Гидрометеорологические исследования и прогнозы. 2024. № 3 (393). С. 142-157

142

DOI: https://doi.org/10.37162/2618-9631-2024-2-142-157

УДК 551.577.38:551.501.86

Оценка возможности использования

спутниковой информации для мониторинга засух

на территории южных регионов России

А.Д. Клещенко, О.В. Савицкая

Всероссийский научно-исследовательский институт сельскохозяйственной

метеорологии, г. Обнинск, Россия

cxm-dir@obninsk.ru

Приводится краткое описание разработанной и функционирующей в ЦМЗ ФГБУ

«ВНИИСХМ» автоматизированной оперативной системы подекадного мониторинга

засух, созданной на основе использования метеорологической информации с сети

метеостанций. Для получения более детальной информации о распределении засух

по территории предлагается наряду с наземной использовать спутниковую информа-

цию (сканер VIIRS спутника SUOMI NPP). С этой целью предлагается калибровать

спутниковую информацию (индекс VCI) по наземным данным (индекс ГТК) с ис-

пользованием тестовых участков, расположенных вблизи метеорологических стан-

ций. Приведены расчёты оценки засушливости для территории рассматриваемых

федеральных округов с использованием предложенного метода. Отмечена удовле-

творительная сходимость с данными, полученными по наземной информации. Пла-

нируется доработать предложенную процедуру до оперативного применения.

Ключевые слова: засуха, спутниковая информация, NDVI, VCI, гидротермиче-

ский коэффициент Селянинова, калибровочные кривые

Assessment of the possibility

of using satellite information for monitoring droughts

in the southern regions of Russia

A.D. Kleshchenko, O.V. Savitskaya

All-Russian Research Institute of Agricultural Meteorology, Obninsk, Russia

cxm-dir@obninsk.ru

A brief description of the automated operational system for 10-day monitoring of

droughts developed and operating at the Drought Monitoring Center of the All-Russian

Research Institute of Agricultural Meteorology is provided. The system uses meteorolog-

ical information from the network of weather stations. To obtain more detailed information

on the spatial distribution of droughts, it is proposed to use satellite information (VIRS

scanner of the SUOMI NPP satellite) along with ground-based data. For this purpose, it is

proposed to calibrate satellite information (VCI index) based on ground information (HTC

index) using test sites located near weather stations. Calculations of the aridity assessment

for the territory of the considered federal districts using the proposed method are presented.

Satisfactory convergence with the data obtained from ground information is observed. It

is planned to refine the proposed procedure to operational application.

Keywords: drought, satellite information, NDVI, VCI, Selyaninov hydrothermal

coefficient, calibration curves

Клещенко А.Д., Савицкая О.В.

143

Введение

Зерновое производство Российской Федерации, в силу географиче-

ского положения ее территории, подвержено воздействию различных гид-

рометеорологических опасных явлений. Среди них засуха – одно из глав-

ных неблагоприятных явлений, повсеместно проявляющееся на

территории России. Особенно страдают от этого явления южные и цен-

тральные регионы – Южный и Северо-Кавказский федеральные округа, юг

Центрального, Приволжского, Уральского и юго-запад Сибирского феде-

ральных округов. Однако следует признать, что в последние годы ареал

распространения засух существенно продвинулся к северу.

Учитывая катастрофические последствия воздействия засух, большое

значение приобретают методы ранней диагностики и мониторинга этого

явления. Этим вопросам уделяется большое внимание как у нас в стране,

так и во многих странах мира, подверженных воздействию этого опасного

явления [2, 3, 5, 10, 11]. Для оценки появления засухи, ее интенсивности и

ареала распространения, как правило, используется гидрометеорологиче-

ская информация, полученная на сети наземных станций и постов. В по-

следние годы для этих целей используется спутниковая информация, полу-

ченная радиометрами в различных участках спектра.

Несмотря на большое количество исследований, направленных на

оценку возможности использования спутниковой информации для мони-

торинга засух, методов практического применения не так много. Целью

статьи является представить краткое описание функционирующей

в Центре мониторинга засух (ЦМЗ) ФГБУ «ВНИИСХМ» автоматизирован-

ной оперативной системы оценки засух (АОСОЗ) по наземной метеороло-

гической информации, а также показать возможность оценки атмосферной

засухи на основе комплексирования наземной и спутниковой информации.

Исследования проводились для территорий Южного и Северо-Кавказского

федеральных округов.

1. Наземная автоматизированная оперативная система оценки

засух

В научной литературе известны десятки показателей (индексов) для

оценки засух. Достаточно полно они представлены в справочнике по пока-

зателям и индексам засушливости ВМО [6]. В нем также указано, что по

использованию вида информации индексы могут быть разделены на следу-

ющие категории: метеорологические; индексы, характеризующие почвен-

ную влагу и состояние растительности; гидрологические и спутниковые.

Для характеристики атмосферной засухи, о которой идет речь в этой

статье, в основном используются метеорологические индексы и индексы

дистанционного зондирования. Метеорологические индексы рассчитыва-

ются с использованием в основном количества осадков, дефицита влажно-

сти воздуха, температуры воздуха и испаряемости и др.

144

Агрометеорологические прогнозы

Несмотря на большое количество индексов, все они близки по своей

физической сути, заключающейся в оценке соотношения между приходом

и расходом влаги.

Спутниковые вегетационные индексы представляют собой линейные

или дробно линейные комбинации значений сигналов в разных диапазонах

спектра, большинство из них используют соотношение значений в красном

и ближнем инфракрасном диапазонах. Это обусловлено тем, что зеленая

растительность поглощает электромагнитные волны в видимом красном

диапазоне и отражает их в ближнем инфракрасном. Значения коэффициен-

тов спектральной яркости, получаемые в этих участках спектра, и особенно

различные их соотношения (сочетания), оказались весьма информативны

при оценке различных характеристик растительности (биомасса, площадь

листовой поверхности, фаза развития и др.). Эта информация оказалась

весьма полезной также при оценке засушливости.

Во ВНИИСХМ, Гидрометцентре России и других научных учрежде-

ниях проведены исследования по разработке методов оценки атмосферной

и почвенной засух, их ранней диагностики и влияния на состояние посевов

сельскохозяйственных культур [2, 3, 7]. Проведенные исследования

послужили основой для создания во ВНИИСХМ АОСОЗ с использованием

наземной метеорологической информации [2]. Наземная метеорологиче-

ская информация получена по данным наблюдений на гидрометеорологи-

ческих станциях Росгидромета. Эта информация поступает во ВНИИСХМ

из программного комплекса обработки гидрометеорологической информа-

ции для оперативно-прогностических учреждений Росгидромета

PROMETEI.

В АОСОЗ в качестве индикаторов засухи на первом этапе использова-

лись следующие показатели: гидротермический коэффициент Селянинова

(ГТК); показатель увлажнения Шашко; показатель влагообеспеченности

Процерова; число дней с относительной влажностью воздуха ≤ 30 %; число

дней с максимальной температурой воздуха > 30 ^oC; запасы продуктивной

влаги в слое почвы 0–20, 0–50 и 0–100 см под озимыми, ранними яровыми

и поздними яровыми культурами.

На основе результатов исследований и опыта работ по оценке засух во

ВНИИСХМ было предложено для мониторинга атмосферной засухи ис-

пользовать ГТК и показатель увлажнения Шашко [2]. ГТК и показатель

увлажнения Шашко (Md) рассчитываются по следующим формулам:

R_[_{i+(i−1)+(i−2 )}

]

∑

ГТК_i=

,

(1)

0,1

T

>10^oC[i+(i−1)+(i−2)]

∑

где i – номер оцениваемой декады; i–1 – номер декады, предшествующей

на одну декаду оцениваемой; i–2 – номер декады, предшествующей на две

o

декады оцениваемой; ∑R – сумма осадков, мм; ∑T_{>10 C}– сумма темпера-

тур воздуха 10 °C и выше.

Клещенко А.Д., Савицкая О.В.

145

R_[_{i+(i−1)+(i−2 )}

]

∑

Md_i=

,

(2)

d_[_{i+(i−1)+(i−2 )}

]

где ∑d – сумма значений парциального давления водяного пара в воздухе,

гПа.

С целью проведения ежедекадного оперативного мониторинга засух

на территории России и некоторых стран СНГ, в 2002 г. Росгидрометом на

основе решения Межгосударственного Совета по гидрометеорологии СНГ

при ВНИИСХМ был создан Центр мониторинга засух. С 2008 г. в ЦМЗ ве-

дется регулярный ежедекадный мониторинг атмосферных и почвенных за-

сух с помощью АОСОЗ с мая по сентябрь. Мы не будем останавливаться

на подробном описании алгоритма работы системы, с ним можно ознако-

миться в [2], рассмотрим выходную продукцию, которая формируется в ре-

зультате работы системы.

Ежедекадно с мая по сентябрь формируется бюллетень, включающий

следующие материалы: таблицы с характеристиками и показателями засух,

оценками интенсивности и продолжительности засух, обзоры особенно-

стей распределения засушливых явлений и засух по территории Россий-

ской Федерации и отдельных стран СНГ, картосхемы распределения за-

сушливых явлений и засух по территории Российской Федерации и

отдельных стран СНГ. Для примера оценки динамики на рис. 1 показаны

карты районов, охваченных атмосферной засухой по территории России,

за третью декаду мая, третью декаду июня, третью декаду июля и третью

декаду августа 2023 года.

Полученные материалы представляются в МСХ и МЧС России,

Росгидромет, Гидрометцентр России, в ряд управлений по гидрометеоро-

логии и мониторингу окружающей среды Росгидромета и страховые

фирмы.

2. Метод мониторинга засух на основе комплексирования

наземной и спутниковой информации

Следует отметить, что представленные выше результаты мониторинга

получены на основе наземной метеорологической информации. Как из-

вестно, в отдельных регионах плотность сети метеорологических станций

недостаточна для получения более детальной информации. Как было ска-

зано выше, в этом случае представляется целесообразным при проведении

мониторинга засух подключать спутниковую информацию. Ее основными

преимуществами являются большая частота наблюдений, высокая обзор-

ность. Современные спутники позволяют получать единовременную

съемку на огромных площадях.

Возможность использования спутниковой информации для монито-

ринга засух основана на связях состояния растительности с ее спектраль-

ной отражательной способностью.

Агрометеорологические прогнозы

146

147

Клещенко А.Д., Савицкая О.В.

По спутниковым снимкам в различных спектральных диапазонах рас-

считываются вегетационные индексы, характеризующие состояние расти-

тельности. Как было сказано выше, расчет большинства из этих индексов

основан на соотношении значений в двух спектральных участках: красном

и ближнем инфракрасном. В красной зоне спектра приходится максимум

поглощения солнечной радиации, в ближней инфракрасной зоне отмеча-

ется максимальное ее отражение. Получая карту распределения вегетаци-

онных индексов по территории, используя методы интерпретации (пере-

хода, перевода, калибровочных кривых), можно получить определенную

оценку состояния растительности или условий роста и развития раститель-

ности (например, засушливость) в этот период. Поэтому процедура пере-

вода вегетационных индексов играет большую роль при интерпретации

спутниковой информации.

2.1. Процедура построения калибровочных зависимостей между

вегетационным индексом и наземным показателем

Подход, рассматриваемый в этой статье, заключается в применении

процедуры построения калибровочных зависимостей между вегетацион-

ными индексами и наземным показателем, достаточно хорошо характери-

зующим условия засушливости, с использованием тестовых участков, рас-

положенных вблизи метеорологических станций.

В качестве наземного показателя использовался ГТК [4]. ГТК является

индикатором температурно-влажностного режима и условно показывает

баланс между приходом влаги (выпадением осадков) и ее расходом – испа-

рением, характеризующимся тепловыми условиями (температура воздуха).

ГТК хорошо себя зарекомендовал в агрометеорологической практике при

мониторинге засух.

В качестве спутникового индекса использовался индекс состояния

растительности VCI (Vegetation Condition Index – индекс условий вегета-

ции), предложенный Ф. Коганом [9]. VCI является производным от индекса

NDVI (Normalized difference vegetation index – нормализованный относи-

тельный индекс растительности). NDVI определяется как разница между

измеренными значениями интенсивности отраженного излучения в крас-

ном и ближнем инфракрасном диапазонах спектра, нормализованная на

сумму этих значений. VCI рассчитывается по следующей формуле:

NDVI _j− NDVI_min

VCI _j=

⋅100%

,

(3)

NDVI_max− NDVI_min

где NDVI_j– значение NDVI для даты j; NDVI_max– значение максимальных

NDVI внутри всего набора данных; NDVI_min– значение минимальных

NDVI внутри всего набора данных; j – дата.

Для хранения и обработки метеорологической и спутниковой инфор-

мации на основе СУБД SQLite была создана база данных. Она содержит

148

Агрометеорологические прогнозы

оперативные ежедекадные метеорологические, агрометеорологические

данные и ежедекадные спутниковые индексы NDVI, VCI.

VCI оказался востребованным как для оценки состояния растительно-

сти, так и для мониторинга засух [8]. Значения VCI варьируют от 0 до

100 %, отражая изменения погодных условий вегетации от сухих до влаж-

ных.

В работе для расчета VCI использовались безоблачные композитные

изображения, подготавливаемые в ФГБУ «НИЦ «Планета» на основе дан-

ных сканера VIIRS спутника SUOMI NPP и представляемые во

ВНИИСХМ. Безоблачные композиты составлены из фрагментов снимков

с пространственным разрешением 375 м за десятидневный период и пред-

ставляют собой цифровые массивы информации, полученной по четырем

спектральным каналам (в красном, ближнем инфракрасном, среднем ин-

фракрасном и длинноволновом инфракрасном).

По информации в красном и ближнем инфракрасном каналах рассчи-

тывается вегетационный индекс NDVI. Расчет спутниковых индексов

NDVI и VCI осуществляется только для тех пикселей изображения, кото-

рые относятся к пахотным землям. Для выявления пашни использовалась

маска классификации подстилающей поверхности, полученная по данным

радиометра MODIS в Международном координационном комитете по гло-

бальному картографированию (International Steering Committee for Global

Mapping) [http:\\globalmaps.github.io]. В этом исследовании подстилающая

поверхность была разбита на 20 классов. В соответствии с этой маской VCI

рассчитывается для классов «пахотные угодья», «рисовые поля», «пашня

или мозаика прочей растительности». Период расчета составлял 7 лет с

2017 по 2023 год. Расчеты проводились с первой декады мая по третью де-

каду сентября.

Для увеличения объема выборки и наиболее точного определения ми-

нимального и максимального значений NDVI, данные субъектов в преде-

лах федерального округа объединялись в общий массив. Эта процедура

особенно актуальна в начале (май) и в конце (сентябрь) исследуемого пе-

риода. В эти месяцы вероятность развития засухи в большинстве регионах

меньше, чем летом. Если определять минимальное значение NDVI за

7-летний период для пикселя, то высока вероятность, что на этом участке

засухи могло и не быть, поэтому минимальное значение будет завышено и

не будет соответствовать засушливым условиям. Из-за некорректного вы-

бора минимального значения NDVI расчет индекса VCI также будет не точ-

ным. Объединение субъектов в общий массив позволяет минимизировать

вероятность такой ошибки.

После попиксельного расчета VCI проводился сравнительный анализ

между индексами VCI и ГТК. Поскольку значения ГТК доступны только

для территорий, на которых расположены метеостанции, для проведения

Клещенко А.Д., Савицкая О.В.

149

сравнительного анализа необходимо было получить значения VCI вблизи

этих территорий. Для этого были выбраны тестовые участки, характеризу-

ющие близлежащею территорию около этих метеостанций, и производи-

лось осреднение спутниковых индексов VCI на участках различных разме-

ров, соответствующих 11×11, 31×31, 51×51, 75×75, 101×101 пикселей. В

ходе тестирования программы был выбран участок с размером 11×11 пик-

селей, показавший наилучший результат соответствия с наземными дан-

ными. Следует отметить, что подобный подход достаточно успешно был

использован на территории Казахстана для оценки состояния растительно-

сти и засушливости в отсутствии наземных данных [5].

2.2. Анализ результатов расчетов

После расчета VCI для каждой метеостанции проводился анализ срав-

нительной динамики интегральных индексов ГТК и VCI за период с 2017

по 2023 год. Для получения интегрального индекса VCI, для каждого года

и для каждой станции проведено подекадное суммирование значений VCI

за период с первой декады мая по третью декаду сентября. Аналогичный

расчет выполнен для ГТК. Для примера на рис. 2 показана сравнительная

динамика интегральных значений ГТК и VCI для метеостанций, располо-

женных на территории Южного федерального округа: Фролово, Городови-

ковск, Миллерово, Отрадная. Аналогичные графики построены для всех

исследуемых метеорологических станций.

Как видно из графиков, наблюдается достаточно хорошее совпадение

хода рассматриваемых интегральных индексов. Это свидетельствует о воз-

можности использования VCI как индикатора при мониторинге засух. С

этой целью было необходимо найти количественную зависимость между

VCI и ГТК. Для этого проводилось построение калибровочных кривых

между VCI и ГТК, на основе которых возможно определить диапазоны зна-

чений VCI и соотнести их с тремя градациями засух: сильная засуха, сред-

няя засуха и нет засухи. Для каждой декады и набора субъектов в пределах

федерального округа строилась своя калибровочная кривая, что позволило

учесть изменчивость засухи как во времени, так и в пространстве.

Для учета агроклиматических условий и увеличения выборки данные

с метеостанций в пределах федерального округа объединялись в общий

массив. Также проводился анализ по идентификации и фильтрации стати-

стических выбросов в наборе данных. Точки, которые значительно отлича-

лись от других наблюдений и их стандартизированные остатки выходили

за пределы диапазона от -2 до 2, классифицировались как выбросы. Для

примера, на рис. 3 показан график зависимости между VCI и ГТК для ме-

теостанций, расположенных на территории Южного федерального округа

для третьей декады июня и Северо-Кавказского федерального округа для

первой декады июля с 2017 по 2023 год.

Агрометеорологические прогнозы

150

151

Клещенко А.Д., Савицкая О.В.

Рис. 3. График зависимости между VCI и ГТК для метеостанций, рас-

положенных на территории Южного федерального округа, для третьей

декады июня (а) и Северо-Кавказского федерального округа для пер-

вой декады июля (б) с 2017 по 2023 г.

Fig. 3. Graph of the relationship between VCI and HTC for meteorological

stations located on the territory of the Southern Federal District for the third

decade of June (a) and the North Caucasus Federal District for the first dec-

ade of July (б) from 2017 to 2023.

Из графиков видно, что данные выстраиваются в линейную зависи-

мость, при этом коэффициент корреляции составляет 0,64 и 0,62 соответ-

ственно.

152

Агрометеорологические прогнозы

Аналогичные графики построены для всех исследуемых декад и рас-

сматриваемых федеральных округов. В результате анализа графиков было

выявлено, что наилучшим образом описывает зависимость между ГТК и

VCI уравнение регрессии без свободного члена, проходящее через начало

координат, поскольку нулевое значение VCI соответствует стрессовому со-

стоянию растительности, которое наступает при крайней степени засухи,

что соответствует значению ГТК, равному нулю.

Анализ калибровочных кривых, полученных за вегетационный пе-

риод, показал, что в большинстве случаев наиболее точные калибровочные

зависимости были получены в летний период. Таким образом, на основе

калибровочных кривых для каждого пикселя спутникового изображения

был выполнен переход от значений VCI к значениям ГТК.

Для значений ГТК известны апробированные категории засух по ин-

тенсивности [1, 3]. Классу сильной засухи соответствуют значения ГТК ме-

нее 0.39, средней засухе – от 0.40 до 0.70 и отсутствию засухи соответ-

ствует диапазон от 0.71 до 5. При этом граница соответствия значений VCI

и ГТК варьирует в зависимости от декады и регионов. Для примера в таб-

лице показаны диапазоны изменений значений VCI, полученные на основе

калибровочных кривых в разрезе категорий интенсивности засух для Юж-

ного и Северо-Кавказского федеральных округов.

Таблица. Диапазоны изменений значений VCI, полученные на основе ка-

либровочных кривых в разрезе категорий интенсивности засух для Южного

и Северо-Кавказского федеральных округов

Table. Ranges of changes in VCI values obtained based on calibration curves

by drought intensity categories for the Southern and North Caucasus Federal

Districts

Категория засухи

Месяц

Декада

Сильная

Средняя

Нет засухи

Южный федеральный округ

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

0–19.0

0–26.0

0–24.0

0–27.0

0–26.0

0–27.0

0–33.0

0–36.0

0–32.0

0–30.0

0–38.0

0–41.0

19.1–33.0

33.1–100

46.1–100

42.1–100

48.1–100

45.1–100

48.1–100

58.1–100

63.1–100

56.1–100

53.1–100

67.1–100

72.1–100

26.1–46.0

24.1–42.0

27.1–48.0

26.1–45.0

27.1–48.0

33.1–58.0

36.1–63.0

32.1–56.0

30.1–53.0

38.1–67.0

41.1–72.0

Май

Июнь

Июль

Август

Клещенко А.Д., Савицкая О.В.

153

79.1–100

1 декада

2 декада

3 декада

0–45.0

0–43.0

0–28.0

45.1–79.0

Сентябрь

43.1–75.0

28.1–49.0

75.1–100

49.1–100

Северо-Кавказский федеральный округ

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

1 декада

2 декада

3 декада

0–26.0

0–25.0

0–20.0

0–23.0

0–21.0

0–25.0

0–34.0

0–30.0

0–41.0

0–45.0

0–27.0

26.1–46.0

25.1–44.0

20.1–34.0

23.1–40.0

21.1–37.0

25.1–44.0

34.1–59.0

34.1–60.0

30.1–53.0

41.1–72.0

45.1–79.0

45.1–78.0

27.1–47.0

46.1–100

44.1–100

34.1–100

40.1–100

37.1–100

44.1–100

59.1–100

60.1–100

53.1–100

72.1–100

79.1–100

78.1–100

47.1–100

Май

Июнь

Июль

Август

Сентябрь

Из таблицы можно наблюдать, что значения границ перехода от VCI к

ГТК достаточно широко варьируют в зависимости от рассматриваемых пе-

риодов и территории. Таким образом, калибровочные кривые позволяют

достаточно гибко настраивать переход от VCI к ГТК, учитывая климатиче-

ские особенности территории и сезонность.

2.3. Результаты мониторинга засух

В соответствии с этими градациями засух были получены карты

оценки засушливых условий по спутниковому изображению VIIRS. На

рис. 4 и 5 для примера показаны карты, полученные по спутниковым дан-

ным VIIRS в сравнении с картами, полученными по наземным данным с

помощью АОСОЗ по территории Северо-Кавказского и Южного федераль-

ных округов за первую и третью декады августа 2023 года.

На территории Южного и Северо-Кавказского федеральных округов в

начале августа атмосферная засуха средней и сильной интенсивности

начала охватывать все большие площади, и к концу месяца преимуще-

ственно сильной интенсивности распространилась на преобладающую тер-

риторию округа. Из карт можно наблюдать, что как по наземным, так и по

спутниковым данным эта тенденция хорошо улавливается.

154

Агрометеорологические прогнозы

Рис. 4. Оценка засухи по спутниковым (а, в) и наземным (б, г) данным за

первую декаду августа (а, б) и третью декаду августа (в, г) 2023 г. по

территории Северо-Кавказского федерального округа.

Fig. 4. Drought assessment based on satellite (a, в) and ground-based (б, г) data

for the first decade of August (a, б) and the third decade of August (в, г) 2023 for

the territory of the North Caucasus Federal District.

В результате исследований был создан программный комплекс, с по-

мощью которого возможно проводить оценку засушливых условий по

спутниковой и наземной метеорологической информации для территорий

Южного и Северо-Кавказского федеральных округов. Программный ком-

плекс включает в себя базу данных, модуль оценки засух, интерфейс поль-

зователя и модуль визуализации данных. Программный модуль оценки за-

сух, интерфейс пользователя и модуль визуализации данных разработаны

на языке Delphi.

Для удобного взаимодействия пользователя с программой в интер-

фейсе пользователя реализованы удобные элементы графического управ-

ления для импорта, анализа, обработки, сохранения и визуализации дан-

ных. В модуле визуализации реализовано построение карт засушливых

условий, полученных по калибровочным кривым между VCI и ГТК, а

также для отображения разработаны карты классификации земель и про-

странственного распределения NDVI и VCI.

Клещенко А.Д., Савицкая О.В.

155

Рис. 5. Оценка засухи по спутниковым (а, в) и наземным (б, г) данным за

первую декаду августа (а, б) и третью декаду августа (в, г) 2023 г. по

территории Южного федерального округа

Fig. 5. Drought assessment based on satellite (a, в) and ground-based (б, г) data

for the first decade of August (a, б) and the third decade of August (в, г) 2023 for

the territory of the Southern Federal District

Заключение

Разработана процедура комплексирования наземной и спутниковой

информации для мониторинга засух, основанная на использовании тесто-

вых участков в районе расположения метеорологических станций

Росгидромета с целью построения калибровочных зависимостей между

спутниковым вегетационным индексом (VCI) и наземным индексом засухи

(ГТК). Интегральные (суммированные за определенный период) вегетаци-

онные индексы, обладая достаточно высокой теснотой связи с ГТК, могут

являться спутниковыми аналогами этого индекса, что позволяет использо-

вать их при выявлении засух и оценке их интенсивности. Проведенные рас-

четы по оценке засушливости для территории рассматриваемых федераль-

ных округов с использованием полученных зависимостей показали

неплохую сходимость с данными, полученными по наземной информации.

Хотя такое сравнение является достаточно условным, учитывая характери-

стику (в первую очередь пространственное разрешение) используемой

156

Агрометеорологические прогнозы

информации в методах расчета. В дальнейшем предполагается провести

апробацию рассматриваемого подхода для других территорий Российской

Федерации и разработать оперативную технологию мониторинга засух на

основе комплексирования наземной и спутниковой информации.

Список литературы

1. Клещенко А.Д., Асмус В.В., Страшная А. И, Кровотынцев В.А., Вирченко

О.В., Савицкая О.В., Береза О.В., Василенко Е.В., Сухарева В.В., Моргунов Ю.А.,

Косякин С.А. Мониторинг засух на основе наземной и спутниковой информации //

Метеорология и гидрология. 2019. № 11. С. 95-108.

2. Клещенко А.Д., Страшная А.И., Вирченко О.В., Чуб О.В., Хомякова Т.В.,

Задорнова О.И. Мониторинг засух на основе наземной и спутниковой информации

// Труды ВНИИСХМ. 2013. Вып. 38. С. 87-108.

3. Проблемы мониторинга засух / под ред. Гингоф И.Г., Клещенко А.Д., Жу-

ков В.А. СПб.: Гидрометеоиздат, 2000. 244 с.

4. Селянинов Г.Т. О сельскохозяйственной оценке климата // Труды по сель-

скохозяйственной метеорологии. 1928. Вып. 20. С. 165-177.

5. Спивак Л.Ф., Батырбаева М.Ж., Витковская И.С., Муратова Н. Р., Берды-

гулов Н.И., Момбекова Д.К., Жаксыбекова К.А., Капатай Ж.Т. Возможность ис-

пользования спутниковых данных при оценке засушливости на территории Казах-

стана // Гидрометеорология и экология. 2016. № 3. С. 26-36.

6. Справочник по показателям и индексам засушливости // ВМО-№1173.

2016. 60 с.

7. Страшная А.И., Пурина И.Э., Чуб О.В., Задорнова О.И., Чекулаева Т.С. Ав-

томатизированная технология мониторинга и расчета количества декад с почвен-

ной и атмосферно-почвенной засухой под зерновыми культурами // Труды Гидро-

метцентра России. 2013. Вып. 349. С. 161-175.

8. Щербенко Е.В. Дистанционные методы выявления сельскохозяйственной

засухи // Современные проблемы дистанционного зондирования Земли из космоса.

2007. Вып. 4. Том 2. С. 408-419.

9. Kogan F. N. NOAA / AVHRR Satellite Data-Based Indices for Monitoring Ag-

ricultural Droughts // Monitoring and Predicting Agricultural Drought. Oxford: Univer-

sity Press, 2005. P. 79-89.

10. Monitoring and Predicting Agricultural Drought / Ed. by Vijendra K. Boken,

Arthur P. Cracknell, Ronald L. Heathcote. Oxford, 2005. 472 p.

11. Remote Sensing of Agriculture and Land Cover/ Land Use Changes in South

and Southeast Asian Countries / Ed. by Krishna Prasad Vadrevu, Thuy Le Toan,

Shibendu Shankar Ray, Chris Justice. Springer, 2022. 617 p.

References

1. Kleshchenko A.D., Asmus V.V., Strashnaya A. I, Krovotyntsev V.A., Virchenko

O.V., Sa-vitskaya O.V., Bereza O.V., Vasilenko E.V., Sukhareva V.V., Morgunov Yu.A.,

Kosyakin S.A. Drought monitoring based on ground and satellite data. Russ. Meteorol.

Hydrol. 2019, vol. 44, no. 11, рр. 772-781 [in Russ.].

2. Kleshchenko A.D., Strashnaya A.I., Virchenko O.V., Chub O.V., Khomyakova

T.V., Zadornova O.I. Monitoring zasukh na osnove nazemnoi i sputnikovoi informatsii

[Drought monitoring based on ground-based and satellite information]. Trudy

Клещенко А.Д., Савицкая О.В.

157

VNIISKhM [Proceedings of All-Russian Research Institute of Agricultural Meteorology],

2013, no. 38, pp. 87-108 [in Russ.].

3. Problemy monitoringa zasukh [Problems of drought monitoring]. Ed. by Gingof

I.G., Kleshchenko A.D., Zhukov V.A. Saint Petersburg: Gidrometeoizdat publ., 2000,

244 p. [in Russ.].

4. Selyaninov G.T. O sel'skokhozyaistvennoi otsenke klimata [About agricultural

climate assessment]. Trudy po sel'skokhozyaistvennoi meteorologii. [Proceedings on Ag-

ricultural Meteorology], 1928, no. 20, pp. 165-177 [in Russ.].

5. Spivak L.F., Batyrbaeva M.Zh., Vitkovskaya I.S., Muratova N. R., Berdygulov

N.I., Mombekova D.K., Zhaksybekova K.A., Kapatai Zh.T. Vozmozhnost' ispol'zovaniya

sputnikovykh dannykh pri otsenke zasushlivosti na territorii Kazakhstana [Possibility of

using satellite data in assessing aridity in Kazakhstan]. Gidrometeorologiya i ekologiya

[Hydrometeorology and Ecology], 2016, no. 3, pp. 26-36 [in Russ.].

6. Spravochnik po pokazatelyam i indeksam zasushlivosti [Handbook of indicators

and indices of aridity]. World Meteorological Organization, 2016, no. 1173, 60 p.

[in Russ.].

7. Strashnaya A.I., Purina I.E., Chub O.V., Zadornova O.I., Chekulaeva T.S. Auto-

mated technology for monitoring and calculating the number of decades with soil and

atmospheric-soil drought under grain crops. Trudy Gidromettsentra Rossii [Proceedings

of the Hydrometcentre of Russia], 2013, no 349, pp. 161-175 [in Russ.].

8. Shcherbenko E.V. Distantsionnye metody vyyavleniya sel'skokhozyaistvennoi

zasukhi [Remote methods for detecting agricultural drought]. Sovremennye problemy

distantsionnogo zondirovaniya Zemli iz kosmosa [Modern problems of remote sensing

of the Earth from space], 2007, no. 4, vol. 2, pp. 408-419 [in Russ.].

9. Kogan F. N. NOAA / AVHRR Satellite Data-Based Indices for Monitoring Ag-

ricultural Droughts. Monitoring and Predicting Agricultural Drought. Oxford: University

Press, 2005, pp. 79-89.

10. Monitoring and Predicting Agricultural Drought. Ed. by Vijendra K. Boken,

Arthur P. Cracknell, Ronald L. Heathcote. Oxford, 2005, 472 p.

11. Remote Sensing of Agriculture and Land Cover/ Land Use Changes in South

and Southeast Asian Countries. Ed. by Krishna Prasad Vadrevu, Thuy Le Toan,

Shibendu Shankar Ray, Chris Justice. Springer, 2022, 617 p.

Поступила 25.06.2024; одобрена после рецензирования 24.09.2024;

принята в печать 15.10.2024.

Submitted 25.06.2024; approved after reviewing 24.09.2024;

accepted for publication 15.10.2024.