Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

DOI: 10.24411/2619-0761-2020-10017
УДК 528.8.04

ИСПОЛЬЗОВАНИЕ МНОГОЗОНАЛЬНЫХ КОСМИЧЕСКИХ СНИМКОВ

ДЛЯ ЦЕЛЕЙ ГЕОИНФОРМАЦИОННОГО МОНИТОРИНГА
И АНАЛИЗА ПРОСТРАНСТВЕННЫХ ХАРАКТЕРИСТИК
СЕЛЬСКОХОЗЯЙСТВЕННОГО ЗЕМЛЕПОЛЬЗОВАНИЯ*
Зарубин О.А.*, Ларина А.В., Саулин В.А., Шабайкина В.А.
Национальный исследовательский Мордовский государственный университет им. Н.П. Огарева,
г. Саранск, Россия
*E–mail: oleg-zarubin@list.ru
Аннотация. В статье проанализированы концептуальные основы системы геоинформа-
ционного мониторинга сельскохозяйственного землепользования, функционирующей в
Российской Федерации. На современном этапе развития науки и практики использование
географических информационных систем при автоматизированном дешифрировании много-
зональных космических снимков является важнейшим инструментом для принятия верных
управленческих решений в области землеустройства, оптимизации сельскохозяйственного
землепользования и информационным базисом для оперативного мониторинга, оценки
состояния сельскохозяйственных культур, прогнозирования их урожайности.
Рассмотрены возможности применения многозональных космических снимков Landsat-8
для целей геоинформационного мониторинга и анализа пространственных данных, необхо-
димых для обеспечения сельскохозяйственного землепользования. В качестве источника
данных дистанционного зондирования Земли (ДЗЗ) использована библиотека географическо-
го портала Геологической службы Соединенных Штатов Америки. Работы выполнены в
ГИС ArcGIS. Апробация методик анализа пространственных данных осуществлена на
примере научно-исследовательского тестового полигона «Чеберчинка», расположенного в
лесостепи эрозионно-денудационных равнин Приволжской возвышенности в администра-
тивных границах Республики Мордовия.
Авторами в статье реализованы методика предварительной обработки многозональных
космических снимков и алгоритмы их классификации (с обучением и без обучения) для
моделирования структуры сельскохозяйственного землепользования на базе концепции Land
Cover, являющейся частью программы стран Европейского союза «Coordination of infor-
mation on the environment» (CORINE). Для оценки состояния сельскохозяйственных культур
выполнен расчет нормализованного разностного вегетационного индекса (NDVI, Normalized
Difference Vegetation Index). Проведены анализ динамики изменения биомассы в течение
вегетационного периода и количественная оценка неоднородности индекса NDVI за 2018 г.
по результатам расчета показателей для различных видов сельскохозяйственных культур:
клевер, кукуруза, пшеница, рапс, рожь, ячмень.
Ключевые слова: многозональные космические снимки, пространственные данные,
метаданные, ГИС, вегетационный индекс, NDVI, сельское хозяйство, Landsat-8.

Р
Введение. лированными в Стратегии пространствен-
ационализация территориаль- ного развития Российской Федерации на
ной организации системы период до 2025 года [2], развитие террито-
сельскохозяйственного земле- рий сельских поселений и межселенных
пользования является одним территорий – одна из приоритетных задач
из важнейших условий устойчивого эколого- государства и общества при ответе на
социально-экономического развития регио- современные вызовы.
нов [1]. В соответствии с задачами, сформу-
Содержимое этой работы может использоваться в соответствии с условиями лицензии Creative Commons
Attribution 4.0. Любое дальнейшее распространение этой работы должно содержать указание на автора (ов)
и название работы, цитирование в журнале и DOI.
Землеустройство, кадастр и мониторинг земель 37
Вектор ГеоНаук/Vector of Geosciences
Очевидно, что ее решение основано на
глубоком анализе региональных и локаль-
ных природно-социально-производственных
систем, особенностей хозяйственного
(сельскохозяйственного, селитебного и др.)
освоения, выработке эффективных решений
в сфере оптимизации структуры землеполь-
зования, ведения сельского хозяйства,
градостроительного освоения. Такая
постановка вопроса требует наличия мощ-
ной информационной основы принятия
управленческих решений, интегрирующей
разноотраслевую пространственно распреде-
ленную информацию.
В условиях развития цифровой экономи-
ки в России особое значение для сельского
хозяйства имеет совершенствование методов
анализа пространственных данных,
совершенствование методик обновления и
верификации имеющихся метаданных о
пространственных объектах, выступающих
территориальной основой сельскохозяй-
ственного землепользования. Опыт
региональных исследований [3...5 и др.]
показывает, что разработка комплексного
свода данных об организации системы
землепользования целесообразно на базе
создания практико-ориентированных ГИС,
реализующих возможности получения,
хранения, интерпретации и распространения
знаний о почвенно-земельных, минерально-
сырьевых, водных, лесных, биологических и
других ресурсах. При этом региональная
информационная система, интегрирующая
отраслевые исследования в области оптими-
зации землепользования, должна включать
три основных блока [4, 6]: 1) ГИС; 2) систе-
му анализа данных ДЗЗ; 3) геопортальную
модель. Проектирование такой информаци-
онной системы предполагает: 1) разработку
и обоснование концептуальной модели
геоинформационного обеспечения оптими-
зации системы регионального землепользо-
вания; 2) разработку методологии и методов
тематического картографирования структу-
ры землепользования на основе обработки и
анализа данных ДЗЗ; 3) проектирование и
обновление баз пространственно-
распределенных данных, электронных ана-
литических и синтетических карт в структу-
ре региональной ГИС, формирующих банк
пространственно распределенных данных
Землеустройство, кадастр и мониторинг земель
3(2) 2020
системы землепользования; 4) разработку
эффективного решения визуализации и
распространения информации – проектиро-
вание геопортала как пользовательско-
ориентированного web-проекта.
В Российской Федерации значительная
часть обозначенных задач решается в рамках
системы мониторинга земель, являющейся
частью государственного экологического
мониторинга. Общие принципы данного
механизма устанавливаются в статье 67
Земельного кодекса Российской Федерации
от 25.10.2001 г. № 136-ФЗ [7], детализиру-
ются Постановлением Правительства
Российской Федерации от 09.08.2013 г.
№ 681 [8], приказом Министерства экономи-
ческого развития Российской Федерации от
26.12.2014 г. № 852 [9], приказом Министер-
ства сельского хозяйства Российской Феде-
рации от 24.12.2015 г. № 664 [10] и другими
документами.
Анализ нормативно-правовой базы
осуществления мониторинга земель показы-
вает, что его информационное обеспечение
во многом основывается на использовании
триады, обозначенной выше: ГИС – система
анализа данных ДЗЗ – геопортальное
решение.
В области мониторинга земель сельско-
хозяйственного назначения в соответствии с
Федеральным законом от 29.12.2006 г.
№ 264-ФЗ [11] и Постановлением Прави-
тельства Российской Федерации от
07.03.2008 г. № 157 [12] создана система
государственного информационного обеспе-
чения в сфере сельского хозяйства (СГИО
СХ). Посредством применения информаци-
онно-телеком-муникационных технологий
осуществляется автоматизированный сбор,
хранение, обработка, анализ и экспорт дан-
ных, взаимодействие с другими государ-
ственными информационными системами.
Помимо этого, с 2018 г. в стране функциони-
рует Единая федеральная информационная
система о землях сельскохозяйственного
назначения и землях, используемых или
предоставленных для ведения сельского хо-
зяйства в составе земель иных категорий
(ЕФИС ЗСН) [13], предназначенная для ин-
формационного сопровождения Министер-
ства сельского хозяйства Российской Феде-
рации и профильных государственных
структур и организаций.
38
Вектор ГеоНаук/Vector of Geosciences
Федеральные информационные систе-
мы, обеспечивающие мониторинговые
процессы в сфере сельскохозяйственного
землепользования, в ряде субъектов Россий-
ской Федерации дополняются собственными
разработками, ориентированными на
оптимизацию сельского хозяйства (рис. 1).
В настоящее время актуальной остается
задача взаимодействия баз данных таких
Рис. 1. Внедрение региональных информационных систем мониторинга земель
в субъектах Российской Федерации
Так, по оценкам Министерства сельско-
го хозяйства Российской Федерации [14]
Республика Мордовия одной из первых
успешно внедрила собственную региональ-
ную информационную систему в практику
принятия управленческих решений в сфере
оптимизации сельского хозяйства. С 2016 г.
в регионе функционирует геопортальный
сервис Геоаналитического центра управле-
ния АПК Республики Мордовия (http://
agrogis.e-mordovia.ru). Основной целью со-
здания геосервиса является реализация агро-
производственного потенциала республики.
В основе функционирования информацион-
ной системы лежит принцип верификации
имеющихся данных ЕГРН, отражение систе-
мы фактического землепользования, реально
сложившейся в ходе хозяйственного освое-
ния природно-социально-производственных
систем региона.
Землеустройство, кадастр и мониторинг земель
3(2) 2020
региональных систем с ЕФИС ЗСН в части
состава, формата, механизмов обработки и
визуализации мониторинговых показателей.
В большинстве субъектов работа региональ-
ных информационных систем сочетается с
геопортальным решением, обеспечивающим
дифференциацию пользовательского досту-
па к контенту.
Региональные геоинформационные
системы мониторинга земель значительно
различаются по структуре, функциональным
возможностям, архитектурным и интер-
фейсным решениям, что зависит от особен-
ностей систем сельскохозяйственного земле-
пользования, а также от специфики работы
регионального органа управления агропро-
мышленным комплексом, агрохимслужбы.
Несмотря на это, проведенный обзор пока-
зывает, что в работе сервисов выделяются
два ключевых направления: 1) оперативный
мониторинг неиспользуемых сельскохозяй-
ственных угодий, отслеживание динамики
вывода/ввода земельных участков в сельско-
хозяйственный оборот; 2) учет, инвентариза-
ция, систематизация и оперативное обнов-
ление метаданных (площадь, вид угодий,
классификационные единицы почвенного
покрова, агрохимические параметры,
39
Вектор ГеоНаук/Vector of Geosciences
возделываемые культуры, динамика всходов
озимых/яровых культур и др.) в пределах
пространственных объектов – сельскохозяй-
ственных землепользований.
Основная часть. Для решения обозна-
ченных задач одним из основных источни-
ков формирования баз пространственно
распределенных данных являются материа-
лы ДЗЗ – многозональные и гиперспектраль-
ные космические снимки. В проведенном
исследовании с использованием ГИС-
технологий предпринята попытка отработки
ряда методик тематической обработки мно-
гозональных космических снимков Landsat-8
для целей картографирования структуры
сельскохозяйственного землепользования и
мониторинга состояния сельскохозяйствен-
ных угодий. Архивные материалы ДЗЗ полу-
чены с официального сайта геологической
службы США (https://glovis.usgs.gov). Их об-
работка была произведена в программе
ArcGIS 10.2.2. Ранее данные многозональ-
ные космические снимки зарекомендовали
себя при решении сходных задач картогра-
фирования сельскохозяйственного земле-
пользования [3] и мониторинга состояния
растительного покрова населенных пунктов
[15, 16].
Практика региональных исследований
[3, 4, 17 и др.] показывает, что в основе
Рис. 2. Географическое положение научно-исследовательского полигона «Чеберчинка»
Землеустройство, кадастр и мониторинг земель
3(2) 2020
реализации методик обработки данных ДЗЗ
при решении прикладных задач заложена их
апробация на системе тестовых полигонов,
отличающихся хорошей изученностью и
репрезентативностью ландшафтных характе-
ристик, параметров землепользования.
Такой подход призван обеспечить релевант-
ный характер интерпретируемых результа-
тов и возможность масштабирования в
условиях региона.
В настоящей статье такая задача
решалась на базе тестового научно-
исследовательского полигона «Чеберчинка»
– одной из территорий, используемых в
Мордовском университете для отработки и
верификации существующих и разработан-
ных технологий дешифрирования многозо-
нальных космических снимков [17].
Полигон расположен в северной лесостепи
Приволжской возвышенности; охватывает
почти всю территорию Дубенского,
юго-восточную часть Атяшевского и северо-
восточную часть Большеберезниковского
муниципальных районов Республики
Мордовии (рис. 2). Визуальный анализ
космических снимков в естественных цветах
показывает, что для территории наиболее
характерны высокая сельскохозяйственная и
селитебная освоенность. Лесные массивы
дешифрируются фрагментарно.
40
Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

На предварительном этапе снимки Land- – выбор спектральных каналов снимка

sat-8 были радиометрически скорректирова- (создание синтезированного изображения).
ны (откалиброваны) с помощью пересчета В качестве основной выбрана комбинация
безразмерного нормализованного значения каналов 6–5–4 (в позициях R–G–B). В ходе
DN (Digital Number) в отражательную спо- предыдущих экспериментов [3] установлено,
собность (reflectance). Вычисления были что такая комбинация позволяет наиболее
проведены в два этапа согласно методике, уверенно детектировать пространственные
рекомендуемой Геологической службой конфигурации сельскохозяйственных угодий
США [18]. и антропогенных поверхностей (населенные
На первом этапе по формуле (1) было пункты, дорожная сеть);
рассчитано земное спектральное отражение – выбор алгоритма классификации
pλʼ без поправки на солнечный угол: снимка и реализация процедуры дешифриро-
вания. В работе апробированы алгоритмы
pλʼ = Mρ ×Qcal + Aρ, (1)
без обучения (ISODATA) и с обучением
где Mρ – коэффициент мультипликативного (метод максимального подобия). Для
масштабирования отражения для спектраль- реализации второго алгоритма был заранее
ного канала; Qcal – значение DN пикселя определен набор эталонных участков, одно-
изображения уровня обработки L1 значно интерпретируемых при визуальном
(исходный растр); Aρ – аддитивный мас- анализе космических снимков высокого
штабный коэффициент отражения для спек- пространственного разрешения;
трального канала. – тематическая интерпретация классов.
Далее по формуле (2) рассчитывались Выделены следующие классы землепользо-
значения яркости, выраженные через отра- вания согласно терминологии CORINE:
жательную способность pλ: искусственная поверхность (застройка
pλ = pλʼ / sin (ƟSE), (2) населенных пунктов, дорожная сеть); пашня;
гетерогенные сельскохозяйственные районы
где ƟSE – угол падения солнечных лучей. (многолетние культуры, лугово-пастбищные
Задача инвентаризационного картогра- комплексы); лиственные, хвойные и
фирования структуры землепользования смешанные леса; внутренние воды (водоемы
полигона решалась на основе составления и водотоки) (рис. 3);
карты Land cover, концепция которой реали- – векторизация конечного растра.
зуется странами Евросоюза в программе Анализ полученных моделей показывает,
CORINE [19]. что физиономичные классы землепользова-
Для моделирования пространственных ния детектируются не всегда уверенно. Так,
объектов (структуры землепользования) искусственные поверхности при классифи-
научно-исследовательского полигона выпол- кации без обучения определяются с больши-
нялись следующие операции: ми ошибками, что связано, вероятно, с невы-
– экспертное определение потенциаль- сокой плотностью застройки в населенных
ного количества классов землепользований. пунктах, расположенных на территории
Предварительное визуальное дешифрирова- полигона. Эффективнее данный класс
ние проводилось на основе космических дешифрируется при обучении выборки:
снимков высокого пространственного разре- увереннее выделяется не только структура
шения, скаченных с соответствующим фай- жилой застройки, но и дорожная сеть. Более
лом привязки с сервиса Sas.Planet. Всего точно проводятся границы между классами
программа CORINE предусматривает 44 лиственных лесов и сельскохозяйственных
класса земной поверхности на трех иерархи- областей.
ческих уровнях. При картографировании С другой стороны, трудноразличимые на
необходимо проводить предварительный снимках естественных цветов неглубокие
анализ потенциального числа типологиче- водные объекты уверенно выделяются при
ских единиц землепользования, чтобы избе- автоматизированном дешифрировании. Это
жать отнесения пикселей с близкими спек- связано с наличием в выборке каналов
тральными параметрами к разным классам; красного и инфракрасного диапазонов,
Землеустройство, кадастр и мониторинг земель 41
Вектор ГеоНаук/Vector of Geosciences
обеспечивающих разграничение раститель-
ных сообществ, гидроморфных геокомплек-
сов и водных объектов.
Последующие эксперименты должны
быть направлены на экстраполяцию
полученного опыта за счет увеличения
перечня классов сельскохозяйственного и
иного землепользований, не представленных
на территории полигона.
Рис. 3. Результаты проектирования карты фактического землепользования
полигона «Чеберчинка» (фрагмент)
Большинство технологических решений
по изучению параметров растительного
покрова на базе многозональных космиче-
ских снимков основываются на расчете
вегетационных индексов – формализован-
ных выражений, где в качестве переменных
выступают яркостные характеристики
каналов. Вычисление большинства индексов
основано на особенностях отражательной
способности растений в красном и ближнем
инфракрасном диапазонах спектра [20, 21].
С увеличением фитомассы в границах
пикселя значения яркости растут в ближней
инфракрасной зоне и снижаются в красной.
Для геоинформационного мониторинга
посевов сельскохозяйственных культур
использован один из наиболее распростра-
ненных вегетационных индексов – NDVI,
Землеустройство, кадастр и мониторинг земель
3(2) 2020
Использование инструментальных
методик обработки данных ДЗЗ для целей
картографирования сельскохозяйственного
землепользования позволяет не только
анализировать границы классов земной
поверхности, но и проводить оперативный
тематический мониторинг состояния
сельскохозяйственных культур обновлять
метаданные пространственных объектов.
предложенный в 1973 г. J.W. Rouse, R.H.
Haas, J.A. Schell, D.W. Deering. Значения ин-
декса варьируются в интервале от – 1 до 1.
Чем выше расчетное значение, тем больше
фитомасса, регистрируемая в пределах пик-
селя. В работе использовалась традиционная
формула (3) его вычисления [20, 21]:
NDVI = (NIR – Red)/(NIR + Red), (3)
где NIR – отражение в ближней инфракрас-
ной области спектра; RED – отражение в
красной области спектра.
Расчет вегетационного индекса произво-
дился для посевов сельскохозяйственных
культур в пределах границ научно-
исследовательского полигона «Чеберчинка»
по материалам архивных многозональных
снимков за 2018 г. Для анализа выбраны
42
Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

поля, на которых произрастают клевер, Для визуализации индексной карты

кукуруза, пшеница, рапс, рожь и ячмень.
Для анализа динамики биомассы были
обработаны снимки за следующие даты
вегетационного периода 2018 г.: 8 мая,
18 июня, 27 июля, 12 августа, 28 августа,
22 сентября. Выбор указанных временных
дат связан с наличием материалов космофо-
тосъемки на территории полигона в
соответствующий период вегетации
растительности.
NDVI полученные значения классифициро-
ваны на 6 классов в цветовой гамме от крас-
ного до зеленого. Статистическая обработка
выполнена с помощью встроенного в ГИС
ArcGIS модуля «Статистика». Полученные
карты наглядно отражают изменение
биомассы сельскохозяйственных культур в
течение вегетационного периода 2018 г.
(рис. 4).

Рис. 4. Динамика вегетационного индекса NDVI тестовых полей

полигона «Чеберчинка», 2018 г. (фрагмент)

Из шести полученных индексных в первую очередь, различием в биомассе, так

изображений наименьшая степень вегетации
характерна для 8 мая и 22 сентября (менее
0,1), наибольшая степень вегетации отмеча-
лась 27 июля. На данную дату максимальной
биомассой среди сельскохозяйственных
культур характеризуются поля, занятые
ячменем (0,69), а минимальной – рожью
(0,40).
На представленных индексных картах
NDVI пространственная неоднородность
имеется как внутри границ, что обусловлено,
и между отдельными выделами в разрезе
сельскохозяйственных культур. Последний
факт обусловливается различными условия-
ми проведения опытов: неоднородностью
почв, условиями гидроморфности и др. Для
количественной оценки неоднородности
NDVI по пикселям в границах полей были
рассчитаны показатели статистики: среднее,
минимальное и максимальное значения
(табл. 1).

Землеустройство, кадастр и мониторинг земель 43

Вектор ГеоНаук/Vector of Geosciences 3(2) 2020
Таблица 1
Статистика NDVI сельскохозяйственных культур в пределах тестовых полей полигона «Чеберчинка»
08.05.2018 18.06.2018 27.07.2018
М σ v Min Max М σ v Min Max М σ v Min Max
Клевер 0,06 0,02 33,3 0,01 0,10 0,35 0,09 25,7 0,04 0,59 0,65 0,08 12,3 0,36 0,83
Кукуруза 0,05 0,02 40,0 0,01 0,09 0,09 0,03 33,3 0,03 0,61 0,68 0,11 16,2 0,27 0,86
Пшеница 0,05 0,02 40,0 0,01 0,08 0,27 0,04 14,8 0,16 0,54 0,41 0,09 22,0 0,26 0,84
Рапс 0,04 0,01 25,0 0,01 0,07 0,26 0,09 34,6 0,10 0,72 0,59 0,13 22,0 0,32 0,87
Рожь 0,05 0,02 40,0 0,01 0,09 0,24 0,05 20,8 0,17 0,57 0,40 0,13 32,5 0,28 0,81
Ячмень 0,02 0,01 50,0 0,01 0,04 0,25 0,08 32,0 0,03 0,80 0,69 0,10 14,5 0,38 0,90

12.08.2018 28.08.2018 22.09.2018

М σ v Min Max М σ V Min Max М σ v Min Max
Клевер 0,19 0,04 21,1 0,11 0,29 0,12 0,04 33,3 0,09 0,19 0,03 0,01 33,3 0,01 0,04
Кукуруза 0,25 0,04 16,0 0,09 0,35 0,18 0,03 16,7 0,07 0,25 0,03 0,01 33,3 0,01 0,06
Пшеница 0,15 0,03 20,0 0,11 0,33 0,11 0,02 18,2 0,08 0,23 0,02 0,01 50, 0,01 0,06
Рапс 0,23 0,07 30,4 0,12 0,41 0,17 0,05 29,4 0,08 0,29 0,04 0,01 25,0 0,02 0,08
Рожь 0,13 0,03 23,1 0,09 0,26 0,11 0,02 18,2 0,07 0,18 0,02 0,01 50,0 0,02 0,05
Ячмень 0,21 0,06 28,9 0,04 0,41 0,14 0,05 35,7 0,03 0,29 0,02 0,01 50,0 0 0,10

Зональная статистика NDVI для ячменя хлорофилла сокращается, а также с началом

в наибольшей степени отличалась по полям
по сравнению с остальными культурами. Эта
разница может быть обусловлена неодно-
родностью почвенных условий. На 27 июля
минимальные значения индекса характерны
для полей, занятых светло-серыми лесными
почвами (0,38), максимальные значения –
темно-серыми лесными и черноземами (0,68
и 0,9 соответственно). Для остальных
культур такая тенденция прослеживается в
меньшей степени.
Динамика среднего значения NDVI
рассмотрена по шести исследуемым сельско-
хозяйственным культурам (рис. 5). На рис. 5
приводится обобщенное значение для всех
полей в разрезе соответствующей культуры.
График сезонных изменений NDVI показы-
вает, что начало активного прироста биомас-
сы начинается у всех культур преимуще-
ственно в период с 8 мая по 18 июня.
Наиболее позднее начало данного периода
характерно для кукурузы. С 18 июня на
графике наблюдается резкий прирост
биомассы с максимальным значением 27
июля. На графике видно, что наибольшей
биомассой среди сельскохозяйственных
культур в этот период характеризуется
ячмень, а наименьшей – рожь. С 12 августа
происходит снижение значений вегетацион-
ного индекса в связи с наступлением
фазы колошения, при которой содержание
сезонного сбора урожая. Таким образом,
период основного прироста биомассы
наблюдается с 18 июня до 12 августа.
Таким образом, индекс NDVI позволяет
проследить динамику роста зеленой биомас-
сы растений и ее снижение при созревании
сельскохозяйственных культур за весь пери-
од вегетации. При этом данный показатель
может существенно варьироваться в про-
странстве, принимая различные значения на
полях, занятых одной культурой. Получен-
ные в результате анализа сведения можно
применить для дальнейших исследований по
прогнозированию урожайности сельскохо-
зяйственных культур.
Заключение. Современные тенденции
нормативного правового обеспечения, опыт
функционирования федеральных информа-
ционных ресурсов и региональных сервисов
в сфере мониторинга сельскохозяйственного
землепользования показывают, что в основе
оперативного решения стратегических задач
пространственного развития территорий за-
ложены геоинформационные и космические
технологии, обеспечивающие обновление и
верификацию метаданных. В связи с этим,
стрежневая линия обеспечения принятия
управленческих решений в области
мониторинга сельскохозяйственных земель
и формирования верифицированных инфра-
структур пространственных данных в сфере

Землеустройство, кадастр и мониторинг земель 44

Вектор ГеоНаук/Vector of Geosciences
сельскохозяйственного землепользования
объединяет ГИС, систему обработки данных
ДЗЗ и web-ориентированный ГИС-проект.
Рис. 5. Динамика средних значений NDVI сельскохозяйственных культур в 2018 г.
Узловая роль дешифрирования материа-
лов ДЗЗ заключается в решении следующих
принципиальных задач, получивших апроба-
цию в настоящей работе: 1) инвентаризаци-
онное картографирование и оперативный
мониторинг пространственной структуры
землепользования в условиях процессов
интенсивного хозяйственного освоения; 2)
тематическое геоинформационное картогра-
фирование состояния сельскохозяйственных
культур с целью формирования метаданных
пространственных объектов.
* Исследование выполнено при финансо-
вой поддержке РФФИ в рамках научного
проекта № 20-37-70055.
Литература
1. Зарубин О.А. Территориальное плани-
рование и землеустройство как механизмы
ландшафтно-экологической оптимизации
сельскохозяйственного землепользования
[Эл. ресурс] // Современные проблемы
территориального развития. 2020. № 1.
2. Об утверждении Стратегии простран-
ственного развития Российской Федерации
на период до 2025 года [Эл. ресурс]: Распо-
ряжение Правительства Российской Федера-
Землеустройство, кадастр и мониторинг земель
3(2) 2020
ции от 13 февраля 2019 г. № 207-р. URL:
http://www.consultant.ru/document/
cons_doc_LAW_318094/006fb940f95ef67a1a3
fa7973b5a39f78dac5681/ (дата обращения:
04.05.2020).
3. Носонов А.М., Зинина Л.И., Тесленок
С.А., Иванова И.А., Макар С.В., Зарубин
О.А. Инновационный потенциал сельского
хозяйства России. Саранск: Изд-во НИ МГУ
им. Н.П. Огарѐва, 2019. 220 с.
4. Ямашкин А.А., Ямашкин С.А., Зару-
бин О.А., Фролов А.Н. Геоинформационное
обеспечение ландшафтно-экологических ис-
следований в оптимизации землепользова-
ния // В сб.: Структура, динамика и функци-
онирование природно-социально-производ-
ственных систем: наука и практика. 2018.
С. 65-74.
5. Ямашкин А.А., Ямашкин С.А.,
Москалева С.А., Акашкина А.Г., Фролов
А.Н. Геоинформационный мониторинг
состояния природно-социально-производ-
ственных систем для целей землеустрой-
ства // В сб.: Природа и общество: в
поисках гармонии: сб. науч. статей конф.
Смоленск: Изд-во Универсум, 2015.
С. 182-188.
45
Вектор ГеоНаук/Vector of Geosciences
6. Ямашкин А.А., Фролов А.Н., Ямаш-
кин С.А. Базовые геоинформационные
ресурсы для оптимизации регионального
землепользования // Международный научно
-исследовательский журнал. 2016.
№ 11-2 (53). С. 85-88.
7. Земельный кодекс Российской Феде-
рации [Эл. ресурс]: Федеральный закон от
25 октября 2001 г. № 136-ФЗ (ред. от 27
июня 2019 г.). URL: http://www.consultant.ru/
document/cons_doc_LAW_33773/ (дата обра-
щения: 04.05.2020).
8. О государственном экологическом
мониторинге (государственном мониторинге
окружающей среды) и государственном
фонде данных государственного экологиче-
ского мониторинга (государственного мони-
торинга окружающей среды) (вместе с
«Положением о государственном экологиче-
ском мониторинге (государственном мони-
торинге окружающей среды) и государ-
ственном фонде данных государственного
экологического мониторинга (государст-
венного мониторинга окружающей среды)»)
[Эл. ресурс]: Постановление Правительства
Российской Федерации от 9 августа 2013 г.
№ 681 (ред. от 30 ноября 2018 г.). URL:
http://www.consultant.ru/document/
cons_doc_LAW_150638/.
9. Об утверждении Порядка осуществле-
ния государственного мониторинга земель,
за исключением земель сельскохозяйствен-
ного назначения [Эл. ресурс]: Приказ Мини-
стерства экономического развития Россий-
ской Федерации от 26 декабря 2014 г. № 852.
URL: http://www.consultant.ru/document/
cons_doc_LAW_175349/ (дата обращения:
04.05.2020).
10. Об утверждении Порядка осуществ-
ления государственного мониторинга земель
сельскохозяйственного назначения [Эл.
ресурс]: Приказ Министерства сельского
хозяйства Российской Федерации от 24 де-
кабря 2015 г. № 664. URL: http://
www.consultant.ru/document/
cons_doc_LAW_195686/ (дата обращения:
04.05.2020).
11. О развитии сельского хозяйства [Эл.
ресурс]: Федеральный закон от 29 декабря
2001 г. № 78-ФЗ (ред. от 25 декабря 2018 г.).
URL: http://www.consultant.ru/document/
cons_doc_LAW_64930/ (дата обращения:
Землеустройство, кадастр и мониторинг земель
3(2) 2020
04.05.2020).
12. О создании системы государственно-
го информационного обеспечения в сфере
сельского хозяйства [Эл. ресурс]: Постанов-
ление Правительства Российской Федерации
от 7 марта 2008 г. № 157 (ред. от 20 ноября
2018 г.). URL: http://www.consultant.ru/
document/cons_doc_LAW_75414/ (дата обра-
щения: 04.05.2020).
13. О вводе в эксплуатацию единой
федеральной информационной системы о
землях сельскохозяйственного назначения и
землях, используемых или предоставленных
для ведения сельского хозяйства в составе
земель иных категорий [Эл. ресурс]: Приказ
Министерства сельского хозяйства России
от 2 апреля 2018 г. № 130. URL: http://
www.consultant.ru/cons/cgi/online.cgi?
req=doc&base=EXP&n=717686#03815496059
461918 (дата обращения: 04.05.2020).
14. Об использовании земель сельскохо-
зяйственного назначения в Российской Фе-
дерации в 2017 году [Эл. ресурс]: государ-
ственный доклад. URL: http://mcx.ru/upload/
iblock/126/126b1552f6db8d71c3736a5a2354a6
98.pdf (дата обращения: 04.05.2020).
15. Кустов М.В., Зарубин О.А., Саулин
В.А., Авдюшкина Ю.Н., Токарев А.А.
Пространственно-временной анализ измене-
ния состояния растительности по данным
дистанционного зондирования Земли (на
примере зоны строительства юго-западного
шоссе в г. Саранск) // Современные пробле-
мы территориального развития. 2018. № 3.
16. Кустов М.В., Зарубин О.А., Саулин
В.А. Анализ состояния растительности на
основе вычисления вегетационных индексов
по данным дистанционного зондирования
Земли (на примере городского округа
Саранск) // В сб.: XLVI Огарѐвские чтения:
сб. науч. трудов по итогам конф. Саранск:
Изд-во Мордов. ун-та, 2018. С. 126-129.
17. Ямашкин А.А., Ямашкин С.А.,
Кликунов А.А., Акашкина А.Г., Шукшин
Ю.С. Применение ГИС в анализе морфоло-
гической структуры ландшафтов // Вестник
Удмуртского университета. Серия Биология.
Науки о Земле. 2013. № 3. С. 115-122.
18. Landsat 8 (L8) : data users handbook.
Sioux Falls: USGS, 2019. 106 p.
46
Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

19. Büttner G., Manakos I., Braun M. 21. NDVI: Теория и практика. URL:
Corine Land Cover and Land Cover Change http:gis-lab.info/qa/vi.html (дата обращения
Products. Springer, 2014. 55-74 p. 06.03.2020).
20. Черепанов А.С., Дружинина Е.Г.
Спектральные свойства растительности и
вегетационные индексы // Геоматика. 2009.
№ 3 (4). С. 28-32.

Контактные данные:
Зарубин Олег Александрович, эл. почта: oleg-zarubin@list.ru
Ларина Алена Викторовна, эл. почта: larina2705@yandex.ru
Саулин Василий Александрович, эл. почта: saulin11@mail.ru
Шабайкина Виктория Александровна, эл. почта: shabaykinav@yandex.ru

© Зарубин О.А., Ларина А.В., Саулин В.А., Шабайкина В.А., 2020

Землеустройство, кадастр и мониторинг земель 47

Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

THE USE OF MULTIZONE SATELLITE IMAGERY FOR THE PURPOSE OF

GEOINFORMATION MONITORING AND ANALYSIS OF SPATIAL CHARAC-
TERISTICS OF AGRICULTURAL LAND USE
O.A. Zarubin*, A.V. Larina, V.A. Saulin, V.A. Shabaikina
National Research Ogarev Mordovia State University, Saransk, Russia
*E–mail: oleg-zarubin@list.ru
Abstract. The conceptual basis of the system of geoinformation monitoring of agricultural land
use of the Russian Federation is analyzed in the article. The use of geographical information
systems for the automated decoding of multizone satellite imagery is an essential tool for making
correct management decisions in the field of land management, optimizing agricultural land use
and an information basis for operational monitoring, assessing the state of crops, and predicting
their productivity at the present stage of development of science and practice.
The possibilities of using Landsat-8 multi-zonal satellite images for the purposes of geoinfor-
mation monitoring and analysis of spatial data are considered. They are necessary to ensure agri-
cultural land use. The library of the geographic portal of the Geological Survey of the United States
of America was used as a source of Earth Remote Sensing data. The work was performed in GIS
ArcGIS. The testing of spatial data analysis techniques was carried out using the Cheberchink
research and development test site as an example. The territory is located in the forest-steppe of
erosion-denudation plains of the Volga Upland in the administrative borders of the Republic of
Mordovia.
The pre-processing technique for multizone satellite imagery and the algorithms for their
classification (with and without training) were implemented by the authors in an article to model
the structure of agricultural land use based on the Land Cover concept. This concept is part of the
European Union's «Coordination of information on the environment» (CORINE) program. The
calculation of the normalized differential vegetation index (NDVI, Normalized Difference Vegeta-
tion Index) was performed to assess the condition of crops. An analysis of the dynamics of changes
in biomass and a quantitative assessment of the heterogeneity of the NDVI index were carried out
according to the results of calculating indicators for various types of crops: clover, corn, wheat,
rape, rye, barley. The calculations were carried out during the growing season of 2018.
Keywords: multizone satellite imagery, spatial data, metadata, GIS, vegetation index, NDVI,
agriculture, Landsat-8.

References fa7973b5a39f78dac5681/ (data obrashcheniya:

04.05.2020). (rus)
1. Zarubin O.A. Territorial'noe planirovanie
3. Nosonov A.M., Zinina L.I., Teslenok
i zemleustrojstvo kak mekhanizmy landshaftno
S.A., Ivanova I.A., Makar S.V., Zarubin O.A.
-ekologicheskoj optimizacii sel'skohozyajstven-
nogo zemlepol'zovaniya [Spatial planning and Innovacionnyj potencial sel'skogo hozyajstva
Rossii [Innovative potential of Russian agricul-
land management as mechanisms for landscape
ture]. Saransk: Izd-vo NI MGU im. N.P. Og-
-ecological optimization of agricultural land
aryova, 2019. 220 p. (rus)
use] [El. resurs] // Sovremennye problemy
4. Yamashkin A.A., Yamashkin S.A.,
territorial'nogo razvitiya. 2020. № 1. (rus)
Zarubin O.A., Frolov A.N. Geoinformacionnoe
2. Ob utverzhdenii Strategii prostranstven-
obespechenie landshaftno-ekologicheskih issle-
nogo razvitiya Rossijskoj Federacii na period
dovanij v optimizacii zemlepol'zovaniya
do 2025 goda [On approval of the Spatial De-
[Geoinformation support of landscape-
velopment Strategy of the Russian Federation
ecological research in land use optimization] //
for the period until 2025] [El. resurs]:
V sb.: Struktura, dinamika i funkcionirovanie
Rasporyazhenie Pravitel'stva Rossijskoj Feder-
prirodno-social'no-proizvodstvennyh sistem:
acii ot 13 fevralya 2019 g. № 207-r. URL:
nauka i praktika. 2018. Pp. 65-74. (rus)
http://www.consultant.ru/document/
cons_doc_LAW_318094/006fb940f95ef67a1a3

Землеустройство, кадастр и мониторинг земель 48

Вектор ГеоНаук/Vector of Geosciences
5. Yаmashkin A.A., Yаmashkin S.A.,
Moskaleva S.A., Akashkina A.G., Frolov A.N.
Geoinformacionnyj monitoring sostoyaniya
prirodno social'no proizvodstvennyh sistem
dlya celej zemleustrojstva [Geoinformation
monitoring of the state of natural social
production systems for land management pur-
poses] // V sb.: Priroda i obshchestvo: v
poiskah garmonii: sb. nauch. statej konf.
Smolensk: Izd-vo Universum, 2015.
Pp. 182-188. (rus)
6. Yamashkin A.A., Frolov A.N., Yamash-
kin S.A. Bazovye geoinformacionnye resursy
dlya optimizacii regional'nogo zem-
lepol'zovaniya [Basic geoinformation resources
for optimizing regional land use] // Mezhdu-
narodnyj nauchno-issledovatel'skij zhurnal.
2016. № 11-2 (53). Pp. 85-88. (rus)
7. Zemel'nyj kodeks Rossijskoj Federacii
[The Land Code of the Russian Federation] [El.
resurs]: Federal'nyj zakon ot 25 oktyabrya
2001 g. № 136-FZ (red. ot 27 iyunya 2019 g.).
URL: http://www.consultant.ru/document/
cons_doc_LAW_33773/ (data obrashcheniya:
04.05.2020). (rus)
8. O gosudarstvennom ekologicheskom
monitoringe (gosudarstvennom monitoringe
okruzhayushchej sredy) i gosudarstvennom
fonde dannyh gosudarstvennogo
ekologicheskogo monitoringa (gosudarstven-
nogo monitoringa okruzhayushchej sredy)
(vmeste s «Polozheniem o gosudarstvennom
ekologicheskom monitoringe (gosudarstven-
nom monitoringe okruzhayushchej sredy) i
gosudarstvennom fonde dannyh gosudarstven-
nogo ekologicheskogo monitoringa
(gosudarstvennogo monitoringa okruzhayush-
chej sredy)») [On state environmental monitor-
ing (state environmental monitoring) and the
state fund of state environmental monitoring
data (state environmental monitoring) (together
with the “Regulation on state environmental
monitoring (state environmental monitoring)
and the state fund of state environmental moni-
toring data (state monitoring environment) ”)]
[El. resurs]: Postanovlenie Pravitel'stva Ros-
sijskoj Federacii ot 9 avgusta 2013 g. № 681
(red. ot 30 noyabrya 2018 g.). URL: http://
www.consultant.ru/document/
cons_doc_LAW_150638/. (rus)
9. Ob utverzhdenii Poryadka
osushchestvleniya gosudarstvennogo moni-
Землеустройство, кадастр и мониторинг земель
3(2) 2020
toringa zemel', za isklyucheniem zemel' sel'sko-
hozyajstvennogo naznacheniya [On approval of
the State monitoring of land, with the exception
of agricultural land] [El. resurs]: Prikaz Minis-
terstva ekonomicheskogo razvitiya Rossijskoj
Federacii ot 26 dekabrya 2014 g. № 852. URL:
http://www.consultant.ru/document/
cons_doc_LAW_175349/ (data obrashcheniya:
04.05.2020). (rus)
10. Ob utverzhdenii Poryadka
osushchestvleniya gosudarstvennogo moni-
toringa zemel' sel'skohozyajstvennogo
naznacheniya [On approval of the Procedure for
the implementation of state monitoring of agri-
cultural lands] [El. resurs]: Prikaz Ministerstva
sel'skogo hozyajstva Rossijskoj Federacii ot 24
dekabrya 2015 g. № 664. URL: http://
www.consultant.ru/document/
cons_doc_LAW_195686/ (data obrashcheniya:
04.05.2020). (rus)
11. O razvitii sel'skogo hozyajstva [On the
development of agriculture] [El. resurs]: Feder-
al'nyj zakon ot 29 dekabrya 2001 g. № 78-FZ
(red. ot 25 dekabrya 2018 g.). URL: http://
www.consultant.ru/document/
cons_doc_LAW_64930/ (data obrashcheniya:
04.05.2020). (rus)
12. O sozdanii sistemy gosudarstvennogo
informacionnogo obespecheniya v sfere
sel'skogo hozyajstva [On the creation of a sys-
tem of state information support in the field of
agriculture] [El. resurs]: Postanovlenie Pravi-
tel'stva Rossijskoj Federacii ot 7 marta 2008 g.
№ 157 (red. ot 20 noyabrya 2018 g.). URL:
http://www.consultant.ru/document/
cons_doc_LAW_75414/ (data obrashcheniya:
04.05.2020). (rus)
13. O vvode v ekspluataciyu edinoj feder-
al'noj informacionnoj sistemy o zemlyah
sel'skohozyajstvennogo naznacheniya i zem-
lyah, ispol'zuemyh ili predostavlennyh dlya
vedeniya sel'skogo hozyajstva v sostave zemel'
inyh kategorij [On the commissioning of a uni-
fied federal information system on agricultural
lands and lands used or provided for farming as
part of lands of other categories][El. resurs]:
Prikaz Ministerstva sel'skogo hozyajstva Rossii
ot 2 aprelya 2018 g. № 130. URL: http://
www.consultant.ru/cons/cgi/online.cgi?
req=doc&base=EXP&n=717686#03815496059
461918 (data obrashcheniya: 04.05.2020). (rus)
49
Вектор ГеоНаук/Vector of Geosciences 3(2) 2020

14. Ob ispol'zovanii zemel' sel'sko-
hozyajstvennogo naznacheniya v Rossijskoj
Federacii v 2017 godu [On the use of agricul-
tural land in the Russian Federation in 2017]
[El. resurs]: gosudarstvennyj doklad. URL:
http://mcx.ru/upload/
iblock/126/126b1552f6db8d71c3736a5a2354a6
98.pdf (data obrashcheniya: 04.05.2020). (rus)
15. Kustov M.V., Zarubin O.A., Saulin
V.A., Avdyushkina Yu.N., Tokarev A.A. Pros-
transtvenno-vremennoj analiz izmeneniya sos-
toyaniya rastitel'nosti po dannym distancion-
nogo zondirovaniya Zemli (na primere zony
stroitel'stva yugo-zapadnogo shosse v g. Sa-
ransk) [Spatio-temporal analysis of changes in
the state of vegetation according to remote sens-
ing of the Earth (for example, the construction
zone of the south-western highway in the city of
Saransk)] // Sovremennye problemy territori-
al'nogo razvitiya. 2018. № 3. (rus)
16. Kustov M.V., Zarubin O.A., Saulin
V.A. Analiz sostoyaniya rastitel'nosti na osnove
vychisleniya vegetacionnyh indeksov po
dannym distancionnogo zondirovaniya Zemli
(na primere gorodskogo okruga Saransk)
[Analysis of the state of vegetation based on the
calculation of vegetation indices according to
remote sensing of the Earth (for example, the
city district of Saransk)] // V sb.: XLVI
Ogaryovskie chteniya: sb. nauch. trudov po
itogam konf. Saransk: Izd-vo Mordov. un-ta,
2018. Pp. 126-129. (rus)
17. Yamashkin A.A., Yamashkin S.A.,
Klikunov A.A., Akashkina A.G., Shukshin
Yu.S. Primenenie GIS v analize morfolo-
gicheskoj struktury landshaftov [The use of
GIS in the analysis of the morphological struc-
ture of landscapes] // Vestnik Udmurtskogo
universiteta. Seriya Biologiya. Nauki o Zemle.
2013. № 3. Pp. 115-122. (rus)
18. Landsat 8 (L8) : data users handbook.
Sioux Falls: USGS, 2019. 106 p.
19. Büttner G., Manakos I., Braun M.
Corine Land Cover and Land Cover Change
Products. Springer, 2014. 55-74 p.
20. Cherepanov A.S., Druzhinina E.G.
Spektral'nye svojstva rastitel'nosti i vege-
tacionnye indeksy [Spectral properties of vege-
tation and vegetation indices] // Geomatika.
2009. № 3 (4). Pp. 28-32. (rus)
21. NDVI: Teoriya i praktika [NDVI: The-
ory and Practice]. URL: http:gis-
vi.html (data obrashcheniya 06.03.2020).

Contacts:
Oleg A. Zarubin, oleg-zarubin@list.ru
Alyona V. Larina, larina2705@yandex.ru
Vasily A. Saulin, saulin11@mail.ru
Viktoriya A. Shabaikina, shabaykinav@yandex.ru

© Zarubin, O.A., Larina, A.V., Saulin, V.A., Shabaikina, V.A., 2020

Зарубин О.А., Ларина А.В., Саулин В.А., Шабайкина В.А. Использование многозональных
космических снимков для целей геоинформационного мониторинга и анализа простран-
ственных характеристик сельскохозяйственного землепользования // Вектор ГеоНаук.
2020. Т.3. №2. С. 37-50. DOI: 10.24411/2619-0761-2020-10017.
Zarubin, O.A., Larina, A.V., Saulin, V.A., Shabaikina, V.A., 2020. The use of multizone
satellite imagery for the purpose of geoinformation monitoring and analysis of spatial
characteristics of agricultural land use. Vector of Geosciences. 3(2). Pp. 37-50. DOI:
10.24411/2619-0761-2020-10017.

Землеустройство, кадастр и мониторинг земель 50