СРАВНИТЕЛЬНЫЙ АНАЛИЗ ДИСТАНЦИОННЫХ МЕТОДОВ КОНТРОЛЯ ОПТИЧЕСКИ АКТИВНЫХ КОМПОНЕНТОВ В ВОДОЕМАХ АЛМААТИНСКОЙ ОБЛАСТИ
DOI:
https://doi.org/10.54668/2789-6323-2026-121-1-24-42Ключевые слова:
Оптически активные компоненты, Озеро Сорбулак, Загрязненность воды, Дистанционный мониторинг, Беспилотный летательный аппарат (БПЛА)Аннотация
В работе описывается набор данных, полученный в ходе полевых экспедиций к озеру Сорбулак и водохранилищу Капчагай. На указанных водоемах произведены облеты в прибрежной зоне с применением БПЛА, оснащенного мультиспектральной камерой. Рассчитаны и картированы спектральные индексы обеспечивающие выявление водной поверхности и наличие в водоемах оптически активных компонентов на основе спутниковых продуктов (MNDWI, NDCI, NDMI, NDWI, NDTI, WRI) и изображений, полученных с борта БПЛА (NDWI, NDCI, WRI, NDTI). Выполнено сравнение качества оценки загрязненности озера оптически активными компонентами с применением спутниковых снимков и снимков полученных с борта БПЛА. Показано, что загрязненность прибрежной зоны озера Сорбулак (мутность и содержание хлорофилла) в несколько раз выше, чем водохранилища Капчагай. БПЛА демонстрируют большую детализацию в малых масштабах, способны выполнять мониторинг с высоким темпоральным и пространственным разрешением. Однако малогабаритные мультиспектральные камеры устанавливаемые на борту БПЛА обладают ограничениями по числу спектральных каналов. БПЛА ограничены и по масштабу выполняемого мониторинга. С другой стороны, спутниковый мониторинг отличается большими масштабами, большим числом спектральных каналов даже в бесплатной версии спутниковых продуктов и, в тоже время, намного меньшим пространственным и временным разрешением. Очевидно, что сочетание возможностей присущих обеим технологиям может повысить качество и оперативность мониторинга крупных водных объектов в зонах существенного антропогенного влияния.
Библиографические ссылки
Albrekht V., Mukhamediev R.I., Popova Y., Muhamedijeva E., Botaibekov A. Top2Vec Topic Modeling to Analyze the Dynamics of Publication Activity Related to Environmental Monitoring Using Unmanned Aerial Vehicles // Publications. – 2025. – Vol. 13(2). – P. 15. – DOI: https://doi.org/10.3390/publications13020015.
Li B., et al. Three-dimensional diffusion patterns of traffic-related air pollutants on the roadside based on unmanned aerial vehicles monitoring // Building and Environment. – 2022. – Vol. 219. – P. 109159. – URL: https://www.sciencedirect.com/science/article/abs/pii/S0360132322003961
Hemamalini R.R., et al. Air quality monitoring and forecasting using smart drones and recurrent neural network for sustainable development in Chennai city // Sustainable Cities and Society. – 2022. – Vol. 85. – P. 104077. – URL: https://www.sciencedirect.com/science/article/abs/pii/S221067072200395X
Arroyo P., et al. Electrochemical gas sensing module combined with unmanned aerial vehicles for air quality monitoring // Sensors and Actuators B: Chemical. – 2022. – Vol. 364. – P. 131815. – URL: https://www.sciencedirect.com/science/article/pii/S0925400522004579
Cozma A., et al. Autonomous Multi-Rotor Aerial Platform for Air Pollution Monitoring // Sensors. – 2022. – Vol. 22, № 3. – P. 860. – URL: https://www.mdpi.com/1424-8220/22/3/860.
De Fazio R., et al. A sensor-based drone for pollutants detection in eco-friendly cities: Hardware design and data analysis application // Electronics. – 2021. – Vol. 11, № 1. – P. 52.
Jiang Y., et al. Identification of the atmospheric boundary layer structure through vertical distribution of PM2.5 obtained by unmanned aerial vehicle measurements // Atmospheric Environment. – 2022. – Vol. 278. – P. 119084. – URL: https://www.sciencedirect.com/science/article/abs/pii/S1352231022001492.
Liu X., et al. Quantification of multifactorial effects on particle distributions at urban neighborhood scale using machine learning and unmanned aerial vehicle measurement // Journal of Cleaner Production. – 2022. – Vol. 378. – P. 134494.
Li C., et al. Investigating the vertical distribution patterns of urban air pollution based on unmanned aerial vehicle gradient monitoring // Sustainable Cities and Society. – 2022. – Vol. 86. – P. 104144.
Sharma R., Arya R. UAV based long range environment monitoring system with Industry 5.0 perspectives for smart city infrastructure // Computers & Industrial Engineering. – 2022. – Vol. 168. – P. 108066.
Minea M., Dumitrescu C.M. Urban Traffic Noise Analysis Using UAV-Based Array of Microphones // Sensors. – 2023. – Vol. 23, № 4. – P. 1912. – URL: https://www.mdpi.com/1424-8220/23/4/1912.
Medvedev A., Telnova N., Alekseenko N., Koshkarev A., Kuznetchenko P., Asmaryan S., Narykov A. UAV-derived data application for environmental monitoring of the coastal area of Lake Sevan, Armenia with a changing water level // Remote Sensing. – 2020. – Vol. 12, № 22. – P. 3821. – URL: https://doi.org/10.3390/rs12223821.
Tenkouano G.T., Cumming B.F., Jamieson H.E. Geochemical and ecological changes within Moira Lake (Ontario, Canada): A legacy of industrial contamination and remediation // Environmental Pollution. – 2019. – Vol. 247. – P. 980–988. – DOI: 10.1016/j.envpol.2019.01.019
Chen J., Liu X., Chen J., Jin H., Wang T., Zhu W., Li L. Underestimated nutrient from aquaculture ponds to lake eutrophication: A case study on Taihu Lake Basin // Journal of Hydrology. – 2024. – Vol. 630. – P. 130749.
Muli J.R. Environmental problems of Lake Victoria (East Africa): what the international community can do // Lakes & Reservoirs: Research & Management. – 1996. – Vol. 2(1–2). – P. 47–53.
Watson S.B., Miller C., Arhonditsis G., Boyer G.L., Carmichael W., Charlton M.N., et al. The re-eutrophication of Lake Erie: Harmful algal blooms and hypoxia // Harmful Algae. – 2016. – Vol. 56. – P. 44–66.
Ramírez-Sánchez H.U., Fajardo-Montiel A.L. Assessment of water quality, ecological and health risks of inland water bodies in Mexico: A case study of Lake Chapala // Asian Journal of Environment & Ecology. – 2024. – Vol. 23(6). – P. 91–108.
Montero D., et al. A standardized catalogue of spectral indices to advance the use of remote sensing in Earth system research // Scientific Data. – 2023. – Vol. 10, № 1. – P. 197.
Mishra S., Mishra D.R. Normalized difference chlorophyll index: A novel model for remote estimation of chlorophyll-a concentration in turbid productive waters // Remote Sensing of Environment. – 2012. – Vol. 117. – P. 394–406.
Prasad A.D., et al. Remote sensing satellite data and spectral indices: an initial evaluation for the sustainable development of an urban area // Sustainable Water Resources Management. – 2022. – Vol. 8, № 1. – P. 19.
Yang Z., Reiter M., Munyei N. Estimation of chlorophyll-a concentrations in diverse water bodies using ratio-based NIR/Red indices // Remote Sensing Applications: Society and Environment. – 2017. – Vol. 6. – P. 52–58.
Nagaraj R., Kumar L.S. Extraction of surface water bodies using optical remote sensing images: A review // Earth Science Informatics. – 2024. – Vol. 17, № 2. – P. 893–956.
Laonamsai J., Julphunthong P., Saprathet T., Kimmany B., Ganchanasuragit T., Chomcheawchan P., Tomun N. Utilizing NDWI, MNDWI, SAVI, WRI, and AWEI for Estimating Erosion and Deposition in Ping River in Thailand // Hydrology. – 2023. – Vol. 10. – P. 70. – DOI: https://doi.org/10.3390/hydrology10030070.
Есырев О.В., Купчишин А.И., Костюк Т.П., Мухамеджанов Э.К., Ходарина Н.Н. Наличие тяжелых металлов в представителях флоры и фауны озера-накопителя Сорбулак // Актуальные проблемы экологии и здоровья человека: материалы конф. – 2015. – С. 74–77.
Озеро Сорбулак алматинская область // Байкал24 – Наука. – URL: https://baikal24-nauka.ru/ozero-sorbulak-almatinskaya-oblast (дата обращения: 08.08.2025).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2026 Фарида Абдолдина, Равиль Мухамедиев, Алексей Терехов, Валентин Смурыгин, Кирилл Гизатулин, Адильхан Сымагулов, Елена Мухамедиева
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
