министерства образования, науки и молодежи Республики Крым в рамках научного проекта № 16-44-910779 р_а.
References

1. Hitrov N. B., Rogovneva L. V., Dobrickaya E. Yu., Dunaeva E. A., Kirilenko N. G., Popovich V. F. Solevoe sostoyanie risovoy sistemy severa Kryma posle prekrascheniya podachi vody // Tavricheskiy vestnik agrar- noy nauki. 2016. № 3. S. 140-154.

2. Popovich V. F. Sistema monitoringa pochvennogo plodorodiya, rezhima i mineralizacii gruntovyh vod na byvshih risovyh tehnogennyh sistemah v Krymu // Tavricheskiy vestnik agrarnoy nauki. 2017. № 2. S. 133-144.

3. Hitrov N. B., Rogovneva L. V., Dunaeva E. A., Popovich V. F., Pashteckiy V. S., Klimenko O. E. Postir- rigacionnoe sostoyanie pahotnyh pochv stepnogo Kryma // Tavricheskiy vestnik agrarnoy nauki. 2016. № 1. S. 91-110.

4. Savin I. Yu., Otarov A., Zhogolev A. V., Ibraeva M. A., Duysekov S. Vyyavlenie mnogoletnih izmeneniy ploschadi zasolennyh pochv Shaul'derskogo oroshaemogo massiva po kosmicheskim snimkam Landsat // Byulle- ten' Pochvennogo instituta im. V. V. Dokuchaeva. 2014. Vyp. 74. S. 49-65.

5. Allbed A., Kumar L. Soil Salinity Mapping and Monitoring in Arid and Semi-Arid Regions Using Remote Sensing Technology: A Review // Advances in Remote Sensing. 2013. № 2. P. 373-385. URL : http://dx.doi. org/10.4236/ars.2013.24040 (data obrascheniya: 05.12.2017).

6. Elhag M., Bahrawi J.A. Soil salinity mapping and hydrological drought indices assessment in arid environments based on remote sensing techniques // Geosci. Instrum. Method. Data Syst. 2017. № 6. P. 149-158. URL : https:// www.geosci-instrum-method-data-syst.net/6/149/2017/gi-6-149-2017.pdf (data obrascheniya: 05.12.2017).

7. Ivushkin K., Bartholomeus H., Bregt A. K., Pulatov A. Satellite thermography for soil salinity assessment of cropped areas in Uzbekistan // Land Degrad. Develop. 2017. № 28. P. 870-877. URL : http://onlinelibrary.wiley. com/doi/10.1002/ldr.2670/pdf (data obrascheniya: 06.12.2017).

8. Metodologiya obrabotki dannyh SRTM // SRTM Data Processing Methodology. URL : http://srtm.csi.cgiar. org/SRTMdataProcessingMethodology.asp (data obrascheniya: 08.01.2018).

9. Landsat Spectral Indices Product Guide. Version 3.6. 2017. 31 p. // URL : https://landsat.usgs.gov/sites/default/ files/documents/si_product_guide.pdf (data obrascheniya: 04.12.2017).

10. Vermote E., Justice C., Claverie M., Franch B. Preliminary analysis of the performance of the Landsat 8/OLI land surface reflectance product // Remote Sensing of Environment. 2016. № 185. P. 46-56.

11. Sriwongsitanon N., Gao H., Savenije H. H. G., Maekan E., Saengsawang S., Thianpopirug S. Comparing the Normalized Difference Infrared Index (NDII) with root zone storage in a lumped conceptual model // Hydrology and Earth System Sciences. 2016. № 20. P. 3361-3377. doihttps://doi.org/10.5194/hess-20-3361-2016.

12. Li W., Du Z., Ling F., Zhou D., Wang H., Gui Y., Sun B., Zhang X. A Comparison of Land Surface Water Mapping Using the Normalized Difference Water Index from TM, ETM+ and ALI // Remote Sensing. 2013. № 5. P. 5530-5549. doihttps://doi.org/10.3390/rs5115530.

13. Pastor-Guzman J., Atkinson P. M., Dash J., Rioja-Nieto R. Spatiotemporal Variation in Mangrove Chlorophyll Concentration Using Landsat 8 // Remote sensing. 2015. № 7. P. 14530-14558. doi:https://doi.org/10.3389/rs71114530.

14. Wu W. The generalized difference vegetation index (GDVI) for dryland characterization // Remote Sens. 2014. № 6 (2). P. 1211-1233. doi:https://doi.org/10.3390/rs6021211.

15. Scudiero E., Skaggs T. H., Corwin D. L. Regional-scale soil salinity assessment using Landsat ETM+ canopy reflectance // Remote Sens. Environ. 2015. № 169. P. 335-343.

16. Bartalev S. A., Egorov V. A., Zharko V. O., Lupyan E. A., Plotnikov D. E., Hvostikov S. A., Shabanov N. V. Sputnikovoe kartografirovanie rastitel'nogo pokrova Rossii. M. : IKI RAN, 2016. 208 s.

Login or Create
* Forgot password?