A COMPLEX APPROACH TO MONITORING SEASONAL CHANGES IN THE HIGH-ALTITUDE ECOSYSTEMS OF THE MULTA LAKES BASED ON REMOTE SENSING DATA
A COMPLEX APPROACH TO MONITORING SEASONAL CHANGES IN THE HIGH-ALTITUDE ECOSYSTEMS OF THE MULTA LAKES BASED ON REMOTE SENSING DATA
Abstract
The article presents the testing of a complex algorithm for processing satellite data to evaluate the intra-annual dynamics of the water surface, snow cover, and vegetation cover of a high-mountain lake complex on the example of the Multa Lakes (Republic of Altai). The aim of the study is to develop and test a reproducible multi-index approach to the joint analysis of interrelated natural components within a single buffer zone. Data from 17 Landsat 8–9 scenes for 2024 were used as source data. The processing was performed using NDVI, MNDWI, and NDSI indices with cloud masking and classification. The implemented algorithm allowed for a coordinated analysis of seasonal changes in vegetation, water surface, and snow cover. It was found that during the warm period, the water surface area varied between 3 and 4 km², with a maximum in October and a minimum in July, while the maximum NDVI values were recorded in July. The combined use of the three indices made it possible to clarify the interpretation of the water surface in conditions of partial coverage by ice and snow. The scientific novelty of the work lies in the implementation of a multi-index algorithm in the analysis of a unified lake buffer system. The practical significance lies in the possibility of applying the suggested approach for remote monitoring of hard-to-reach high-altitude lakes by nature reserve administrations, water management and scientific organisations.
1. Введение
В условиях современного изменения климата высокогорные экосистемы Алтая относятся к числу наиболее чувствительных природных систем. Региональные климатические трансформации выражаются в повышении температуры воздуха и изменении режима осадков, что оказывает влияние на ледниковые и озерные комплексы . К началу XXI века ледниковые системы региона демонстрируют устойчивую тенденцию к сокращению, отражающую долгосрочную перестройку климатических условий . Деградация оледенения сопровождается изменением структуры питания горных водоемов и перераспределением сезонной роли талых вод.
Для озер, расположенных в зоне ледниково-снежного питания, данные процессы могут проявляться в трансформации внутригодовой динамики площади водного зеркала, изменении снежного покрова и особенностях прибрежных экосистем . При этом высокогорное положение и труднодоступность территории существенно ограничивают возможности проведения регулярных полевых наблюдений, что затрудняет получение сопоставимых данных о сезонных изменениях компонентов озерной экосистемы.
В данной ситуации методы дистанционного зондирования Земли (ДЗЗ) выступают ключевым инструментом исследования и мониторинга высокогорных природных комплексов. Спутниковые данные обеспечивают регулярность наблюдений и позволяют проводить одновременную оценку водной поверхности, снежного покрова и состояния растительности. Вместе с тем в ряде исследований анализ взаимосвязей природных компонентов осуществляется преимущественно на основе сравнения отдельных спектральных индексов с климатическими параметрами , . Так, в работе Schultz P.А. и Halpert M.S. выполнен глобальный анализ пространственной изменчивости корреляций между NDVI, температурой и осадками на основе данных AVHRR с пространственным разрешением 1°×1° . Авторами выявлены широтные закономерности климатического ограничения растительности и показан потенциал совместного использования NDVI и температуры для мониторинга биоклимата. Однако глобальный масштаб исследования и крупное пространственное усреднение не позволяют учитывать морфологические особенности конкретных природных комплексов, включая высокогорные озерные системы. В исследованиях регионального уровня, включая работу Гусева А. П. , основное внимание уделяется многолетней динамике NDVI как индикатора состояния растительного покрова и его связи с климатическими трендами. При этом анализ, как правило, сосредоточен на одном спектральном индексе и ориентирован на выявление межгодовых изменений, без одновременной оценки водной поверхности и снежного покрова в пределах одной озерной экосистемы. Схожий моноиндексный подход реализован и в исследованиях горных территорий. Так, П.А. Шарый и Л.С. Шарая анализировали пространственную изменчивость NDVI горных лесов Северного Кавказа во взаимосвязи с климатическими и геоморфометрическими факторами . Несмотря на учет рельефа и температурных условий, работа ограничена оценкой только растительного компонента без рассмотрения водных и нивальных процессов. В работах, посвященных непосредственно озерным системам, акцент чаще делается на динамике акватории. Например, H. Yue, Y. Liu и соавторы исследовали многолетние изменения площади озера Hongjiannao на основе водного индекса MNDWI , что позволило выявить сезонные колебания водного зеркала. Однако использование одного водного индекса не дает возможности оценить сопряженные изменения снежного питания и растительности озера. Изменения природных комплексов Алтайского региона на бассейновом уровне рассмотрены в работе Д.В. Черных и соавторов , где проанализирована пространственно-временная динамика ландшафтов водосборов за длительный период. Вместе с тем исследование ориентировано на межгодовые ландшафтные трансформации и не затрагивает детальную внутригодовую взаимосвязанную динамику водной поверхности, снежного покрова и растительности в пределах отдельных высокогорных озер.
Таким образом, несмотря на наличие работ, посвященных анализу связей NDVI с климатическими параметрами, комплексная оценка внутригодовой взаимосвязанной динамики водной, снежной и растительной переменных в пределах конкретного высокогорного озерного комплекса остается недостаточно разработанной.
Актуальность работы обусловлена необходимостью разработки дистанционного подхода к оценке сезонных изменений водной поверхности, снежного покрова и растительности в пределах единого высокогорного озерного комплекса. Реализация такого подхода позволяет перейти от разрозненного анализа отдельных показателей к целостной характеристике функционирования озерной экосистемы.
Научная новизна заключается в разработке и апробации алгоритма интегрированного мультииндексного анализа, основанного на одновременном применении трех спектральных индексов. В отличие от существующих исследований, использующих один индекс или их парные сочетания, предложенный подход обеспечивает системное рассмотрение сезонных взаимосвязей компонентов нивально-озерных экосистем.
Применение только одного индекса позволяет оценить состояние отдельного природного компонента без учета факторов его формирования. Использование двух индексов расширяет аналитические возможности, однако не дает целого представления о последовательности сезонных процессов, включая трансформацию снежного питания, изменение площади водного зеркала и отклик прибрежной растительности. Одновременный анализ трех индексов позволяет проследить связь «снежный покров — гидрологический режим озера - состояние растительности».
Так, разработанный алгоритм реализован в условиях высокогорных озер Алтая, что ранее не выполнялось в дистанционных исследованиях региона. В отличие от бассейновых, глобальных и моноиндексных работ, предложенный подход ориентирован на детальный внутригодовой анализ динамики взаимосвязанных природных компонентов в пределах конкретного озерного комплекса ледниково-снежного питания.
Практическая значимость работы определяется возможностью использования алгоритма для мониторинга труднодоступных озерных систем. Результаты могут быть применены структурами Росгидромета, дирекциями ООПТ, водохозяйственными и научными организациями при оценке сезонной водности, состояния экосистем и последствий климатических изменений в горных регионах.
Объектом исследования выбраны Мультинские озера, расположенные в Усть-Коксинском районе Республики Алтай на территории Катунского заповедника. Каскад трех озер протягивается вдоль северного склона Катунского хребта в верхнем течении реки Мульта. Озера имеют моренно-подпрудное происхождение и сформированы деятельностью ледника в один из периодов похолодания . Питание осуществляется водами реки Мульта и притоками, формирующимися за счет сезонного таяния ледников и снежников.
Верхнее Мультинское озеро расположено на высоте 1799 м над уровнем моря (49°55'01" с.ш., 85°50'40" в.д.) и имеет площадь 0,42 км². В 6,5 км ниже по течению находится Среднее Мультинское озеро (1648 м; 49°59'01" с.ш., 85°49'43" в.д.) площадью 0,92 км². Нижнее Мультинское озеро (1629 м; 50°0'9.14" с.ш., 85°49'52" в.д.) отделено от Среднего мореной, по которой формируется водопад Шумы высотой около 20 м . Береговые участки озер различаются по морфологическим условиям: западные и восточные представлены крутыми склонами хребтов, южные приурочены к зонам впадения реки Мульта, северные характеризуются заболоченностью либо наличием моренных отложений . Почвенный покров водосбора подчинен высотной зональности: для берегов Среднего и Нижнего озер характерны бурые горно-лесные почвы, сменяющиеся в направлении Верхнего озера субальпийскими . Растительность прибрежной зоны разнообразна: в лесах преобладают кедровая сосна (Pinus sibirica) и лиственница (Larix sibirica), подлесок представлен травами и кустарниками, например, жимолость (Lonicera), брусника (Vaccinium vitis-idaea), также можно встретить грибы и лишайники: кладония оленья (Cladonia rangiferina), аскомицеты (Ascomycota).
Мультинские озера являются памятником природы республиканского значения , что определяет необходимость разработки инструментов регулярного дистанционного мониторинга их состояния в условиях климатической трансформации и возрастающей антропогенной нагрузки.
Целью исследования является разработка и апробация комплексного мультииндексного подхода к оценке внутригодовой динамики высокогорной озерной экосистемы на основе данных дистанционного зондирования Земли.
2. Материалы и методы
Для исследования использовались данные спутниковой съемки Landsat 8-9 OLI/TIRS Collection 2 Level-1, предоставляемые Геологической службой США (USGS) . Выбор данных Landsat обусловлен оптимальным сочетанием пространственного разрешения (30 м) и временной повторяемости съемки (16 дней), что позволяет фиксировать сезонную динамику природных компонентов в пределах относительно небольших высокогорных озерных комплексов.
В анализ включены 17 сцен 2024 года (таблица 1), отобранных с учетом минимальной облачности над сценой и территорией исследования. Использование данных одного календарного года позволило проследить внутригодовую динамику водной поверхности, снежного покрова и растительности в пределах озерной системы.
Таблица 1 - Использованные спутниковые снимки
№ | Идентификатор снимка | Дата съемки | Облачность (%) | |
над сценой | Над сушей | |||
1 | LC81450252024013LGN00 | 13.01.2024 | 10,79 | 10,79 |
2 | LC91450252024021LGN00 | 21.01.2024 | 2,20 | 2,20 |
3 | LC81450252024029LGN00 | 29.01.2024 | 7,87 | 7,87 |
4 | LC91450252024037LGN00 | 06.02.2024 | 0,55 | 0,55 |
5 | LC91450252024053LGN00 | 22.02.2024 | 0,42 | 0,42 |
6 | LC81450252024061LGN00 | 01.03.2024 | 0,87 | 0,87 |
7 | LC91450252024069LGN00 | 09.03.2024 | 16,81 | 16,81 |
8 | LC81450252024093LGN00 | 02.04.2024 | 10,09 | 10,09 |
9 | LC81450252024141LGN00 | 20.05.2024 | 16,07 | 16,07 |
10 | LC81450252024173LGN00 | 21.06.2024 | 6,76 | 6,76 |
11 | LC91450252024181LGN01 | 29.06.2024 | 8,59 | 8,59 |
12 | LC91450252024197LGN00 | 15.07.2024 | 5,68 | 5,68 |
13 | LC91450252024229LGN00 | 16.08.2024 | 14,38 | 14,38 |
14 | LC81450252024285LGN00 | 11.10.2024 | 19,83 | 19,83 |
15 | LC91450252024325LGN00 | 20.11.2024 | 0,93 | 0,93 |
16 | LC81450252024333LGN00 | 28.11.2024 | 0,71 | 0,71 |
17 | LC91450252024341LGN00 | 06.12.2024 | 2,86 | 2,86 |
Обработка спутниковых данных выполнялась в программной среде ArcGIS 10.5. Границы Мультинских озер получены на основе данных OpenStreetMap (OSM), выгруженных посредством плагина QGIS . На основе полигона озер сформирована буферная зона шириной 500 м. Выбор буферной зоны обусловлен необходимостью учета прибрежных экосистем, непосредственно реагирующих на сезонные изменения уровня воды.
В процессе обработки материалов спутниковой съемки последовательно были восстановлены коэффициенты спектральной яркости (КСЯ), созданы и вырезаны маски облачности, рассчитаны и классифицированы по значениям спектральные индексы (согласно рис. 1). Маскирование облачности выполнялось на основе официального слоя Pixel Quality Assessment (QA_PIXEL) с использованием кодов классификации таблицы 6–3 . Применение масок облаков и теней минимизирует влияние атмосферных искажений и особенностей горного рельефа на точность классификации. Для оценки динамики растительного покрова был рассчитан нормализованный дифференциальный индекс растительности NDVI по . Для оценки динамики водного зеркала и снежного покрова рассчитывались MNDWI и NDSI и разделялись значением 0.4 , . Band 5, Band 4, Band 3 и Band 6 использовались соответственно, как NIR, Red, Green и SWIR каналы. Рассматривались положительные полученные значения NDVI, классифицированные с шагом 0,1 в соответствии с методическими подходами . Положительные значения MNDWI/NDSI интерпретировались как водная поверхность и снежный покров. Алгоритм выполнения исследования представлен на рис. 1.
Рисунок 1 - Алгоритм обработки спутниковых снимков для получения данных о водной поверхности, снежном покрове и растительности
Дополнительно для построения климатограмм использовались ежедневные данные температуры воздуха и осадков , что позволило сопоставить сезонные изменения спектральных характеристик с метеорологическими условиями рассматриваемого года.
Морфометрические характеристики озер (длина, ширина, периметр, средняя ширина) определялись с использованием инструментов Google Earth по снимкам от 24.07.2024 года.
Все этапы обработки данных выполнялись по унифицированному алгоритму (рис. 1), что обеспечивает воспроизводимость методики и возможность ее применения для дистанционного мониторинга других высокогорных озерных систем при наличии аналогичных спутниковых данных.
3. Результаты и обсуждения
Для расчета морфометрических показателей для озер помимо площади были посчитаны длина, ширина, периметр и средняя ширина озера. Длина составила 1,38, 1,67, 2,66 км, ширина: 0,33, 0,68, 0,80 км, периметр: 3,64, 4,44, 6,50 км, средняя ширина: 0,30, 0,55, 0,69 км от Верхнего к Нижнему озеру соответственно. По внешнему облику озера очень похожи (рис.2), это подтвердилось подсчетами показателя компактности, который очень схож между ними и составил 0,91, 0,81, 0,86 от Верхнего к Нижнему, соответственно. Показатель удлиненности озера отличается сильнее, самый большой на Верхнем (4,6), в Среднем и Нижнем 3,03 и 3,85 соответственно. Показатели развития береговой линии озер характеризуются небольшими различиями и изменяются от 2,51 до 2,71.
Рисунок 2 - Объекты исследования
Примечание: по ист. [3]
Среднегодовая сумма осадков в районе озер варьируется в пределах от 550 до 650 мм. Сезон дождей отмечается в период с мая по июль. Уровень воды имеет максимальные значения в мае и июле, в первом случае из-за активного поступления воды из ледников, во втором — пиковых значений осадков . На графике (рис.3) зафиксировано, что площадь озера увеличивается соответственно пикам осадков.
Рисунок 3 - Динамика температуры воздуха, осадков и площади водного зеркала (MNDWI) в 2024 году
Рисунок 4 - Динамика площади снежного покрова (NDSI) с температурой воздуха в 2024 году
Согласно рис. 5, колебания водного и снежного индексов озер соответствуют динамике средних значений густоты растительности. С января по апрель, несмотря на снежный покров, наблюдается небольшое повышение густоты, далее весной — летом площадь уже водного зеркала становится стабильной, а значение густоты увеличивается до максимума 15 июля, далее отрезок осень — зима отличается увеличением снежного покрова и резким уменьшением густоты растительности. Это явление напрямую показывает зависимость растительного покрова от водной и снежной изменчивости. Также можно отметить изменение площади водного зеркала в теплый период с положительными температурами, так, 20 мая — 4,02 км2, 15 июля — 3,19 км2 и 11 октября — 4,16 км2, данная динамика соответствует водному режиму и отличается стабильностью.
Рисунок 5 - Динамика растительного покрова (NDVI) и водного + снежного покровов (MNDWI+NDSI) в 2024 году
4. Заключение
В работе разработан и апробирован воспроизводимый алгоритм комплексной обработки спутниковых данных Landsat 8–9 для совместного анализа водной поверхности, снежного покрова и растительности в пределах единого высокогорного озерного комплекса. В отличие от исследований, основанных на использовании одного спектрального индекса, предложенный мультииндексный подход (NDVI, MNDWI, NDSI) реализован в границах единой 500-метровой буферной зоны, что позволяет учитывать взаимосвязанную динамику природных компонентов и снижает вероятность интерпретационных ошибок в условиях сезонного перекрытия воды льдом и снегом.
Апробация алгоритма на примере Мультинских озер показала, что в течение 2024 года площадь водного зеркала в теплый период варьировалась в пределах 3–4 км² с максимумом в октябре и минимумом в июле, тогда как максимальные значения NDVI фиксировались в июле и соответствовали периоду устойчивых положительных температур. В холодный сезон отмечено закономерное увеличение площади снежного покрова и снижение показателей растительности. Совместный анализ индексов позволил выявить согласованность сезонных изменений и уточнить особенности интерпретации водной поверхности в переходные периоды.
Исследование носит характер методической апробации на материалах одного календарного года, однако предложенный алгоритм может быть масштабирован для многолетнего мониторинга и применен к другим высокогорным озерным системам различного типа.
Практическая значимость работы заключается в возможности применения разработанного подхода для регулярного дистанционного мониторинга высокогорных озер, расположенных в пределах особо охраняемых природных территорий, где проведение систематических полевых наблюдений ограничено. Методика обеспечивает получение сопоставимых данных о сезонной динамике водной поверхности, снежного покрова и растительности без нарушения режима охраны.
Дополнительная прикладная ценность связана с возможностью использования результатов для оценки вклада снежно-ледникового питания в формирование водности озер, ранней диагностики их обмеления или переразвития акватории, а также отслеживания отклика прибрежных экосистем. Информация может применяться природоохранными дирекциями ООПТ, гидрометеорологическими службами и научными организациями при мониторинге состояния высокогорных систем, прогнозе водных ресурсов и обосновании управленческих решений в условиях климатических изменений.