Оценка динамики аридных экосистем на основе материалов дистанционного зондирования тема диссертации и автореферата по ВАК РФ 25.00.34, кандидат наук Харазми, Расул Сохраб

• Харазми, Расул Сохраб
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Харазми, Расул Сохраб

Оглавление

Введение

ГЛАВА 1. Современные методы космического мониторинга географической среды

1.1. Значение аэрокосмических материалов

1.2. Обзорные свойства снимков

1.3. Свойства электромагнитного спектра

1.4. Космические съемочные системы

1.4. Программа Landsat

1.4.1. Съемочная аппаратура Landsat-5

1.4.2. Съемочная аппаратура Landsat-7

1.4.3. Съемочная аппаратура Landsat-8

1.4.3.1. Сенсор OLI

1.5. Методы и алгоритмы тематической обработки данных космического дистанционного зондирования

1.6. Основные принципы построения систем дешифрирования ДДЗ

1.7. Программное обеспечение, используемое для автоматизированной обработки данных дистанционного зондирования

1.8. Основные возможности ERDAS Imagine

1.9. Алгоритмы классификации

1.9.1. Алгоритмы контролируемой классификации

1.9.1.1. Создание обучающих выборо

1.9.2. Алгоритмы неконтролируемой классификации

1.10. Вегетационные индексы

Выводы к главе 1

ГЛАВА 2. Климатогеографическое описание изучаемого региона

2.1. Общая характеристика засушливых регионов

2.2. Экономико-географическое описание региона исследования

2.2.1. Уязвимые экосистемы

2.2.2. Исторический аспект

2.2.3. Социально-экономическая характеристика

2.3. Экологические проблемы исследуемой территории

2.4. Основные компоненты бассейна Систан

2.4.1. Водохранилище Чах-ниме

2.4.2. Система Хамун

2.4.2.1. Хамун -Пузак

2.4.2.2. Хамун-Сабари

2.4.2.3. Хамун-Гильманд

2.4.2.4. Гауди-зирра

2.5. Экологические проблемы региона Систан

Выводы к главе 2

ГЛАВА 3. Анализ сезонной динамики экосистем бассейна систан по результатам автоматизированной обработки мультиспектральных космических снимков

3.1. Методические основы

3.2. Методика автоматизированной обработки данных

3.2.1. Подбор космических снимков территории исследования

3.2.2. Предварительная обработка данных ДЗЗ

3.2.2.1. Атмосферная коррекция снимков Landsat

3.2.3. Методика автоматизированной классификации

3.2.3.1. Метод формирования обучающих выборок

3.2.3.2. Анализ спектральных профилей основных типов земель на исследуемой территории

3.2.3.3. Выбор эталонов классов

3.2.3.4. Оценка качества эталонов

3.2.3.5. Выбор метода для дешифрирования космических данных

3.2.3.6. Исследование динамики изменений природных экосистем

3.2.4. Анализ результатов контролируемой классификации с учетом сезонности

3.2.5. Оценка точности выделения классов при тематической классификации

3.2.5.1. Оценка точности дешифрирования с использованием матрицы ошибок

3.2.5.2. Оценка точности дешифрирования на основе вегетационных индексов

Выводы к главе 3

ГЛАВА 4. Обнаружение изменений типов земель на основе дешифрирования разновременных космических снимков с учетом сезонности

4.1. Исследование тенденций изменения площадей под различными классами за последние 30 лет

4.2. Оценка количественных изменений в типах земель на исследуемой территории

4.3. Социально-экономические последствия пересыхания водно-болотных угодий

4.3.1. Водные ресурсы и сельскохозяйственная деятельность

4.3.2. Воздействие пыльных бурь

4.3.3. Социально-экономические последствия

4.4. Оценка динамики экосистемы водно-болотных угодий Хамун на основе временных рядов космических снимков по репрезентативному сезону

Выводы к главе 4

Заключение

Список сокращений и условных обозначений

123

Литература

Приложения

Приложение 1. Распределение классов земель, выделенных с использованием маски класса «растительность на суше»

Приложение 2. Распределение классов земель, выделенных с использованием маски класса "Водные поверхности"

Приложение 3. Распределение классов земель, выделенных с использованием маски класса "Обводненная растительность"

Приложение 4. Распределение классов земель, выделенных с использованием маски класса «Пустоши»

Приложение 5. Изменение типов земель с 1987 по 2016 гг. в осенний сезон

Введение диссертации (часть автореферата) на тему «Оценка динамики аридных экосистем на основе материалов дистанционного зондирования»

ВВЕДЕНИЕ

На сегодняшний день, мониторинг деградации почв и водных ресурсов является основной задачей проектировщиков и менеджеров в разных регионах мира [120]. Деградация земель является глобальным процессом, который в конце концов, приводит к потере плодородия почв и становится одной из основных в мире экологических проблем [68, 128]. Деградация земель в аридных районах совмещается с интенсивными естественно-географическими и социально-экономическими явлениями, которые могут стать необратимыми, в том числе с ухудшением состояния окружающей среды [122, 128]. Опустынивание, в процессе деградации земель может быть вызвано многочисленными факторами, создающимися в аридных, полузасушливых и субгумидных регионах. Сложность и возрастающая частота таких явлений, как деградация земель и опустынивание, в текущем столетии, делает необходимым использование новых методов для оценки и мониторинга земель.

Наиболее важными из таких методов являются методы дистанционного зондирования Земли (ДЗЗ) и геоинформатики (создания и использования географических информационных систем - ГИС), связанные со сбором и анализом пространственных данных. С момента запуска первых гражданских спутников, данные дистанционного зондирования стали несравнимо более доступными. В методах дистанционного зондирования заложен огромный потенциал источника информации об окружающей среде, который позволяет охватить очень большие площади по сравнению с традиционными методами наблюдений. Первые же исследования позволили установить, что спутники с оптическими датчиками являются очень эффективным средством мониторинга растительного покрова [134].

Оценка деградации земель в глобальном и региональном масштабе на основе полевых данных часто затруднительна либо невозможна. Дистанционное зондирование (ДЗ), вместе с тем, играет важную роль в решении задач

мониторинга и управления этими областями, позволяя выявлять пространственную структуру землепользования и растительного покрова. Данные знания, в свою очередь, играют важную роль при оценке изменений окружающей среды, в том числе, в аридных регионах.

В настоящее время созданы разнообразные технические средства получения, передачи, хранения, обработки и отображения данных дистанционных съемок. Широко распространены мультиспектральные сканерные, радиолокационные, лазерные и другие съемочные системы. Все большее применение находят цифровые системы обработки изображений, которые дают возможность улучшать изображения, анализировать их и получать количественные характеристики изображенных объектов, в частности, строить тематические карты по данным ДЗЗ, которые является одним из наиболее востребованных источников информации о текущем состоянии объектов земной поверхности.

Широкое применение данных ДЗЗ открыло новые перспективы мониторинга состояния земель и существенно упростило анализ процесса изменений окружающей среды. С другой стороны, применение данных ДЗЗ позволяет осуществлять сбор информации об изменении земельного покрова в более короткое время и с более высокой точностью при низких затратах[128].

Значительная часть Ирана занята аридными территориями, которые простираются из центра на восток и юго-восток страны и характеризуются малым количеством годовых осадков, скудным растительным покровом и низкой плотностью населения. Как правило, постоянные реки и озера отсутствуют в этих районах и сельскохозяйственная деятельность сосредоточена на участках, где доступны грунтовые воды. Систан является уникальной областью, в которой, благодаря поступлению воды из озера Хамун и реки Гильменд, имеется достаточно высокая плотность населения и ведется несколько видов сельскохозяйственной деятельности. В последнее время, экосистема этого озера претерпела изменения в связи с изменением климата и и активной деятельностью человека в данном районе. Засухи, произошедшие за период с 1975 года, стали

причиной снижения уровня воды и периодического полного пересыхания озера. Это привело к многим социально-экономическим последствиям и экологическим проблемам.

Насколько известно автору данной работы, публикации, рассматривающие водно-болотные угодья Хамун как единую экосистему ранее не издавались. Scott, (1995) дают обзор значимых водно-болотных угодий Ближнего Востока, в том числе, угодий Хамун в бассейне Систан по обе стороны государственной границы Ирана и Афганистана. Обзор включает коллекцию фактов и данных о физических, социально-экономических, экологических и управленческих аспектах водно-болотных угодий [127].

ООН инициировала миссию по оценке состояния окружающей среды в Афганистане в 2002 году [131]. Группа исследователей побывала в ряде регионов, в том числе, в долине Гильменд и в районе водно-болотных угодий Хамун. Доклад группы, основанный на анализе спутниковых изображений, показывает, что водный и растительных покров в Хамун отличается высокой динамикой. В 2005 году ООН также подробно проанализировала годовое состояние и динамику экосистем в районе бассейна Систан за период с 1975 по 2005 г. на основе систематизированного анализа архивных данных и последних спутниковых снимков [137].

Иранская часть водно-болотных угодий была изучена, прежде всего в части причин появления пыльных бурь. Результаты этих исследований обсуждены в ряде обзоров и публикаций [46, 71,78, 84, 111, 112, 113, 114, 115, 116, 117, 131, 137]. Во многих из данных исследований для сбора данных использованы дистанционные методы. При этом источником данных были снимки с различных сенсоров, полученные в различные сезоны года, и для их обработки и анализа использовались различные методы и критерии. Несмотря на то, что все упомянутые результаты демонстрируют негативную динамику экосистем бассейна Систан за последние годы, полученные оценки не всегда сопоставимы и не позволяют получить объективный прогноз развития экологической ситуации.

Для решения данной задачи необходима разработка методики обработки и анализа временных рядов космических снимков, сопоставимых по пространственному и спектральному разрешению.

Обработка и анализ временных рядов сопоставимых космических снимков за длительный промежуток времени позволяет решить следующие важные для экологического мониторинга задачи:

- определить, какие количественные оценки, полученные по результатам обработки снимков, наиболее адекватно отражают динамику изменений экосистем во времени;

- определить, в каком сезоне годичного цикла выполнение данных оценок позволяет получить наиболее объективный тренд происходящих в экосистеме изменений.

В настоящем исследовании методы ДЗЗ применены в целях мониторинга динамики сезонных изменений и определения наилучших моментов для оценки состояния и динамики экосистем водно-болотных угодий Хамун на длинном временном промежутке, что составляет актуальность работы. Анализ данных ДЗЗ является первым шагом на пути к пониманию причин экологических изменений, которое, кроме того, должно быть основано на тщательном климатическом и гидрологическом анализа.

Объектом исследования стали методы и средства автоматизированной обработки космических изображений.

В связи с этим, целью настоящего исследования является разработка методики анализа временных рядов космических снимков для оценки динамики изменений экосистем водно-болотных угодий в бассейне р.Систан.

Для достижения поставленной цели в исследовании поставлены следующие задачи:

- Провести анализ основных физико-географических свойств бассейна Систан, выявить типы земель, подлежащие дешифрированию;

- Рассмотреть современные методы обработки космических снимков и осуществить выбор методов и схемы обработки данных пригодные для изучения рассматриваемой территории, провести экспериментальное исследование эффективности методов дешифрирования;

- Разработать методику автоматизированного анализа космических снимков, позволяющую обеспечить корректное сопоставление результатов обработки временных рядов космических снимков;

- Исследовать возможности выявления сезонной динамики экосистем бассейна Систан на основе независимого дешифрования разновременных космических снимков одного и то же участка местности, обеспечить сопоставление результатов обработки временных рядов, проанализировать результаты дешифрирования данных за период с 1987 по 2016 гг. и оценить достоверность результатов дешифрирования;

- Определить моменты времени, наиболее репрезентативные для оценки состояния и динамики экосистем на исследуемой территории, и оценить тенденции изменения площади различных типов земель за последние 30 лет.

Фактический материал. В основу работы положены данные полевых наблюдений 2014-2015 гг. Также использовались многозональные снимки (съёмочная аппаратура TM, ETM+, OLI спутников серии Landsat), полученные с 1987 по 2016г., в периоды трёх сезонов, и снимки сверхвысокого пространственного разрешения, находящиеся в открытом доступе.

Методы. При проведении исследования применены общепринятые географические методы сравнительно-географический, описательный, картографический, методы дистанционного зондирования. Анализ ДДЗ проводился в программных продуктах Erdas и ENVI. Подготовка картографического материала осуществлялась в пакете ArcGIS.

Личный вклад автора. Автором лично выполнены сбор фактического материала, в том числе полевого, обработка ДДЗ, статистический анализ результатов обработки полевых данных и ДДЗ и формализация выводов.

Теоретическая значимость диссертации заключается в том, что разработаны автором методические средства, позволяют обеспечить сопоставимость результатов автоматизированной обработки серий разновременных спутниковых снимков при выполнении их совместного геоинформационного анализа в целях мониторинга экологически проблемных аридных территорий.

Практическая значимость диссертационного исследования заключается в том, что полученные результаты позволили выявить и продемонстрировать необходимость учета сезонных факторов, специфических для исследуемой территории, при анализе динамики экосистем на основе долговременного дистанционного мониторинга, а также в том, что в результате исследования сформулирован вывод о наибольшей репрезентативности доли площади обводненных территорий как показателя негативной динамики аридных экосистем, а не проективного покрытия растительностью, использованного ранее в ряде работ при оценки динамики данных экосистем.

Достоверность научных и практических результатов проведенных исследований подтверждается проведенными автором наземными обследованиями на территории региона и согласованностью полученных результатов с результатами анализа состояния экосистем региона по отдельным временным срезам, полученными на данную территорию другими авторами.

Научная новизна диссертации заключается в следующем: 1. Определены и реализованы в технологии автоматизированного дешифрирования требования к сопоставимости исходных данных и результатов

тематической классификации разновременных космических снимков аридных зон на большом временном интервале, а именно:

- приведение всех снимков к единой яркостной шкале путем атмосферной коррекции;

- идентичное для всех снимков количество и тематическое содержание выделяемых в границах обследуемой территории классов;

- контроль идентичности положения эталонов классов в пространстве спектральных сигнатур по всем дешифрируемым снимкам.

2. Впервые по единой методике, основанной на указанных выше принципах, обработаны мультиспектральные снимки со спутника Landsat, полученные в течение тридцати лет для трех сезонов года, что позволило:

- описать общую тенденцию и количественные изменения основных типов земель на исследуемой территории за 30-летный период наблюдений;

- на основе анализа трендов относительной площади основных типов земель определить, что наиболее репрезентативным показателем, отражающим негативную динамику экологической ситуации, является доля площади обводненных земель в границах исследуемой территории;

- на основе ГИС-анализа результатов дешифрирования по трем сезонам годичного цикла, выделенным по климатическим особенностям исследуемого региона, определить наиболее репрезентативный сезон для анализа тенденций в изменении типов земель региона.

Защищаемые положения.

В рамках диссертационного исследования лично автором получены следующие научные результаты:

1. Методика автоматизированного тематического дешифрирования разновременных космических снимков, обеспечивающая сопоставимость результатов дешифрирования на всем временном интервале.

2. Результаты практического применения методики к анализу динамических процессов в системе водно-болотных угодий бассейна р.Систан, состоящие в следующем:

- выявлено, что после засухи в 2000 г. в регионе установилась устойчивая тенденция к опустыниванию, на которую не оказывают значительного влияния изменения речного притока;

- показано, что наиболее репрезентативным сезоном для определения тенденций изменения земель в регионе Систан, с учетом комплекса природных и антропогенных факторов, является осень, когда состояние экосистемы отражает влияние всех природных факторов, воздействующих на нее в течении годичного цикла;

- выявлено, что наиболее репрезентативным показателем, отражающим негативную динамику состояния природных экосистем региона, является доля площади обводненных земель, при этом на доле площади под растительностью негативные изменения отражаются слабо.

Апробация работы. Результаты исследования представлены на международных конференциях GIAN (Тегеран, Иран, 2014), 1st International Conference on New Findings of Agricultural Science, Natural Resources and Environments (Тегеран, Иран, 2015), 1st International Conference on Natural Hazards and Disaster Management (Осака, Япония, 2017). По теме диссертации опубликовано 9 работ, из них 4 в журналах, входящих в список ВАК России и базу данных SCOPUS.

Структура работы. Работа состоит из введения, четырёх глав, заключения, списка литературы и 5 приложений. Диссертация изложена на 143 странице, содержит 44 рисунков, 10 таблиц, 14 формул. Список литературы включает 177 наименований.

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ КОСМИЧЕСКОГО МОНИТОРИНГА ГЕОГРАФИЧЕСКОЙ СРЕДЫ

1.1. Значение аэрокосмических материалов

Данные дистанционного зондирования (ДДЗ) - важнейший источник оперативной информации о природной среде, используемый при исследовании земной поверхности, создании и поддержании в актуальном состоянии тематических карт, и для других целей.

Методы дистанционного зондирования основаны на получении информации о земной поверхности путем регистрации приходящего от нее электромагнитного излучения, отраженного или собственного. Возможность опознавания различных объектов и изучение их свойств дистанционными методами обусловлены тем, что поглощение, рассеивание, отражение и излучение электромагнитной энергии в различных зонах спектра специфичны для каждого типа земной поверхности и объектов, расположенных на ней. Анализ спектральных характеристик объектов, структурных и текстурных особенностей изображений позволяет получить информацию для их последующего дешифрирования и интерпретации [1].

В большинстве случаев, ДДЗ представляются в форме изображений (снимков), передаваемых в цифровом виде на наземную станцию по радиоканалам. Снимок - это двумерное изображение, получаемое дистанционно, в результате регистрации техническими средствами собственного или отраженного излучения земной поверхности и предназначенное для обнаружения, качественного или количественного изучения объектов, явлений и процессов путем дешифрования, измерения и картографирования. При многозональной съемке формируется серия геометрически совмещенных снимков в нескольких узких зонах спектра электромагнитных волн. Совокупность зональных снимков значительно более информативна, чем снимки в одном спектральном диапазоне [8].

Снимки, получаемые в процессе разных видов съемки, различают в первую очередь по обзорности (охвату территории), спектральному диапазону и разрешению.

Термин «разрешение» в современных публикациях применяется к нескольким характеристикам снимков [21]:

1. пространственное разрешение - размер пикселя на местности;

2. радиометрическое разрешение - число бит, которыми кодируется яркость (диапазон значений яркости);

3. спектральное разрешение - число, положение и ширина каналов (фиксируемых спектральных диапазонов);

4. временное разрешение - частота, с которой может быть произведена съемка интересующей области земной поверхности.

1.2. Обзорные свойства снимков

Космические снимки по сравнению с аэроснимками охватывают существенно большую площадь, т.е. обладают свойствами большой обзорности. Теоретически, при использовании одной и той же съемочной системы для аэрофотосъемки с высоты 5 км и космической съемки с высоты 250 км охват при съемке из космоса увеличивается в 50 раз по стороне снимка и в 2500 раз по площади. Один космический снимок перекрывает такую площадь как 10 000 аэрофотоснимков. При этом большие регионы отображаются на снимке единовременно при одних и тех же условиях съемки. Появляется возможность изучения региональных и зональных различий и закономерностей, а также глобальных явлений [162].

1.3. Свойства электромагнитного спектра

Выделение спектральных (съемочных) диапазонов связано с физическими основами получения снимков и является отражением

передаваемых снимками сущности и свойств природных объектов. Излучение разных объектов в определенных участках (областях) спектра, то есть на разных длинах волн будет различаться. Применяемую в дистанционном зондировании область (диапазон) электромагнитного спектра принято делить на видимый, инфракрасный (ИК) и радиоволновый диапазоны, которые также разделяют на более узкие диапазоны (Таблица 1.1) [5].

Таблица 1.1-Характеристики спектральных диапазонов

Область спектра Ширина области спектра (диапазон длин волн)

Видимая область (мкм)

Фиолетовая 0,39 - 0,45

Синяя 0,45 - 0,48

Голубая 0,48 - 0,51

Зеленая 0,51 - 0,55

Желто-зеленая 0,55 - 0,575

Желтая 0,575 - 0,585

Оранжевая 0,585 - 0,62

Красная 0,62 - 0,70

Область инфракрасного излучения (ИК) (мкм)

Ближняя 0,78 - 3

Средняя 3 - 50

Дальняя 50 - 1000

Радиоволновая область (см)

X 2,4 - 3,8

С 3,8 - 7,6

Ь 15,0 - 30,0

Р 30,0 - 100,0

В инфракрасном диапазоне в ряде случаев также выделяют:

1. ближний инфракрасный (используется английская аббревиатура или русская БИК) - 0,7 - 1,5 мкм,

2. коротковолновый инфракрасный (используется английская аббревиатура или русская КИК) - 1,5 - 3,0 мкм,

3. средневолновый инфракрасный (используется английская аббревиатура М"ШЯ) - 3 - 8 мкм,

4. длинноволновый инфракрасный (используется английская

аббревиатура LWIR) - 8,0 - 15,0 мкм.

В диапазоне 0,7 - 3,0 мкм преобладает отраженное солнечное излучение (как и в видимом диапазоне), в диапазоне 7,0 - 15,0 мкм - собственное тепловое излучение земной поверхности.

Между 3,0 и 7,0 мкм находятся полосы интенсивного поглощения солнечной энергии водяными парами в атмосфере. То есть количество приходящей от земной поверхности энергии крайне мало, и использование этого диапазона для съемки неэффективно [160].

Применение методов обработки изображений земной поверхности, полученных в видимом и ИК диапазонах спектра, для идентификации объектов основано, прежде всего, на анализе спектра отражения объектов, каждый из которых имеет характерные особенности, соответствующие его химическому составу и структуре. При падении на объект солнечного излучения излучение с некоторыми длинами волн интенсивно поглощается, в то время, как излучение с другими длинами волн хорошо отражается [160]. Отраженное излучение характеризует отражательную способность объекта.

Фиксируемые величины яркости переводятся в дискретные безразмерные цифровые значения. Записанные посредством регистрирующего устройства эти цифровые значения изменяются в пределах радиометрического битового диапазона, ширина которого зависит от характеристик съемочного устройства, обычно это интервал 0 - 255 (в новейших системах 0 - 4096) [160]. При визуализации изображения, эти значения обычно отображаются в оттенкх серой шкалы: 0 представляет абсолютно черный объект, 255 - абсолютно белый, промежуточные значения соответствуют различным оттенкам серого цвета.

Изучение характеристик отражательной способности земной поверхности дает теоретическую основу для интерпретации объектов по их спектральным яркостям или их соотношению.

Спектральная отражательная способность различается также и у объектов одного типа, что может быть связано с состоянием объектов, увлажненностью,

гранулометрическим составом и другими факторами [3].

Пространственное разрешение варьируется от нескольких сантиметров до километров. Анализ приведенных данных об информативности различных спектральных диапазонов свидетельствует о необходимости коплексирования различных видов съемок при изучении динамики аридных территорий восточного Ирана. Основным видом следует признать съемки в видимом и ближнем ИК-диапазонах, а вспомогательными является другие виды съемок.

1.4. Космические съемочные системы

На околоземных орбитах находятся несколько десятков космических летательных аппаратов с различными съемочными системами на борту. Получаемые ДДЗ, изображения или результаты измерений определенных характеристик объектов на поверхности Земли или свойств атмосферы, передается на пункты приема тех стран или организаций, которые управляют съмочной системой или по заказу которых осуществляется съемка. Космические летательные аппараты отличаются параметрами полета, а съемочные системы имеют различные технические характеристики, что приводит к различиям в получаемых ДДЗ.

Наиболее известные и используемые в мире данные получают с космических аппаратов MODIS (Moderate Imaging Spectrometer), AVHHR (Advanced Very High Resolution Radiometer) NOAA, Landsat, SPOT(Satellite Pour l'Observation de la Terre), IRS, RADARSAT, ERS ряда других [161].

Космические аппараты обеспечивают данные о земной поверхности и ее изменениях в больших и труднодоступных районах в течение более 40 лет.

Съемочные системы MODIS, SPOT и AVHHR являются основными источниками космических данных для приложений на глобальном или континентальном уровне. Это системы низкого пространственного разрешения с размером пикселей от 250 м до 1 км и более, с большой полосой захвата и

высокой периодичностью съемки, регулярно поставляющие информацию о больших территориях [143]. Их пространственное разрешение в основном обеспечивает обнаружение тенденций изменения земной поверхности большого территориального охвата, но не позволяет оценивать такие изменения, как обезлесение и деградация земель, которые обычно происходят в меньших масштабах. Преодолеть эти ограничения и получить более подробную информацию о земной поверхности позволяют спутниковые снимки с пространственным разрешением от 30 до 80 м, такие как Landsat. Они обладают большей пространственной точностью, но более длинным периодом между сеансами съемки, и применяются для картографирования и мониторинга отдельных участков земной поверхности.

Мониторинг изменений земельного покрова за последние 30 лет на востоке Ирана имеет важное значение для оценки динамики основных типов экосистем и понимания антропогенного и природного воздействия на них в этот период.

Программа Landsat, осуществляемая США, является одной из наиболее успешных на мировом рынке ДДЗ, с 1972 года в рамках программы было запущено семь спутников. В рамках программы выполняется многозональная периодически повторяемая долговременная съемка с помощью сканирующих устройств (радиометров) для решения природно-ресурсных, природоохранных, мониторинговых и картографических задач. Программу осуществляют три крупнейших правительственных организации США: NASA, NOAA, USGS [161].

Учитывая отсутствие ретроспективных карт земной поверхности на данную территорию, единственным способом получения данных об изменениях экосистем территории за последние 30 лет является анализ мультиспектральных снимков, полученных со спутников Landsat. Благодаря стабильной орбите носителей, идентичному пространственному разрешению и сопоставимым спектральным каналам нескольких поколений аппаратуры данные с Landsat позволяют получать подробную и надежную информацию о динамике земной поверхности.

1.4. Программа Landsat

Программа Landsat является наиболее продолжительным проектом по получению спутниковых фотоснимков Земли. Установленное на спутниках серии Landsat оборудование позволило получить миллионы спектрозональных снимков, востребованных в области сельского хозяйства, в картографии, геологии, лесоводстве, образовании и национальной безопасности. Например, съемочная аппаратура спутника Landsat-7 позволяет получить снимки в 8 спектральных диапазонах с пространственным разрешением от 15 до 60 метров на пиксель, при этом периодичность сбора данных изначально составляла 16-18 суток.

В данной работе были использованы снимки, полученные с космических аппаратов Landsat-5, Landsat-7 и Landsat-8.

1.4.1. Съемочная аппаратура Landsat-5

Landsat-5 - спутник дистанционного зондирования Земли (ДЗЗ) геологической службы США (USGS). Запущен 1 марта 1984 года в рамках программы Landsat. В октябре 2007 года эксплуатация спутника была приостановлена на 4 месяца из-за выхода из строя одной из двух аккумуляторных батарей. В марте 2008 с дополнительными ограничениями возобновлена эксплуатация спутника, время существования спутника на орбите составило 24 года.

Список литературы диссертационного исследования кандидат наук Харазми, Расул Сохраб, 2018 год

ЛИТЕРАТУРА

1. Ахмад Чеман Джамал Ахмад Разработка и исследование методики обработки космических снимков для целей мониторинга застроенных территорий в Ираке// Афтореферат, Москва, М - МИИГАиК- 2013.

2. Берлянт А.М. Геоинформационное картографирование // МГУ.- 1997.- 64 с.

3. Бондур В.Г. Основы аэрокосмического мониторинга окружающей среды // Курс лекций.- М-Московский государственный университет геодезии и картографии.- 2006.- 369 с.

4. Гонсалес Р, Вудс Р. Цифровая обработка изображении // Москва, Техносфера.- 2006.- 813 c.

5. Дистанционное зондирование, Количественный подход, Под ред. Ф. Свейна и Ш. Дейвис. М. Недра.- 1983.- 415с.

6. Забелин, А. and Тулегулов, А.Д. Методика атмосферной коррекции снимков Landsat// Вестник Евразийского национального университета имени Л.Н. Гумилева.- 2011.- №2(81).- с. 147-154.

7. Ермошкин И.С. Современные средства автоматизированного дешифрирования космических снимков и их использование в процессе создания и обновления карт. ArcReview// современные геоинформационные технологии.- 2009.- № 1.- с. 12-13.

8. Жуков ВВ., Егоров С.Б. Многозональные аэрокосмические съёмки Земли. - М.- 1981.- 302c.

9. И. К. Лурье, А.Г. Косиков Теория и практика цифровой обработки изображений. Дистанционное зондирование и географические информационные системы.- 2003.- 168с.

10. Капралов Е.Г., Тикунов B.C. Основы геоинформатики // Учебное пособие для студентов вузов.- МГУ.- 2004.- 480 с.

11. Каркон Варносфадерани М.М., Харазми Р.С., Шаповалов Д.А., Митрофанов Е.М. Оценка точности визуального дешифрирования растительного покрова на основе вегетационных индексов (на примере Загроса, западный Иран)// Известия вузов. Геодезия и аэрофотосъемка.- 2016.-№ 4.- С. 90-93.

12. Кашкин В.Б., Сухинин А. И. Дистанционное зондирование земли из космоса. цифровая обработка изображений.- М. Логос.- 2001.- 264 с.

13. Марчуков B.C. Автоматизированные методы оценки динамики пространственного распределения растительного покрова и грунтов по данным дистанционного мониторинга // Исследование Земли из космоса.- 2010.- № 2.- с. 63-74.

14. Марчуков B.C., Миртова И.А. Дешифрирование динамики растительного покрова и грунтов

по материалам дистанционного зондирования // Учебное пособие.- М. Изд. МИИГАиК, 2009.- 128 с.

15. Марчуков B.C., Сладкопевцев С.А. Ресурсно - экологическая картография // научно-методическое издание.- М. изд. МИИГАиК.- 2005.- 196 с.

16. Окимбеков У. В. Афганистан, проблемы совместного использования вод трансграничных рек// Азия и Африка сегодня.- 2013.- № 10.- С. 39-43

17. Сладкопевцев С.А. География из космоса.- М. МИИГАиК.- 2000.- 245 с.

18. Харазми Р. Автоматизированная обработка космических снимков при анализе динамики экосистем бассейна Систан // Магистерская диссертация.- М. изд. МИИГАиК.- 2014.- 89 с.

19. Харазми Р., Паниди Е.А., Каркон Варносфадерани М.М. Оценка динамики аридных экосистем на основе временных рядов космических снимков // Современные проблемы дистанционного зондирования Земли из космоса.- 2016.- № 5.- С. 214-223.

20. Харазми Р.С., Чабан Л.Н. Анализ динамики экосистем бассейна Систан по результатам автоматизированной обработки космических мультиспектральных снимков// Известия вузов. Геодезия и аэрофотосъемка.- 2015.- № 4.- С. 94-100.

21. Харазми Р., Чабан Л.Н., Каркон Варносфадерании М., Паниди Е. А., Митрофанов Е.М.. Оценка точности различных методов контролируемой классификации в аридных территорий// Изв. Вузов. «Геодезия и Аэрофотосъемка».- 2017.- № 5.- С. 106-110.

22. Чабан Л.Н. теория и алгоритмы распознавание образов, Учебное пособие.- М. МИИГиК-2004.-70 с.

23. Чандра A.M., Гош С.К. Дистанционное зондирование и географические информационные

системы// М: Техносфера.- 2008.- 312 с.

24. Ю.Ф. Книжников, В.И. Кравцова, О.В. Тутубалина аэрокосмические методы географических исследовании // М: Издательский центр "Академия".- 2004.- 336 с.

25. AbdEl-Kawy O.R., Red J.K., Ismail H.A., Suliman A.S., Land use and land cover change detection in the western Nile delta of Egypt using Remote Sensing data// Applied Geography.- 2011.- 31.-pp. 483-494.

26. Abdulaziz AM, Hurtado, J JM, Al-Douri R. Application of multitemporal Landsat data to monitor land cover changes in the Eastern Nile Delta region, Egypt// International Journal of Remote Sensing.- 2009.- 30(11).-pp. 77-96.

27. Adamo S.B., Crews-Meyer K.A., Aridity and desertification: Exploring environmental hazards in

Jachal, Argentina// Applied Geography.- 2006.- 26.-pp. 61-85.

28. Al-Saady Y, Merkel B, Al-Tawash B, Al-Suhail Q. Land use and land cover (LULC) mapping and change detection in the Little Zab River Basin (LZRB), Kurdistan Region, NE Iraq and NW Iran// FOG-Freiberg Online Geoscience.- 2015.-vol. 43.- pp. 1-32.

29. Amiraslani F, Dragovich D. Image acquisition for detection of vegetation change based on long-term rainfall in an arid rangeland in Western NSW, Australia// Environmental earth sciences.-2013.- vol. 70(1).-pp.83-95.

30. Amiri, F., Rahdari, V., maleki najafabadi, S. et al. Multi-temporal Landsat images based on eco-environmental change analysis in and around Chah-mimeh reservoir, Balochestan (Iran)// Environ Earth Sci.- 2014.- 72(3).- pp.801-809.

31. Amna Butt, Rabia S., Sheikh S. A., Neelam A., Land use change mapping and analysis using Remote Sensing and GIS: A case study of Simly watershed, Islamabad, Pakistan// The Egyptian Journal of Remote Sensing and Space Sciences.- 2015.- Vol.18.- pp. 251-259.

32. Araya YH, Hergarten C. A. comparison of pixel and object-based land cover classification: a case study of the Asmara region, Eritrea// WIT Transactions on The Built Environment.- 2008.- vol. 100.- pp. 233-43.

33. Aslinejad N., Nasiri A., Karkon M., et al. Locating Suitable Areas for Rain Water Harvesting// Elixir Remote Sensing.- 2014.- vol. 75.- pp. 27616-27619.

34. Asmala Ahmad, Shaun Quegan. The Effects of Haze on the Accuracy of Maximum Likelihood Classification// Applied Mathematical Sciences.- 2016.- Vol.10.- No.39.- pp.1935 - 1944.

35. Badreldin N, Goossens R. Monitoring land use/land cover change using multi-temporal Landsat satellite images in an arid environment: a case study of El-Arish, Egypt// Arabian Journal of Geosciences.- 2014.- vol. 7(5).- pp. 1671-81.

36. Bakr N, Weindorf DC, Bahnassy MH, Marei SM, El-BadawiMM. Monitoring land cover changes in a newly reclaimed area of Egypt using multi-temporal Landsat data// Applied Geography.- 2010.-vol. 30(4).- pp. 592-605.

37. Biro K, Pradhan B, Buchroithner M, Makescin F. Use of multi-temporal satellite data for land-use/land-cover change analyses and its impacts on soil properties in the northern part of Gadarif Region// InProceedings 30th EARSeL Symposium.- 2010.- Vol. 31.

38. Bolstad P, Lillesand T. Rapid maximum likelihood classification// Photogrammetric Engineering Remote Sensing.- 1991.- vol. 57.- pp. 67-74.

39. Brauch HG, Spring UO., Securitizing the Ground, Grounding Security. Desertification Land Degredation and Drought; UNCCD Issue Paper #2// Secretariat of the United Nations Convention to Combat Desertification, Bonn, Germany.- 2009.

40. Carranza M.L., Frate L., Acosta A.T.R., Hoyos L, Ricotta C., Cabido M. Measuring forest fragmentation using multitemporal remotely sensed data: three decades of change in the dry Chaco// European Journal of Remote Sensing.- 2014.- vol. 47.- pp. 793-804.

41. Chander G., Markham B.L., Helder D.L. Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors// Remote Sensing Environment.- 2009.- vol. 113.- pp. 893-903.

42. Chandra A.M., Ghosh S.K. Remote sensing and geographical information systems// Alpha Science.-2008.- 208 p.

43. Chen S, Rao P. Land degradation monitoring using multi temporal Landsat TM/ETM data in a transition zone between grassland and cropland of northeast China// International Journal of Remote Sensing.- 2008.- vol. 29(7).- pp. 2055-73.

44. Chehbouni Q.J., Huete A., and Kerr Y. H. Modified Soil Adjusted Vegetation Index (MSAVI)// Remote Sensing of Environment.- 1994.- vol. 48.- pp. 119-126.

45. Cheng F., Yang S., Yin K., Zhao X., and Chan P. Making full use of the Landsat7 SLC-off ETM+ data for urban thermal environment monitoring// in Proc 2nd IEEE Int. Conf. Spatial Data Mining Geograph.Knowl. Services.- 2015.- pp. 192-196.

46. Choobari O. A., Reza P. Z., Sturman A. The "wind of 120 days" and dust storm activity over the Sistan Basin// Atmospheric Research.- 2014.- vol. 143.- pp. 328-341.

47. Chuanga WC, Lina CY, Chiena CH, Choub WC. Application of Markov-chain model for vegetation restoration assessment at landslide areas caused by a catastrophic earthquake in Central Taiwan// Ecol Model.- 2011.- vol. 222(3).- pp. 835-845.

48. Congalton R. A Review of assessing the accuracy of classifications of remotely sensed data// Remote Sensing of Environment.- 1991.- vol. 37.- pp. 35-46.

49. Coppin, P., Jonckheere, I., Nackaerts, K., Muys, B., Lambin, E., 2004. Review article digital change detection methods in ecosystem monitoring: a review// International Journal of Remote Sensing.-2004.- vol. 25.- pp. 1565-1596.

50. Dahmardeh M, Yazdani S, Piri E. The socio-economic effects of Hamoon Lake in Sistan region of Iran// J Food Agric Environ.- 2009.- vol. 7(2).- pp. 799-802.

51. Dawelbait M., Morari F. Monitoring desertification in a Savannah region in Sudan using Landsat images and spectral mixture analysis// Journal of Arid Environments.- 2012.- vol. 80.- pp. 45-55.

52. Dawelbait, M., Dal Ferro, N., andMorari, F. Using Landsat Images and Spectral Mixture Analysis to Assess Drivers of 21-Year LULC Changes in Sudan// Land Degrad. Develop.- 2017.- vol. 28(1).-pp.116-127.

53. Dixon Gevana, Leni Camacho. Antonio Carandang, Sofronio Camacho & Sangjun Im. Land use characterization and change detection of a small mangrove area in Banacon Island, Bohol, Philippines using a maximum likelihood classification method// Forest Science and Technology.-2015.- vol. 11(4).- pp. 197-205.

54. Elvidge, C. D. and Lyon, R J. P. Influence of rock-soil spectral variation on the assessment of green

biomass// Remote Sensing of Environment.- 1985.- vol. 17.- pp. 265-269.

55. ERDAS field guide, Intergraph Corporation.- [Электронный ресурс]. - Режим доступа: https://www.scribd.com/document/339879398/ERDAS-Field-Guide-2013 .

56. Faid AM, Abdulaziz AM. Monitoring land-use change-associated land development using multitemporal Landsat data and geoinformatics in Kom Ombo area, South Egypt// International journal of remote sensing.- 2012.- vol. 33(22).- pp. 7024-7046.

57. Fichera C.R., Modica G., Pollino M. Land Cover classification and change-detection analysis using multi-temporal remote sensed imagery and landscape metrics// European Journal of Remote Sensing.- 2012.- vol. 45.- pp. 1-18.

58. Fichera C.R., Modica G., Pollino M. Land Cover classification and change-detection analysis using multi-temporal remote sensed imagery and landscape metrics// European Journal of Remote Sensing.- 2012.- vol. 45.- pp. 1-18.

59. Gangjun L. Land cover mapping in a salinised dryland farming area in Southeastern Australia using Landsat TM data// Geocarto International.- 1996 .- vol. 11(4).- pp.47-59.

60. Gao J., Liu Y. Determination of land degradation causes in Tongyu Count Northeast China via land cover change detection// International Journal of Applied Earth Observation and Geoinformation.-2010.- vol. 12.- pp.9-16.

61. Global Environment Facility (GEF) //United Nations Development Programme (UNDP). "Restoration, Protection and Sustainable Use of the Sistan Basin (Lakes and Wetlands)" Concept Paper for a Full Sized GEF Project. - 2001.

62. Gregory S. Okin, Juan Gu. The impact of atmospheric conditions and instrument noise on atmospheric correction and spectral mixture analysis of multispectral imagery// Remote Sensing of Environment.- 2015.- Vol. 164.- pp. 130-141.

63. Heistermann M., Müller C., Ronneberger K. Land in sight? Achievements, deficits and potentials of continental to global scale land use modeling// Agriculture, Ecosystem and Environment.- 2006.-vol. 114.- pp. 141-158.

64. Henits L., Jürgens C. & Mucsi L. Seasonal multitemporal land-cover classification and change detection analysis of Bochum, Germany, using multitemporal Landsat TM data // International Journal of Remote Sensing.- 2016.- 37(15).- pp. 3439-3454.

65. Hosseini S.M., Shafei H., Ekhtesassi, M.R., Mohtasham Nia S. Drought effects on vegetation degradation of Sistan// Iranian Journal of Range and Desert Reseach.- 2013.- Vol. 20(2).- pp. 227239.

66. Huang C., Song K., Kim S., Townshend J.R.G., Davis P, Masek J.G., Goward S.N. Use of a dark object concept and support vector machines to automate forest cover change analysis// Remote Sensing of Environment.-2008.- vol. 112.- pp. 970-985.

67. Hydan F.G., Thenkabail P.S., Lyon J.G. Hyperspectral Remote Sensing of vegetation// CRC Press-2012.

68. IPCC Fourth Assessment Report: Climate Change// Cambridge university press.- 2011.- Vol. 4.

69. Jabbar MT, Zhou JX. Environmental degradation assessment in arid areas: a case study from Basra Province, southern Iraq// Environmental earth sciences.- 2013.- vol. 70(5).- pp. 2203-2214.

70. Jamali S., Jönsson P., Eklundh L., et al. Detecting changes in vegetation trends using time series segmentation// Remote Sensing of Environment.- 2015.- Vol. 156.- pp.182-195.

71. Jamalizadeh, M.R., Moghaddamnia, A., Piri, J., Arbabi, V.,Homayounifar, M., and Shahryari, A. Dust Storm Prediction Using ANNs Technique (A Case Study: Zabol City)// International Journal of Civil, Environmental, Structural, Construction and Architectural Engineering.- 2008.- Vol.2(7).

72. Jean FC, Rene L, Stephane C. Investigations on Aral Sea regressions from mirabilite// Aquat Geochem.- 2009.- vol. 15.- pp. 277-291.

73. Jean-François Pekel, Andrew Cottam, Noel Gorelick & Alan S. Belward. High-resolution mapping of global surface water and its long-term changes// Nature.- 2016.- vol. 540(7633).- p.418.

74. Jensen, J.R. Introductory Digital Image Processing: A Remote Sensing Perspective, 3th edition. -2005.- 543p.

75. Jiang, J., Steven, M. D., He, R., Chen, Y., & Du, P. Identification of plants responding to CO2, leakage stress using band depth and the full width at half maxima of canopy spectra// Energy.-2016.- vol. 100.- pp. 73-81.

76. Jianyaa, G., Haiganga, S., Guoruia, M., Qimingb, Z. A Review of Multi-Temporal Remote Sensing Data Change Detection Algorithms// ISPRS Congress.- 2008.- pp. 757-762.

77. John R. Jensen. Introductory Digital Image Processing: A Remote Sensing Perspective (4th Edition).- 2015.- 658p.

78. John W. Whitney. Geology, Water, and Wind in the Lower Helmand Basin, Southern Afghanistan. U.S.Geological Survey// Scientific Investigations Report .-2006.- pp. 51-82.

79. Kafi KM, Shafri HZ, ShariffAB. An analysis of LULC change detection using remotely sensed data; A Case study of Bauchi City// in IOP conference series, Earth and environmental science.- 2014 Vol. 20( 1).- pp. 1-9.

80. KarkonVarnosfaderani M., Kharazmi R, Samani A.N., Rahdari M.R., Matinkhah S.H., Aslinezhad N. Distribution changes of woody plants in Western Iran as monitored by remote sensing and geographical information system: a case study of Zagros forest// Journal of Forestry Research.-2017.- vol. 28(1).- pp. 145-153.

81. Karnieli A., Gilad U., Ponzet M., Svoray T., Mirzadinov R., Fedorina O. Assessing land cover change and degradation in the Central Asian deserts using satellite image processing and geostatistical methods// Journal of Arid Environment.- 2008.- vol. 72.-pp. 2093-2105.

82. Kaskaoutis D.G, Rashki A., Houssos E.E, Mofidi A., Bartzokas A. Meteorological conditions associated with severe dust storms in the Sistan region, Iran// Comecap.- 2014.- pp. 492-496.

83. Kaskaoutis DG, Rashki A, Houssos EE, Mofidi A, Goto D, Bartzokas A, Francois P, Legrand M. Meteorological aspects associated with dust storms in the Sistan region, southeastern Iran// Climate Dynamics.- 2015.- vol. 45(1-2).- pp. 407-424.

84. Kiage LM, Liu KB, Walker ND, Lam N, Huh OK. Recent land-cover/use change associated with land degradation in the Lake Baringo catchment, Kenya, East Africa: evidence from Landsat TM and ETM+// International Journal of Remote Sensing.- 2007.- vol. 28(19).- pp. 4285-309.

85. Kindu M., Schneider T., Teketay D., Knoke T. Land Use/Land Cover Change Analysis Using Object-Based Classification Approach in Munessa-Shashemene Landscape of the Ethiopian Highlands// Remote Sensing.- 2013.- vol. 5.- pp. 2411-2435.

86. Lambin E.F., Baulies X., BockstaelN., Fische, G., Krug T., Leemans R., Moran E.F., Rindfuss R.R., Sato Y., Skole D., Turner B.L. II, Vogel C. Land use and land cover change: Implementation strategy// IGBP Report, Stockholm.- 1999.- 125p.

87. Landsat 8 data users handbook, access mode is: https://landsat.usgs.gov/landsat-8-l8-data-users-

handbook, access is free.

88. Lillesand T.M., Kiefer R.W., Chipman J.W. Remote Sensing and Image Interpretation// Wiley.-2015.- 736p.

89. Lothar E, Peter E, Faina I, Shulpan K, Elmira U, Volkoer M, Thomas G. The Aral Sea disaster-human biomonitoring of Hg, As, HCB, DDE, and PCBs in children living in Aralsk and Akchi// journal of hygiene and environmental health.- 2004.- vol. 207(6).- pp. 541-547.

90. Lu, D., Moran, E., Hetrick, S., Li, G. Land-use and land-cover change detection. In: Weng, Q. (Ed.), Advances in Environmental Remote Sensing Sensors, Algorithms, and Applications// CRC Press Taylor & Francis Group, New York.- 2011.- pp. 273-290.

91. Majnounian H. and Mansouri Z. The Hamoun Pond// The Publishing House of Iranian Environment Organization.- 1985.

92. Maman S, Orlovsky L, Blumberg DG, Berliner P, Mamedov B. A landcover change study of takyr surfaces in Turkmenistan// Journal of Arid Environments. 2011.- vol. 75(9).- pp. 842-50.

93. Mandanici E, Bitelli G. Multi-image and multi-sensor change detection for long-term monitoring of arid environments with landsat series// Remote Sensing.- 2015.- vol. 7(10).- pp. 14019-14038.

94. Masroor Hussain, Dongmei Chen, Angela Cheng, Hui Wei, David Stanley. Change detection from remotely sensed images: From pixel-based to object-based approaches// ISPRS Journal of Photogrammetry and Remote Sensing.- 2013.- Vol.80.- pp. 91-106.

95. Moghaddam MH, Saghafi M. A change-detection application on the evolution of Kahak playa (South Khorasan province, Iran)// Environmental geology.- 2006 vol. 51(4).- pp. 565-579.

96. Mousavi, S. A. Assessment of changes trend of land cover with use of remote sensing data in Hamoon wetland// Journal of Biodiversity and Environmental Sciences.- 2014.- No. 5.- pp. 146156.

97. Mundia C.N., Aniya M. Dynamics of land use/ cover changes and degradation of Nairobi City, Kenya// Land Degradation and Development.- 2006.- vol. 17.- pp. 97-108.

98. Nackaerts, K., K. Vaesen, B. Muys, and P. Coppin. Comparative Performance of a Modified Change Vector Analysis in Forest Change Detection// International Journal of Remote Sensing.-2005.- vol. 26 (5).- pp.839-852.

99. Najafi A., J. Vatanfada. Transboundary Water Management Improvements, the Way Forward in the Middle East; Case Study: Transboundary Water Management of Iran and Neighbors// Geopolitics Quarterly.- 2013.-Vol. 8(4).- pp. 135-155.

100. Najafi A., Vatanfada J. Environmental Challenges in Trans-Boundary Waters, Case Study: Hamoon Hirmand Wetland (Iran and Afghanistan)// International Journal of Water Resources and Arid Environments.- 2011.- vol. 1(1).- pp. 16-24.

101. Nazeer, M., Nichol, J.E. and Yung, Y.K., Evaluation of atmospheric correction models and Landsat surface reflectance product in an urban coastal environment// International journal of remote sensing.- 2014.- vol. 35(16).- pp. 6271-6291.

102. Nazari Samani A., Khosravi H., Mesbahzadeh T., Azarakhshi M., Rahdari M.R. Determination of sand dune characteristics through geomorphometry and wind data analysis in central Iran (Kashan Erg)// Arabian Journal of Geosciences.- 2016.- Vol.9(18).

103. Okimbekov U. V. Afghanistan. The problems of sharing water of transboundary rivers// Aziya i Afrika segodnya.- 2013.- vol. 10.- pp. 39-43.

104. Prospere, K., McLaren, K., & Wilson, B., Plant species discrimination in a tropical wetland using in situ hyperspectral data// Remote sensing.- 2014.- vol. 6(9).- pp. 8494-8523.

105. Qin Z., Li W., Burgheimer J., Karnieli A. Quantitative estimation of land cover structure in an arid region across the Israel-Egypt border using remote sensing data// Journal of Arid Environment.-2006.- vol. 66.- pp. 336-352.

106. Rahdari V, Maleki NS, Araz zadeh Y, Rajab por M. Simultaneous using of GIS and remote sensing for change detection (Case study: Chah-nimeh water reservoir in Sistan)// 2th Geomatic conference.- 2010.

107. Rahdari V, Maleki N.S. Image classification method comparison for land use land cover mapping in arid and semi arid area// 2th Geomatic conference.- 2010.

108. Rahdari V., Fakhireh A. Monitoring of Land Use And land cover Changes in protected area Hamoon during the years 1986 to 2008, using Satellite imagery and remote sensing// Iranian journal of Remote Sensing & GIS.- 2011.- Vol.3.- pp.- 59-70.

109. Rahdari V., Maleki S., Abtin E. Investigate the capability of satellite data for zoning of wetlands (a case study of Hamoun Wildlife Refuge)// Iranian Journal of Wetland Ecobiology.- 2013.- No. 5.-pp. 67-78.

110. Rahman MT. Detection of land use/land cover changes and urban sprawl in Al-Khobar, Saudi Arabia: An analysis of multi-temporal remote sensing data// ISPRS International Journal of Geo-Information.- 2016.- vol. 5(2).- p. 15.

111. Rashki A, Kaskaoutis DG, Goudie AS, Kahn RA. Dryness of ephemeral lakes and consequences for dust activity: the case of the Hamoun drainage basin, southeastern Iran// Science of the Total Environment.- 2013.- pp. 552-564.

112. Rashki A, Kaskaoutis DG, Rautenbach CJW, Eriksson PG, Qiang M, Gupta P. Dust storms and their horizontal dust loading in the Sistan region, Iran// Aeolian Res.- 2012.- vol. 5.- pp. 51-62.

113. Rashki A., D.G. Kaskaoutis, A.S. Goudie, R.A. Kahn. Dryness of ephemeral lakes and consequences for dust activity: The case of the Hamoun drainage basin, southeastern Iran// Science of The Total Environment.- 2013.- Vol. 463-464.- pp. 552-564.

114. Rashki A., D.G. Kaskaoutis, P. Francois, P.G. Kosmopoulos, M. Legrand. Dust-storm dynamics over Sistan region, Iran: Seasonality, transport characteristics and affected areas// Aeolian Research.- 2015.- Vol. 16.- pp. 35-48.

115. Rashki A., Eriksson P.G., De C.J. Rautenbach W., Kaskaoutis D.G., Grote J. Dykstra W. Assessment of chemical and mineralogical characteristics of airborne dust in the Sistan region, Iran// Chemosphere.- 2013.- vol. 90-. pp. 227-236.

116. Rashki A., ArjmandM., Kaskaoutis D.G. Assessment of dust activity and dust-plume pathways over Jazmurian Basin, southeast Iran// Aeolian Research.- 2017.-vol. 24.- pp 145-160.

117. Rashki, A., Rautenbach, C.J.de W., Eriksson, P.G., Kaskaoutis, D.G., Gupta, P. Temporal changes of particulate concentration in the ambient air over the city of Zahedan, Iran. Air Qual// Atmos. Health.-2013.- vol. 6(1).- pp.123-135.

118. Raskin P, Hansen E, Zhu Z, Iwra M. Simulation of water supply and demand in the Aral Sea Region// Water Int.- 1992.- vol. 17.- pp. 55-67.

119. Rasouli A.A. Principles of applied remote sensing// university of Tabriz, Iran.- 2009.- 703p.

120. Reza K.M., Panahi M. Restoration and sustainable use of the shared sistan basin a baseline situation analysis// UNDP.- 2005.- 38p.

121. Reynolds, J.F. et al. Global desertification: Building a science for dryland development// Science.-2007.- vol. 316(5826).- pp. 847-851.

122. Robert T. W., Zakri A.H. Ecosystems and Human Well-being: Current State and Trends.- 2005.-Vol. 1.

123. Ruan R, Zhang Y, Zhou Y. Change detection of wetland in Hongze Lake using a time series of remotely sensed imagery// Remote Sensing and Spatial Information Sciences.- 2008.- vol. 37.- pp. 1545-1548.

124. Salma El Fellah, Mohammed Rziza, MohamedEl Haziti. An Efficient Approach for Filling Gaps in Landsat 7 Satellite Images// IEEE Geoscience and Remote Sensing Letters.- 2016.- vol. 14(1).-pp.62-66.

125. Schulz, Jennifer J., Luis Cayuela, Cristian Echeverria, Javier Salas, and José Maria Rey Benayas. Monitoring land cover change of the dryland forest landscape of Central Chile (1975-2008)// Applied Geography.- 2010.- vol. 30( 3).- pp. 436-447.

126. Scott, D. A. andM. Smart. Wetlands of the Sistan Basin, South Caspian and Fars, Islamic Republic of Iran// Ramsar Convention Monitoring Procedure Report. Gland, Switzerland, Ramsar Bureau.-1992.- 53 p.

127. Scott, D. A., Ed. A directory of wetlands in the Middle East. Gland, Switzerland// IUCN - 1995.

128. Shafei H., Hosseini S. M. A study of vegetation in Sistan region through satellite data// Journal of Plant Ecophysiology.- 2012, vol. 03.- pp. 91-105.

129. Shafie H., Amiri I., Shahriari A.R., et al. RS-based assessment of vegetation cover changes in sistan plain// African Journal of Social Sciences.- 2011.- Vol.1(1). - pp. 159-167.

130. Shafique M., Suresh B. G. Dryland Characterization Through Geospatial Techniques: A Review// International Journal of Remote Sensing & Geoscience.- 2012.-Vol. 1(1).- pp. 34-41.

131. Sharifikia M. Environmental challenges and drought hazard assessment of Hamoun Desert Lake in Sistan region, Iran, based on the time series of satellite imagery// Nat. Hazards.- 2013.-Vol. 65.- pp. 201-217.

132. Shirdeli A. Hydropolitics and hydrology issues in Hirmand. Helmand international river basin// Management Science Letters.- 2014.- vol. 4.- pp. 807-812.

133. Singh A. Digital change detection techniques using remotely sensed data// International Journal of Remote Sensing.- 1989.- vol. 10.- pp. 1989-2003.

134. Sommer S. Et al. Application of indicator systems for monitoring and assessment of desertification from national to global scales// Land Degradation & Development.- 2011.- Vol. 22.- pp. 184-197.

135. Thomas RF, KingsfordRT, Lu Y, Hunter SJ. Landsat mapping of annual inundation (1979-2006) of the Macquarie Marshes in semi-arid Australia// International Journal of Remote Sensing.- 2011.-vol. 32(16).- pp. 4545-69.

136. Towards a solution for Iran's drying wetlands Conclusions and Recommendations, An International Technical Round Table, March 2014, Tehran// at the invitation of Department of Environment- IR Iran and UNDP-Iran.- 2014.- 29p.

137. UNEP Post-Conflict Branch Geneva, History of Environmental Change in the Sistan Basin Based on Satellite Image Analysis: 1976-2005.- 2006.- 60 p.

138. UNEP Post-Conflict Branch Geneva, Selected satellite images of our changing environment. Nairobi,Kenya// UNEP/DEWA.- 2003.- 141p.

139. UNEP Post-Conflict Branch Geneva. Afghanistan post-conflict environmental assessment// United Nations Environment Programs.- 2003 a.- 180p.

140. Vahtmae, E. and Kutser, T., Classifying the Baltic Sea shallow water habitats using image-based and spectral library methods// Remote Sensing.- 2013.- vol. 5(5). pp. 2451-2474.

141. Van Beek, E. Personal communication about the project "Integrated water resources management of the Sistan basin".- 2005.- 60p.

142. Vanderpost C., Ringrose S., Matheson W., Arntzen J. Satellite based long-term assessment of rangeland condition in semi-arid areas: An example from Botswana// Journal of Arid Environment.-2011.- vol. 75.- pp. 383-389.

143. Vittek, M., Brink, A., Donnay, F., Simonetti, D. and Desclée, B., Land cover change monitoring using Landsat MSS/TM satellite image data over West Africa between 1975 and 1990// Remote Sensing.- 2014. Vol. 6(1).- pp. 658-676.

144. Wang H., Li X., Long H., Gai Y., Wei D. Monitoring the effects of land use and cover changes on net primary production: A case study in China's Yongding River basin// Forest Ecology and Management.- 2009.- vol. 258.- pp. 2654-2665.

145. WAPCOS, Lower Helmand valley development// Water and Power Development Consultancy Services (India) Ltd.- 1975.- 168p.

146. Whitney, J.W. Geology, Water and Wind in Lower Helmand Basin, Southern Afghanistan// USGS Scientific Investigations Report.-2006.- 50p.

147. Wu C. Normalized spectral mixture analysis for monitoring urban composition using ETM+ imagery// Remote Sensing of Environment.- 2004.- vol. 93.- pp. 480-492.

148. Wu, W., The generalized difference vegetation index (GDVI) for dryland characterization// Remote Sensing.- 2014.- vol. 6(2).- pp. 1211-1233.

149. Yazadani S, Maghsheno M. Drought monitoring and recommend solution on how to deal with drought// Am-Eur J Agric Environ Sci.- 2008.- vol. 2.- pp. 64-68

150. Yeh A., Gar A., Xia L. Urban growth management in Pearl river delta: an integrated remote sensing and GIS approach// ITC Journal.- 1996.- vol. 1.- pp. 77-78.

151. Yuan C., Elvidge C. NALC land cover change detection pilot study: Washington DC area experiments// Remote Sensing of Environment.- 1998.- vol. 66.- pp. 166-178.

152. Yuan F., Sawaya K.E., Loeffelholz B., Bauer M.E. Land cover classification and change analysis of the Twin Cities (Minnesota) metropolitan area by multitemporal Landsat remote sensing// Remote Sensing of Environment.- 2005.- Vol. 98.- pp. 317-328.

153. Zakhilwal, O. The Helmand Valley Project: Institute for Afghan Studies.- 2005.

154. Zewdie W., Csaplovics E. Remote Sensing based multi-temporal land cover classification and change detection in northwestern Ethiopia// European Journal of Remote Sensing. - 2015.- vol. 48.-pp. 121-139.

155. Zhe Zhu, Curtis E. Woodcock, Continuous change detection and classification of land cover using all available Landsat data// Remote Sensing of Environment.- 2014.- Vol.144.- pp. 152-171.

156. Zobeiri M., Majd A.R. An introduction to remote sensing technology and its application in natural resources, 9th edition// university of Tehran, Iran.- 2011.- 317p.

157. Автоматизированное дешифрирование, [Электронный ресурс]. - Режим доступа: www.gisa.ru/12956.htmI.

158. Вегетационные индексы. Основы, формулы, практическое использование, [Электронный ресурс]. - Режим доступа: http://mapexpert.com.ua/index_ru.php?id=20&table=news, доступ свободный.

159. дистанционное зондирование, [Электронный ресурс]. - Режим доступа: http://loi.sscc.ru/gis/gt/9.html, доступ свободный.

160. Дмитриев А.Н., Шитов А.В. Введение в геоинформационное картирование, учебно -методическое пособие, [Электронный ресурс]. - Режим доступа: http://www.gasu.ru/resour/eposobia/posob, доступ свободный.

161. Королев Ю.К. Как подойти к обработке снимков, электронные текстовые данные/ArcReview, современные геоинформационные технологии, [Электронный ресурс]. - Режим доступа: http://loi.sscc.ru/gis/dataplus/arcrev/Number_11/2_Snimok.html, доступ свободный.

162. Космическая съемка, [Электронный ресурс]. - Режим доступа: http://rudocs.exdat.com/docs/index-413104.html?page=2, доступ свободный.

163. ERDAS Imagine, полнофункциональная система для работы с аэро - и космическими снимками, [Электронный ресурс]. - Режим доступа: // http://loi.sscc.ru/gis/RS/erdas2.html, доступ свободный.

164. ERDAS Imagine, краткий обзор программного пакета, [Электронный ресурс]. - Режим доступа: http://www.primegrou.ru/services/gis/prog.shtml, доступ свободный.

165. GIS-Lab, Атмосферная коррекция данных Landsat/ETM+ (COST метод), Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/atcor.html, доступ свободный.

166. AminmansourM, Drought and desertification in IRAN, [Электронный ресурс]. - Режим доступа: http://www.parstimes.com/environment/desertification iran.html, доступ свободный.

167. Hamoun wetlands current situation and the way forward, [Электронный ресурс]. - Режим доступа: http://www.ir.undp.org, доступ свободный.

168. Hearns G. The Helmand River and the Afghan-Iranian Treaty of 1973. 2014, [Электронный ресурс]. - Режим доступа: http://www.internationalwaterlaw.org, доступ свободный.

169. Iranian Department of Environment, [Электронный ресурс]. - Режим доступа: http://www.irandoe.org .

170. Lansat 7, electronic text data, [Электронный ресурс]. - Режим доступа: http://en.wikipedia.org/wiki/Landsat_7

171. Landsat 8 Operational Land Imager (OLI) and Thermal Infrared Sensor (TIRS), United States Geological Survey (USGS), [Электронный ресурс]. - Режим доступа: https://landsat.usgs.gov/what-are-band-designations-landsat-satellites, доступ свободный.

172. Michael J.C. and Karen H.H., Hazard, The future of the Salton Sea with a report of the Pacific Institute, [Электронный ресурс]. - Режим доступа: www.pacinst.org/reports/saltonsea/report.pdf.

173. Scott, D.A. (Ed.), A Directory of Wetlands in the Middle East, [Электронный ресурс]. - Режим доступа: http://www. earthspace.org/rl/es15056/scd01h.html.

174. SOVZOND, новые возможности ПК ENVI, [Электронный ресурс]. - Режим доступа: http://en. sovzond.ru/upload/iblock/310/2010_02_008. pdf.

175. U.S. Geological Survey, [Электронный ресурс]. - Режим доступа: http://earthexplorer.usgs.gov.

176. United Nations (UN). Global Drylands: A UN System-Wide Response.- 2011.- [Электронный ресурс]. - Режим доступа: http://www.unccd.int/Lists/SiteDocumentLibrary/Publications/Global_Drylands_Full_Report.pdf

177. Wikipedia, география Ирана, [Электронный ресурс]. - Режим доступа: https://ru.wikipedia.org/wiki/Иран