Актуальность. Мониторинг почв пахотных угодий с помощью данных ДЗЗ получил широкое распространение в последние десятилетия. Дистанционные методы позволяют получать большое количество информации о свойствах и функционировании почв агроэкосистем, что необходимо для борьбы с проблемой деградации почвенных ресурсов и укрепления продовольственной безопасности. При этом широко используется техника создания мультивременных композитов, однако на текущий момент для территории России существует нехватка таких разработок. Также существует нехватка данных для оценки точности выделения открытой поверхности почвы для создания композитов.
Цель. Оценить эффективность подходов выделения открытой поверхности почвы и создать мультивременной композит для территории пахотных угодий России.
Объект исследования – пахотные земли Российской Федерации. Они занимают 13% от площади страны и преимущественно сосредоточены в центральной лиственно-лесной, лесостепной и степной почвенно-биоклиматической области, включающей серые и каштановые почвы, чернозёмы; в меньшей степени представлена зона дерново-подзолистых почв южной тайги и другие территории. Для изучения были выбраны 10 районов в регионах различных почвенных зон (Калининградская, Тверская, Владимирская, Брянская, Волгоградская обл., Краснодарский, Ставропольский, Приморский край, респ. Мордовия). Для каждого района выбрано 5 участков полей площадью 300*300 м, обладающие однородным землепользованием. Методы. Использовались спутниковые данные Landsat 5 и Landsat 8 второго уровня обработки (Level 2 Tier 1) (отражательная способность) для обеспечения однородного покрытия всего периода наблюдений 1984-2025. На первом этапе все снимки выгружались для каждого участка, производилась предобработка и фильтрация облачных снимков. Снимки размечались вручную на принадлежность к ОПП и пригодность для анализа по набору критериев (цвет, структура изображения, значения спектральных индексов, сравнение с другими снимками коллекции и снимками очень высокого разрешения). На первом этапе использовались спектральные индексы NDVI, NBR2 и BSI; далее также рассматривались другие индексы для сравнения с подходами выделения ОПП в литературе. Для каждого индекса оценивалась эффективность выделения открытой поверхности. Затем, по всем данным оценивалась эффективность различных методов машинного обучения (логистическая регрессия, метод опорных векторов, случайный лес, градиентный бустинг) и подходов с пороговыми значениями для выделения ОПП. С помощью метода дерева решений были определены оптимальные пороговые значения. На втором этапе с помощью выявленных порогов выгружались композиты открытой поверхности почвы для указанных районов и оценивались их характеристики: площадь и глубина покрытия, качество изображения, спектральные характеристики.
Результаты. Был получен датасет, содержащий 9176 снимков (1120 после балансировки классов и регионов). В исходном датасете доля ОПП составила 24% в среднем (8%-40% в зависимости от региона). Наиболее эффективными спектральными индексами оказались NBR2 (общая точность 96%), VNSIR (93%), BSI (92%) – индексы, основанные на SWIR2 спектральном канале. Другие индексы показали различную точность от 76% до 86%, спектральные каналы оказались менее эффективны (59% – 80%). Все модели показали близкие результаты по общей точности (95%-97%), подходы из литературы оказались менее эффективны (70%-90%). Оптимальными порогами по дереву решений стали: NBR2 < 0.088 (97% важность признака) и NDVI < 0.333 (3% важность признака). Точность итоговой модели для разных регионов варьировала от 91% до 98%. Выводы. Определён оптимальный способ создания композита ОПП для территории пашни России методом пороговых значений: открытая почва определяется как NBR2 < 0.088 & NDVI < 0.333. Создан композит на отдельные участки пашни России и предложен подход к созданию композита для всей территории пашни.