Пространственная оценка изменений нормализованного разностного водного индекса (NDWI) за период 2015–2025 гг.
Получена: 2026-10-13
Опубликована: 2025-12-10
Аннотация
В данном исследовании оценены пространственные изменения нормализованного разностного водного индекса (NDWI) за период 2015–2025 гг. на территории Ангорского района Узбекистана. Спутниковые изображения Landsat 8 Collection 2 Level-2 обрабатывались на платформе Google Earth Engine с применением масок облачности, теней от облаков, снежного покрова и радиометрического насыщения. NDWI рассчитывался для каждого изображения на основе коэффициентов отражения земной поверхности в зелёном и ближнем инфракрасном спектральных диапазонах с последующим формированием годовых медианных композитных изображений. Пространственно совмещённые растровые данные сравнивались методом попиксельного вычитания с использованием описательной статистики и пяти интервалов изменений. Анализ охватил 603 231 пиксель, пригодный для сравнения. Среднее значение NDWI снизилось с −0,300216 в 2015 г. до −0,310154 в 2025 г., при этом средняя разность составила −0,009937. Стандартное отклонение уменьшилось с 0,184392 до 0,153999. Отрицательные различия наблюдались в 57,28% пикселей, тогда как положительные — в 42,72%. Большинство пикселей (97,69%) находилось в интервале −0,2 < ΔNDWI ≤ 0,2, что свидетельствует о преимущественно небольших различиях значений индекса. В 2015 г. значения NDWI, превышающие 1, были зарегистрированы в 0,64% пригодных для анализа пикселей и сохранены в представленных статистических результатах. Полученные результаты указывают на незначительное общее смещение значений NDWI в отрицательную сторону, однако сами по себе не подтверждают сокращение площади поверхностных водных объектов. Для установления гидрологической значимости выявленных различий необходимы дополнительный контроль качества данных, сезонный анализ и классификация водных объектов с последующей валидацией.
Ключевые слова
Список литературы
-
Huang, C., Chen, Y., Zhang, S., & Wu, J. (2018). Detecting, extracting, and monitoring surface water from space using optical sensors: A review. Reviews of Geophysics, 56(2), 333–360. https://doi.org/10.1029/2018RG000598
-
Pekel, J.-F., Cottam, A., Gorelick, N., & Belward, A. S. (2016). High-resolution mapping of global surface water and its long-term changes. Nature, 540, 418–422. https://doi.org/10.1038/nature20584
-
Donchyts, G., Baart, F., Winsemius, H., Gorelick, N., Kwadijk, J., & van de Giesen, N. (2016). Earth’s surface water change over the past 30 years. Nature Climate Change, 6, 810–813. https://doi.org/10.1038/nclimate3111
-
Roy, D. P., et al. (2014). Landsat-8: Science and product vision for terrestrial global change research. Remote Sensing of Environment, 145, 154–172. https://doi.org/10.1016/j.rse.2014.02.001
-
Wulder, M. A., et al. (2019). Current status of Landsat program, science, and applications. Remote Sensing of Environment, 225, 127–147. https://doi.org/10.1016/j.rse.2019.02.015
-
McFeeters, S. K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. International Journal of Remote Sensing, 17(7), 1425–1432. https://doi.org/10.1080/01431169608948714
-
Gao, B.-C. (1996). NDWI—A normalized difference water index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257–266. https://doi.org/10.1016/S0034-4257(96)00067-3
-
Xu, H. (2006). Modification of normalised difference water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal of Remote Sensing, 27(14), 3025–3033. https://doi.org/10.1080/01431160600589179
-
Feyisa, G. L., Meilby, H., Fensholt, R., & Proud, S. R. (2014). Automated Water Extraction Index: A new technique for surface water mapping using Landsat imagery. Remote Sensing of Environment, 140, 23–35. https://doi.org/10.1016/j.rse.2013.08.029
-
Ji, L., Zhang, L., & Wylie, B. (2009). Analysis of dynamic thresholds for the normalized difference water index. Photogrammetric Engineering & Remote Sensing, 75(11), 1307–1317. https://doi.org/10.14358/PERS.75.11.1307
-
Jones, J. W. (2019). Improved automated detection of subpixel-scale inundation—Revised Dynamic Surface Water Extent (DSWE) partial surface water tests. Remote Sensing, 11(4), 374. https://doi.org/10.3390/rs11040374
-
Gorelick, N., Hancher, M., Dixon, M., Ilyushchenko, S., Thau, D., & Moore, R. (2017). Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment, 202, 18–27. https://doi.org/10.1016/j.rse.2017.06.031
-
Zhu, Z., & Woodcock, C. E. (2012). Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment, 118, 83–94. https://doi.org/10.1016/j.rse.2011.10.028
-
Rokni, K., Ahmad, A., Selamat, A., & Hazini, S. (2014). Water feature extraction and change detection using multitemporal Landsat imagery. Remote Sensing, 6(5), 4173–4189. https://doi.org/10.3390/rs6054173
-
Olofsson, P., Foody, G. M., Herold, M., Stehman, S. V., Woodcock, C. E., & Wulder, M. A. (2014). Good practices for estimating area and assessing accuracy of land change. Remote Sensing of Environment, 148, 42–57. https://doi.org/10.1016/j.rse.2014.02.015
Об авторах
Лицензия
Copyright (c) 2025 Журнал гидравлической и экологической инженерии
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.