рус eng
««ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «НАУКИ О ЗЕМЛЕ»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «NAUKI O ZEMLE»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «EARTH SCIENCES»
ISSN 2073-3402 (Print)

Список выпусков > Серия «Науки о Земле». 2023. Том 44

Моделирование зависимости площади и объема Посольского сора от уровня оз. Байкал

Автор(ы)
Е. В. Болданова
Аннотация
Устанавливается зависимость значений площадей и водоемов Посольского и Малого соров от уровня оз. Байкал. Решаются задачи выбора индексов для определения береговой линии по космоснимкам Sentinel-2, обработки исходных данных, расчета площадей водоемов при разных уровнях Байкала, оценивания параметров модели и применения ее для построения цифровой модели рельефа. Рассматривается ряд индексов для определения границ водоема, на основе показателя общей точности и коэффициента каппа Коэна выбирается индекс NDWI. С помощью ЦМР определялись объемы водоемов. Полученные зависимости позволили сделать заключение, что при уровне оз. Байкал в пределах 456,2–456,8 м по Тихоокеанской системе высот наблюдаются небольшие изменения площадей и объемов, что можно считать безопасным для выживания молоди омуля. Наиболее критичные изменения происходят при снижении уровня озера ниже отметки 456,0 м и превышении значения 457,0 м. Полученные результаты позволят принимать более взвешенные решения по регулированию уровня озера.
Об авторах
Болданова Елена Владимировна, кандидат экономических наук, доцент, кафедра отраслевой экономики и управления природными ресурсами, Байкальский государственный университет, Россия, 664003, г. Иркутск, ул. Ленина, 11, e-mail: boldanova@mail.ru
Ссылка для цитирования
Болданова Е. В. Моделирование зависимости площади и объема Посольского сора от уровня оз. Байкал // Известия Иркутского государственного университета. Серия Науки о Земле. 2023. Т. 44. С. 33–43. https://doi.org/10.26516/2073-3402.2023.44.33
Ключевые слова
Посольский сор, Малый сор, оз. Байкал, Sentinel-2, цифровая модель рельефа, NDWI.
УДК
528.88 (571.54)
DOI
https://doi.org/10.26516/2073-3402.2023.44.33
Литература

Болданова Е. В. Оценка трофности озера Байкал с использованием дистанционного зондирования // Географический вестник = Geographical bulletin. 2022. № 2(61). С. 73–89. https://doi.org/10.17072/2079-7877-2022-2-73-89

Болданова Е. В. Проверка точности водных разностных индексов по данным ДЗЗ для оценки береговой линии оз. Байкал // Современные тенденции и перспективы развития гидрометеорологии в России : материалы V Всерос. науч.-практ. конф. Иркутск : Изд-во ИГУ, 2023. С. 42–45. https://doi.org/10.26516/978-5-9624-2119-3.2023.1-455

Использование космических снимков для определения границ водоемов и изучения процессов эвтрофикации / Т. И. Кутявина, В. В. Рутман, Т. Я. Ашихмина, В. П. Савиных // Теоретическая и прикладная экология. 2019. № 3. С. 28–33. https://doi.org/10.25750/1995-4301-2019-3-028-033

Лурье И. К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков : учебник. М. : КДУ, 2008. 424 с.

Перспективы рыбохозяйственного использования Маломорского рыбопромыслового района: экономическая оценка и обоснование / А. П. Суходолов, А. П. Федотов, М. М. Макаров [и др.] // Известия Байкальского государственного университета. 2020. Т. 30, № 2. С. 233–244. https://doi.org/10.17150/2500-2759.2020.30(2).233-244

Погорелов А. В., Липилин Д. А., Курносова А. С. Спутниковый мониторинг Краснодарского водохранилища // Географический вестник = Geographical bulletin. 2017. № 1 (40).С. 130–137. https://doi.org/10.17072/2079-7877-2017-1-130-137

Применение методов обработки и анализа космических снимков для изучения эвтрофированных водоемов (обзор) / Т. И. Кутявина, Г. Я. Кантор, Т. Я. Ашихмина, В. П. Савиных // Теоретическая и прикладная экология. 2020. № 2. С. 14–25. https://doi.org/10.25750/1995-4301-2020-2-014-025

Русецкая Г. Д., Быкова Д. Ю. Экологически устойчивое и социально-экономически ответственное природопользование в системе острова Ольхон // Известия Байкальского государственного университета. 2020. Т. 30, № 1. С. 7–13. https://doi.org/10.17150/2500-2759.2020.30(1).7-13

Русецкая Г. Д., Дмытерко Е. А. Особо охраняемые природные территории – инструмент устойчивого управления природопользованием // Известия Байкальского государственного университета. 2017. Т. 27, № 4. С. 478–487. https://doi.org/10.17150/2500-2759.2017.27(4).478-487

Рылов С. А., Пестунов И. А. Определение площадей озер по данным со спутников серии Sentinel-2 // Журнал СФУ. Техника и технологии. 2019. № 5. С. 526–535. https://doi.org/10.17516/1999-494X-0108

A new index for identifying water body from Sentinel-2 satellite remote sensing imagery / W. Jiang [et al.] // ISPRS Ann. Photogramm. Remote Sens. Spatial Inf. Sci. 2020. Vol. V-3-2020. P. 33–38. https://doi.org/10.5194/isprs-annals-V-3-2020-33-2020

Analysis of Surface Water Resources Using Sentinel-2 Imagery / U. Bhangale, [et al.] // Procedia Computer Science. 2020. Vol. 171. P. 2645–2654. https://doi.org/10.1016/j.procs.2020.04.287

Assessment of water body change and sedimentation rate in Moulay Bousselham wetland, Morocco, using geospatial technologies / M. Karim, M. Maanan, M. Maanan [et al.] // Int. J. Sediment Res. 2019. Vol. 34. P. 65–72. https://doi.org/10.1016/j.ijsrc.2018.08.007

Automatic Inundation Mapping Using Sentinel-2 Data Applicable to Both Camargue and Doñana Biosphere Reserves / G.A. Kordelas, I. Manakos, G. Lefebvre, B. Poulin // Remote Sensing. 2019. Vol. 11, N 19. 2251. https://doi.org/10.3390/rs11192251

Babaei H., Janalipour M., Tehrani N. A. A simple, robust, and automatic approach to extract water body from Landsat images (case study: Lake Urmia, Iran) // Journal of Water and Climate Change. 2021. Vol. 12, N 1. P. 238–249. https://doi.org/10.2166/wcc.2019.078

Congedo L. Semi-automatic classification plugin documentation // Release. 2016. Vol. 4, N 0.1. P. 29. https://doi.org/10.13140/ RG.2.2.29474.02242/

Copernicus Open Access Hub. URL: https://scihub.copernicus.eu/dhus/#/home (дата обращения: 10.11.2022).

Detection of Changes in Surface Water Bodies Urban Area with NDWI and MNDWI Methods / M. I. Ali, G. D. Dirawan, A. H. Hasim, M. R. Abidin // International Journal on Advanced Science. Engineering and Information Technology. 2019. Vol. 9, N 3. P. 946–951. https://doi.org/10.18517/ijaseit.9.3.8692

Monthly estimation of the surface water extent in France at a 10-m resolution using Sentinel2 data / X. Yang, Q. Qin, H. Yésou [et al.] // Remote Sens. Environ. 2020. Vol. 244. 111803, https://doi.org/10.1016/j.rse.2020.111803

Sandoval S., Escobar-Flores J. G., Sanchez-Ortiz E. Water Resource Inventory in the Sierra Madre Occidental (Mexico) based on Remote Sensing and GIS // Invest. Geog. 2020. N 102. e59975. https://doi.org/10.14350/rig.59975

Sentinel-2 application to the surface characterization of small water bodies in wetlands. / J. Pena-Regueiro, M.-T. Sebastiá-Frasquet, J. Estornell, J. A. Aguilar-Maldonado // Water, 2020. Vol. 12. P. 1487. https://doi.org/10.3390/w12051487

Wieland M, Martinis S. A. Modular Processing Chain for Automated Flood Monitoring from Multi-Spectral Satellite Data // Remote Sensing. 2019. Vol. 11, N 19. 2330. https://doi.org/10.3390/rs11192330


Полная версия (русская)