Разработка комплексной методики количественной оценки засухи по многоспектральным разновременным космическим изображениям тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Нгуен Ван Дай Зыонг

• Нгуен Ван Дай Зыонг
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Нгуен Ван Дай Зыонг

ВВЕДЕНИЕ

РАЗДЕЛ 1. АНАЛИЗ ОПЫТА ИСПОЛЬЗОВАНИЯ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ И ПРОГНОЗА ЗАСУХИ

1.1. Определение засухи, характеристики и способы снижения ее последствий

1.2. Космические съемочные системы и программное обеспечение для обработки космических изображений

1.3. Обзор результатов исследовательской ситуации во Вьетнаме и за рубежом

1.4. Постановка цели и задачи диссертационного исследования

РАЗДЕЛ 2. РАЗРАБОТКА КОМПЛЕКСНОЙ МЕТОДИКИ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ И ПРОГНОЗА ЗАСУХИ ПО МАТЕРИАЛАМ МНОГОСПЕКТРАЛЬНОЙ РАЗНОВРЕМЕННОЙ КОСМИЧЕСКОЙ СЪЁМКИ

2.1. Опыт использования индексных изображений для количественной оценки засухи

2.2. Методика обработки многоспектральных разновременных космических изображений для количественной оценки засухи

2.3. Использование методики слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2 для создания более детальной карты-схемы засухи

2.4. Методика прогноза засухи с использованием цепи Маркова и логистической

модели регрессии

Выводы по разделу

РАЗДЕЛ 3. ЭКСПЕРИМЕНТАЛЬНАЯ АПРОБАЦИЯ РАЗРАБОТАННОЙ КОМПЛЕКСНОЙ МЕТОДИКИ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ ЗАСУХИ ПО МАТЕРИАЛАМ МНОГОСПЕКТРАЛЬНЫХ РАЗНОВРЕМЕННЫХ КОСМИЧЕСКИХ СЪЁМОК

3.1. Физико-географическая и экономико-географическая характеристики изучаемого региона

3.2. Экспериментальная апробация методики количественной оценки засухи в провинции Даклак, Вьетнам

3.3. Экспериментальная апробация методики слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2 для создания более детальной карты-схемы засухи

3.4. Экспериментальная апробация методики прогноза засухи с использованием цепи Маркова и логистической модели регрессии на примере провинции Даклак, Вьетнам

Выводы по разделу

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ

СПИСОК ЛИТЕРАТУРЫ

Введение диссертации (часть автореферата) на тему «Разработка комплексной методики количественной оценки засухи по многоспектральным разновременным космическим изображениям»

ВВЕДЕНИЕ

Актуальность темы исследования. Засуха - это природное явление, которое затрагивает сельскохозяйственное производства и вероятность лесных пожаров. Во Вьетнаме засуха возникает по всей стране на разном уровне и продолжительности, особенно в Центральном, Центрально-Нагорном и Южно-Центральном регионах, нанося огромный социально-экономический ущерб обществу, особенно водным ресурсам и сельскохозяйственному производству [1]. Засухи часто происходят в больших масштабах, поэтому количественная оценка засухи с использованием традиционных методов сталкиваются со многими трудностями и высокими затратами. Данные дистанционного зондирования Земли, дающие информацию о поверхности Земли в различных спектральных каналах и с широким охватом, эффективно используются при получении информации о влажности почвы и состояния здоровья растительного покрова в целях количественной оценки засухи [2]. Поэтому применение данных дистанционного зондирования Земли при количественной оценке засухи во Вьетнаме, особенно в Центральном, Центрально -Нагорном и Южно-Центральном регионах, является научной и актуальной проблемой. За последние три десятилетия технология дистанционного зондирования добилась больших успехов в области исследования Земли и стала важным инструментом оценки и управления природными ресурсами. Технология дистанционного зондирования открыла поворотный момент в исследованиях природных ресурсов и окружающей среды на глобальном уровне. Тепловое инфракрасное дистанционное зондирование является одним из трех основных типов технологий дистанционного зондирования, включая оптическое и инфракрасное дистанционное зондирование, тепловое инфракрасное дистанционное зондирование и радиолокационное дистанционное зондирование. Принцип действия теплового инфракрасного дистанционного зондирования заключается в приеме сигналов теплового излучения и записи их в виде изображений благодаря тепловому датчику,

размещенному на носителе. Наиболее важные применения теплового инфракрасного дистанционного зондирования заключаются в определении распределения температуры поверхности и влажности почвы.

Результаты исследований ученых мира [3, 4, 5] показывают, что тепловые инфракрасные изображения дистанционного зондирования являются эффективным инструментом для мониторинга ресурсов и окружающей среды. Благодаря разнообразным пространственным разрешениям, от тепловых инфракрасных изображений низкого разрешения MODIS, NOAA/AVHRR (1 км), тепловых инфракрасных изображений среднего и высокого разрешения ASTER, LANDSAT (60120 м) [6], можно эффективно определить температуры поверхности и влажность почвы для оценки риска засухи в различных масштабах. В частности, тепловые инфракрасные изображения LANDSAT с преимуществом среднего пространственного разрешения, предоставляемые совершенно бесплатно с 16 -дневным циклом повторения [7], являются ценным источником данных для количественной оценки явлений засухи. Тема «Разработка комплексной методики количественной оценки засухи по многоспектральным разновременным космическим изображениям» была выбрана нами исходя из вышеизложенной практичности и актуальности.

Объектом исследования в рамках диссертации являются комплексная методика обработки многоспектральных разновременных космических изображений, предназначенная для количественной оценки засухи.

Предмет исследования - засушливая территория, наземные метеорологические данные, космические изображения для определения уровня засухи, а также прогноза засухи.

Целью диссертационной работы - разработка комплексной методики количественной оценки и прогноза засухи по многоспектральным космическим изображениям.

Задачи, которые необходимо решить для достижения цели исследования:

- Провести обзорное исследование текущего состояния проблемы и определить ключевые направления научных исследований для решения задачи количественной оценки засухи на основе многозональных разновременных космических снимков.

- Сформулировать требования к исходным данным, необходимым для проведения оценки засухи.

- Разработать методику автоматизированной обработки многозональных разновременных космических изображений с целью количественной оценки засухи.

- Разработать методику слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2 для создания более детальной карты-схемы засухи.

- Разработать методику прогноза засухи с использованием цепи Маркова и многокритериальной оценки.

- Провести экспериментальные исследования разработанных методик и проанализировать полученные результаты.

Степень разработанности исследования

Данная тема исследования была посвящена научным статьям ученых как из России, так и из других стран, выполненных с использованием космических изображений и других наземных данных. В процессе подготовки диссертационного исследования автор основывался на работах ведущих специалистов в многих областях, в том числе дистанционное зондирование Земли, фотограмметрия и т.д . В числе авторов, чьи работы оказали значительное влияние, можно отметить В.А. Малинникова, Чинь Лэ Хунга, А.Т. Зверева, Лэ Ван Фу, Sandholt I., А.П. Михайлова, Zhao Q., А.Г. Чибуничева, Zhang Y., И.Г. Журкина, Yu L., О.В. Тутубалину, Masjedi A., А.И. Михееву, К.А. Кургановича, Salehi B., А.А. Донцова, Mahdavi S., В.Ю. Маркеева, А.А. Арзамасцева, Amani M., С.К. Макфитерса, А.Х. Пикенса и А. Крижевского, Rasmussen K., Anderson J., Li X., Peng D., Gong P., Dehnavi S и др.

Метод исследования: В рамках исследования использовались разнообразные методы анализа, включая: цифровую обработку данных дистанционного зондирования Земли, моделирование с использованием цепи Маркова и логистической модели регрессии, метод многокритериальной оценки, логистическую модель регрессии, интеграцию различных типов космических данных, применение методов математической статистики для количественного анализа, пространственный анализ с использованием геоинформационных систем (ГИС), методику слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2. Эти подходы обеспечили комплексную оценку исследуемых данных и позволили получить всестороннюю информацию для решения поставленных научных задач.

Новизна результатов исследований заключается в следующем:

- впервые создана автоматизированная методика количественной оценки уровня засухи на основе анализа многозональных разновременных космических изображений. Эта методика представляет собой инновационный подход к анализу данных, который значительно упрощает и ускоряет процесс оценки степени засухи.

- впервые создана методика слияния изображений, полученных со спутников LANDSAT 8 и Sentinel 2 для построения более детальной карты-схемы засухи. Эта методика расширяет возможности тематического дешифрирования космического изображения и позволяет получать более всестороннюю информацию о засухе на исследуемой территории.

- впервые представлена методика обработки многозональных космических изображений с использованием цепи Маркова и многокритериальной оценки для прогноза засухи. Эта методика позволяет количественно оценить степени засухи в будущее время, что минимизировать последствие от засухи.

Теоретическая значимость результатов исследований определяется решением научной задачи количественной оценки и прогноза интенсивности засухи, обоснованной на результатах автоматизированной обработки разновременных

многоспектральных космических изображений исследуемых территорий с использованием метода зональных, индексных изображений и метода статистического прогнозирования природных явлений, что в значительной степени способствует расширению возможностей использования дистанционного зондирования Земли для решения природно-ресурсных и экономических задач.

Практическая значимость. В работе автор исследовал возможности применения комплексной методики для обработки многоспектральных разновременных космических изображений с целью решения задачи количественной оценки засухи за счет вычислительной облачной платформы Google Earth Engine [8]. Полученными результатами являются карты-схемы районирования засухи на исследуемых территория. Результаты исследований также могут послужить основой для построения карты-схемы засухи в других регионах. Результаты исследований также могут послужить основой для создания карт-схем районирования засухи в других регионах. Эти карты-схемы могут быть использованы при разработке планов управления водными ресурсами, а также строительстве водохранилищ и плотин с целью минимизации последствии засухи.

В рамках диссертационного исследования лично автором впервые получены следующие результаты:

Разработана комплексная методика обработки разновременных многоспектральных космических изображений для количественной оценки засухи, включающая в себя три частной методики:

1. Разработана методика обработки разновременных многоспектральных космических изображений с использованием технологии облачных вычислений для количественной оценки засухи.

2. Разработана методика слияния изображений, полученных со спутников LANDSAT 8 и Sentinel 2 с целью создания более детальной карты-схемы засухи.

3. Разработана методика прогноза изменения уровня засухи с использованием цепи Маркова логистической модели регрессии.

Построены: карта-схема районирования засухи на территории провинции Даклак, Вьетнам за 2022 г.; карта-схема районирования засухи района Исуп, Даклак, Вьетнам; карта-схема прогноза засухи на 2025, 2026 2030 гг.

Степень достоверности исследования в диссертации обеспечивается использованием проверенных открытых источников данных, применением современных и передовых методов обработки данных и анализа результатов. Надежность исследования подтверждается как теоретическим обоснованием, так и экспериментальным тестированием.

Результаты диссертационного исследования были представлены на научно -технических конференциях в форме докладов, что обеспечивает их апробацию и обратную связь от научного сообщества.

Публикации на тему исследования:

1 Нгуен В. Д. З. Разработка методики количественной оценки засухи по многоспектральным космическим изображениям / В. Д. З. Нгуен, В. А. Малинников. - Текст: непосредственный // Мониторинг. Наука и технологии. - 2023. - № 2(56). -С. 56-61. DOI: 10.25714/MNT.2023.56.007

2 Нгуен В. Д. З. Использование цепи Маркова и логистической модели регрессии для прогнозирования засухи по материалам многозональной космической съемки / В. Д. З. Нгуен, В. А. Малинников, М. В. Литвиненко, В. Б. Непоклонов. - Текст: непосредственный // Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2023. - Т. 67. - № 3. - С. 101-111. DOI: 10.30533/GiA-2023-050

3 Нгуен В. Д. З. Комбинация спутниковых изображений LANDSAT 8 и Sentinel 2 для повышения пространственного разрешения и сегментации засухи / В. Д. З. Нгуен, В. А. Малинников. - Текст: непосредственный // Международная Студенческая Неделя

Науки СНН-2023, Московский государственный университет геодезии и картографии. - 2023. - Т. 78. - С. 147-157. Б01: 10.30533/уеБ1^ео-2023-018

4 Нгуен В. Д. З. Применение модели Маркова-СА и метода многокритериальной оценки для прогнозирования засухи с использованием данных дистанционного зондирования Земли/ В. Д. З. Нгуен. - Текст: непосредственный // Мониторинг. Наука и технологии. - 2024. - № 2(60). - С. 55-59.

5 Нгуен В. Д. З. Определение уязвимости земель к засухе с использованием многокритериальной оценки принятия решений и метода анализа иерархий / В. Д. З. Нгуен, В. А. Малинников, Л. Х. Чинь. - Текст: непосредственный // Геодезия и картография. - 2024. - № 8. - С. 31-41. Б01: 10.22389/0016-7126-2024-1010-8-31-41

Структура и объем диссертации работы:

1. Введение

2. Раздел 1: Анализ опыта использования материалов космической" съёмки для количественной оценки и прогноза засухи

3. Раздел 2: Разработка методики количественной оценки и прогноза засухи по материалам разновременной космической съёмки

4. Раздел 3: Экспериментальная апробация разработанной методики количественной оценки и прогноза засухи по материалам разновременных космических съёмок

5. Заключение

6. Список принятых сокращений

7. Список использованной литературы

Общий объем диссертационного исследования составляет 112 страницы. В работе представлены 30 рисунков, 7 таблиц и 13 формул. Список литературы включает 116 источников.

РАЗДЕЛ 1. АНАЛИЗ ОПЫТА ИСПОЛЬЗОВАНИЯ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЛЯ КОЛИЧЕСТВЕННОЙ ОЦЕНКИ И ПРОГНОЗА ЗАСУХИ

1.1. Определение засухи, характеристики и способы снижения ее последствий

Понятие засухи, причина и ее последствия

Засуха -это обширный период недостатка осадков, который может быть вызван различными причинами, как естественными, так и человеческими [9]. Некоторые из основных причин засухи включают в себя:

Изменение климата: Изменение климата, может быть, одной из главных причин засухи. Глобальное потепление может вызывать более высокие температуры, что приводит к увеличению испарения и уменьшению количества осадков в некоторых регионах [10].

Экстремальные погодные явления: Экстремальные погодные явления, такие как сильные ветры, грозы и торнадо, могут также вызывать засуху путем высушивания почвы и растительности [11].

Дефорестация: Удаление лесов может привести к засухе путем уменьшения количества влаги, которую земля может удерживать [12]. Леса могут также оказывать влияние на осадки, создавая свою микроклиматическую зону и способствуя циклу воды.

Использование водных ресурсов: Использование водных ресурсов для сельского хозяйства, промышленности и городского потребления может привести к уменьшению количества воды в реках, озерах и грунтовых водах, что может привести к засухе.

Загрязнение окружающей среды: Загрязнение окружающей среды может оказать негативное воздействие на качество почвы и воды, что может привести к засухе и другим экологическим проблемам.

Природные катаклизмы: Природные катаклизмы, такие как землетрясения, вулканические извержения и циклоны, могут привести к засухе путем изменения геологической структуры региона и уменьшения количества осадков [13].

Кроме того, засуха может быть вызвана комбинацией этих и других факторов.

Последствие засухи

Засуха может иметь серьезные последствия для экосистем, сельского хозяйства и людей. Вот некоторые из них:

Снижение урожайности: Засуха может привести к снижению урожайности и потере урожая. Она может оказаться особенно разрушительной для культур, которые нуждаются в больших количествах воды [14], таких как рис, пшеница и кукуруза (рисунок 1.1).

Рисунок 1.1 - Неурожай в провинции Даклак Вьетнам [15] Ухудшение качества воды: Сокращение водных ресурсов из-за засухи может привести к ухудшению качества воды в реках и озерах (рисунок 1.2), а также к снижению уровня грунтовых вод [16].

Рисунок 1.2 - Качество воды ухудшилось из-за засухи в провинции Даклак [17]

Пожары: Засуха может увеличить вероятность возникновения лесных и степных пожаров из-за сухой растительности [18] (рисунок 1.3).

Рисунок 1.3 - Лесной пожар в провинции Даклак [19]

Экологические последствия: Засуха может привести к сокращению численности животных и ухудшению качества их среды обитания [20]. Кроме того, засуха может привести к сокращению рыбных запасов, особенно в пресноводных водоемах (рисунок 1.4).

Рисунок 1.4 - Животные умирают из-за нехватки воды в Африке [21]

Социально-экономические последствия: Засуха может привести к экономическим потерям, особенно для сельского хозяйства, а также к миграции людей из засушливых регионов в более влажные места [22]. Это может вызвать социальные и экономические проблемы, такие как бедность и конфликты. Засуха приводит к ухудшению качества воды, что повышает риск заболеваний. Кроме того, недостаток пищи и воды приводит к проблемам с питанием, особенно среди детей и пожилых людей. Снижение сельскохозяйственного производства и рост цен на продовольствие влияют на уровень инфляции и снижают покупательскую способность населения (рисунок 1.5).

ЧЯйш г -

\LJt-

Рисунок 1.5 - Африканцам не хватает воды из -за засухи, это приводит к

миграции [23]

Потенциальные конфликты: Засуха может стать причиной конфликтов между государствами и народами из-за ограниченных водных ресурсов [24] (рисунок 1.6).

Рисунок 1.6 - Конфликт из-за источника воды [25]

15

Реальность показывает, что засуха влияет не только на экономику и политику, но и на все аспекты жизни человека и окружающей среды. Из вышеперечисленных причин требует принять необходимы меры для ее минимизировать ее последствия.

Исследование способов уменьшения последствия засухи

Уменьшение последствий засухи может быть сложным процессом, но некоторые меры могут помочь справиться с ее негативными последствиями [26]. Некоторые из таких мер включают в себя:

Эффективное использование воды: необходимо использовать воду максимально эффективно. Например, использование капельного орошения в сельском хозяйстве и в домашнем хозяйстве, а также обеспечение правильной системы полива растений.

Уменьшение водопотерь: Одной из наиболее эффективных мер для уменьшения последствий засухи является уменьшение потерь воды [27]. Это может включать в себя ремонт и обслуживание систем водоснабжения, установку современных технологий экономии воды и использование водосберегающих мероприятий в быту.

Применение устойчивых методов земледелия: Использование устойчивых методов земледелия, таких как посев сортов, которые могут выдерживать засуху [28], а также использование грунтовых улучшителей и удобрений, которые повышают влагоудерживающую способность почвы.

Снижение воздействия климатических изменений: необходимо предпринимать меры по снижению воздействия климатических изменений, таких как уменьшение выбросов парниковых газов и введение программ по повышению эффективности использования энергии.

Проведение информационной кампании: Организация информационных кампаний для населения и сельского хозяйства может помочь повысить осведомленность о проблеме засухи [29] и способах ее преодоления, а также стимулировать изменение потребительских привычек в отношении использования воды.

1.1.3 Современные методы количественной оценки засухи

Исходя из вышеперечисленных последствий засухи, необходимо принимать эффективные меры для количественной оценки засухи.

Количественная оценка засухи необходима, чтобы иметь представление о масштабах проблемы, ее последствиях и эффективности принимаемых мер [30]. Некоторые причины, по которым количественная оценка засухи является важным, включают в себя:

Определение масштабов проблемы: количественная оценка засухи помогает определить масштабы проблемы и области, которые находятся под угрозой. Это помогает управляющим органам и сельскому хозяйству определить необходимые меры для борьбы с засухой [31].

Оценка последствий: количественная оценка засухи также помогает оценить последствия засухи, такие как снижение урожайности, повышение цен на продукты питания и ухудшение экологической ситуации [32]. Эта информация может помочь управляющим органам принимать более эффективные меры для борьбы с засухой и минимизации ее последствий.

Оценка эффективности мер: количественная оценка засухи помогает оценить эффективность принимаемых мер и корректировать их в соответствии с потребностями. Это позволяет управляющим органам и сельскому хозяйству более точно определять, какие меры будут наиболее эффективными для борьбы с засухой.

Прогнозирование: количественная оценка засухи также позволяет прогнозировать вероятность возникновения засухи в будущем [33], что позволяет управляющим органам и сельскому хозяйству готовиться к ее возможному появлению.

Таким образом, количественная оценка засухи является важным информационным ресурсом для эффективного управления засухой и минимизации ее

последствий. Существует несколько методов количественной оценки засухи, включая следующие:

- Метеорологический мониторинг: этот метод использует данные о погоде, такие как количество осадков, температура и влажность воздуха, чтобы определить, насколько интенсивной является засуха в данном регионе [34]. Он также может помочь в прогнозировании того, насколько продолжительной может быть засуха.

- Гидрологический мониторинг: данный метод основан на наблюдении за уровнем воды в реках, озерах, водохранилищах и других водоемах. Если уровень воды в этих местах снижается, это может свидетельствовать о наличии засухи в регионе [35].

- Агрономический мониторинг: этот метод основан на анализе состояния растительности и земли в регионе. Например, если земля высыхает, растения выглядят истощенными и не зреют, это может быть признаком засухи [36].

- Радиолокационный мониторинг: данный метод использует радары для измерения влажности почвы и определения наличия засухи [37].

- Спутниковый мониторинг: этот метод использует данные, полученные со спутников, чтобы определить уровень зеленой массы, температуру и влажность воздуха, а также другие параметры, которые могут указывать на наличие засухи [38].

В целом, количественная оценка засухи является сложной задачей, которая требует использования нескольких методов и инструментов для получения более точной информации.

1.1.5 Необходимость использования технологии спутникового дистанционного зондирования для количественной оценки засухи

В этом исследовании технология дистанционного зондирования с использованием спутниковых изображений и метеорологических данных применялась для количественной оценки и прогнозирования засухи. Использование

спутникового дистанционного зондирования для количественной оценки засухи имеет несколько преимуществ:

- Охватывает большую площадь: Спутниковое дистанционное зондирование позволяет получать данные о большой территории [39], что делает его более эффективным и экономичным по сравнению с обзором территории с помощью местных наблюдений.

- Регулярные измерения: Данные, полученные с помощью спутников, могут быть получены регулярно, что позволяет отслеживать изменения в течение времени и выявлять тенденции [40]. Это позволяет раннее обнаружение засух и принятие мер по предотвращению ее последствий.

- Уменьшение ошибок: Использование спутниковых данных уменьшает ошибки, связанные с субъективными оценками, которые могут быть связаны с местными наблюдениями [41].

- Высокая разрешающая способность: Современные спутники могут предоставлять данные с очень высокой разрешающей способностью, что позволяет получать более детальную информацию о поверхности Земли и выявлять изменения на уровне отдельных участков [42].

Таким образом, использование спутникового дистанционного зондирования для количественной оценки засухи является эффективным инструментом для отслеживания изменений на больших территориях и раннего обнаружения засух, что может способствовать более эффективному управлению и предотвращению ее последствий.

1.2. Космические съемочные системы и программное обеспечение для обработки космических изображений

Космические системы для получения информации о состоянии засухи

Спутники LANDSAT были запущены Национальным управлением по аэронавтике и исследованию космического пространства (NASA) в сотрудничестве с Геологической службой США (USGS).

Спутники LANDSAT оснащены приборами, позволяющими снимать изображения в различных диапазонах электромагнитного спектра, включая видимую, инфракрасную и тепловую области. Эти данные используются для получения информаций о изменении природных явлений, а также в аграрной, геологической и географической областях. Серия спутников LANDSAT предоставляет непрерывный и долгосрочный набор данных, что делает её важным инструментом для анализа и понимания изменений на поверхности Земли в течение десятилетий.

Начиная с первого запуска в 1972 году, серия спутников LANDSAT продолжает собирать ценные данные о нашей планете, что позволяет ученым, исследователям и планировщикам эффективно мониторить и анализировать различные аспекты окружающей среды и использования природных ресурсов [43].

Космическая система LANDSAT 9 представляет собой последний спутник из серии миссий LANDSAT, разработанный и запущенный в рамках программы Национального управления по аэронавтике и исследованию космического пространства (NASA) совместно с Геологической службой США (USGS). LANDSAT 9 был запущен 27 сентября 2021 года [44].

Спутник LANDSAT 9 оснащен двумя основными приборами для съемки: Operational Land Imager 2 (OLI-2) и Thermal Infrared Sensor 2 (TIRS-2) [45]. Вместе они предоставляют данные с различными разрешениями.

1. Operational Land Imager 2 (OLI-2): - Мультиспектральный режим: - Видимый и ближний инфракрасный диапазон: разрешение 30 метров на

пиксель.

- Коротковолновый инфракрасный диапазон: разрешение 30 метров на

пиксель.

- Панхроматический режим: разрешение 15 метров на пиксель.

2. Thermal Infrared Sensor 2 (TIRS-2):

- Тепловой инфракрасный диапазон: разрешение 100 метров на пиксель.

LANDSAT 9 предоставляет данные с различными разрешениями, что позволяет

анализировать поверхность Земли с высокой детализацией в различных спектральных диапазонах [46].

Космическая система Sentinel:

Серия спутников наблюдения Земли под названием Sentinel принадлежит программе Коперник Европейского космического агентства (ЕКА). Данная серия включает в себя спутники с названиями от Sentinel-1 до Sentinel-6, оборудованные приемниками для мониторинга суши, океана и атмосферы [47]. В дополнение к демонстрации высокого разрешения оборудования для получения изображений, первоначальные данные предоставляют возможности для мониторинга земельных ресурсов. Эти спутниковые изображения, полученные от Sentinel-2A, могут использоваться в сельском хозяйстве, планировании и развитии, составлении карт суши, прибрежных вод и растительного покрова.

Список литературы диссертационного исследования кандидат наук Нгуен Ван Дай Зыонг, 2025 год

использовании

П/п космического изображения LANDSAT 8 изображений, полученных из спутников LANDSAT 8 и Sentinel 2 значения TVDI

1 0,542 0,545 - 0,003

2 0,284 0,274 0,01

3 0,717 0,735 -0,018

4 0,024 0,027 -0,003

5 0,466 0,457 0,009

6 0,764 0,747 0,017

7 0,434 0,445 -0,011

8 0,554 0,558 -0,004

9 0,814 0,816 -0,002

10 0,235 0,238 -0,003

В данной исследовании представлены результаты районирования засухи, полученные двумя различными методами: с использованием космического изображения LANDSAT 8 (рисунок 3.6) и методикой слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2 (рисунок 3.7). Исследование было проведено в районе Исуп, провинции Даклак, Вьетнам. Данный район обладает обширной территорией в составе провинции Даклак (11316 гектаров) и страдает от серьезных последствий засухи в этой местности [103].

Космическое изображение LANDSAT 8 было получено 7 февраля 2017 года, в период сухого сезона, когда засуха достигает своей вершины. Изображение Sentinel 2 было также получено 8 февраля 2017 года. Использование данных двух типов изображений, полученных в близкие дни, направлено на снижение погрешности при вычислении значения поверхностной радиационной эмиссии. Это обусловлено тем, что в близкие периоды времени значение поверхностной радиационной эмиссии практически не изменяется, что, в свою очередь, способствует снижению ошибки при вычислении индекса TVDI. Красный цвет на карте-схеме указывает на высокую степень засухи, зеленый и темно-зеленый цвета обозначают умеренные и влажные области, соответственно, а желтый цвет указывает на средний уровень засухи

(рисунок 3.8). Из карты-схемы видно, что центральная и северо-западная части района Исуп имеют наиболее серьезные засушливые условия. Северо -восточные и южные районы не страдают от засухи.

Рисунок 3.8 - Карта-схема районирования засухи при использовании космических изображений LANDSAT 8 на примере района Исуп, Вьетнам

На основе индексного изображения построена автором карта-схема засухи в районе Исуп, провинции Даклак (рисунок 3.9).

Рисунок 3.9 - Карта-схема засухи района Исуп, Вьетнам

Построение карты-схемы поможет органам власти в определении областей и степени серьезности засухи для разработки конкретных мер по борьбе с засухой с целью минимизации её негативных последствий. Например, строительство водохранилищ в разумных местах вблизи областей с высоким уровнем засухи. Рациональное использование чистой воды. Научное использование воды для орошения с целью обеспечения роста растений и поддержания урожайности в сельском хозяйстве... Засуха может начаться даже с маленьких участков. Поэтому детальные карты-схемы засухи помогают своевременно обнаружить и потушить её, тем самым предотвращая распространение засухи и минимизируя её негативное воздействие.

3.4. Экспериментальная апробация методики прогноза засухи с использованием цепи Маркова и логистической модели регрессии на примере

провинции Даклак, Вьетнам Подбор исходных данных для прогноза засухи в провинции Даклак, Вьетнам В данном исследовании использовались спутниковые снимки БАКОБАТ 8 за 2014, 2017, 2020 годы, в сочетании с картографическими данными, собранными со страницы - сайта WorldCLIM [111], такие как: карта распределения населения, карта количества осадков. Кроме того, в исследовании использовались данные о провинции Даклак, такие как: карта рельефа, карта наклона местности, карта изгиба местности, цифровая высотная модель. Эти данные собраны из страницы ЕагШЕхр1огег [112].

Даклак является провинцией с различными типами местности, такими как плато, высокие горы и другие типы местности, которые непосредственно влияют на угол падения солнечного излучения. Особенности местности вносят не малый вклад в количество тепла, получаемое от солнечного излучения на территории провинции Даклак. Именно поэтому в этом исследовании были использованы карты уклона местности, модели высоты, карты рельефа и карты кривизны. Кроме того, данные о количестве осадков также являются важным фактором для оценки уровня засухи. Для прогнозирования засухи были использованы картографические данные о количестве осадков. Эти данные были собраны на Worldclim и отфильтрованы по границам провинции Даклак с января по апрель 2017 года. Все вышеупомянутые карты были обработаны в среде ArcGIS в формате растра с пикселями размером 30 х 30 м. Факторы, влияющие на изменение уровня засухи

Для оценки важности каждой из шести параметров использовался экспертный подход, с участием специалистов в областях метеорологии, природных ресурсов, землепользования, экономики и социологии. Экспертные мнения собирались с привлечением онлайн-ресурса https://bpmsg.com/, предоставляющего бесплатное онлайн-приложение для опросов. Данный веб-сайт позволяет экспертам выражать

относительную важность каждой пары параметров и автоматически выполняет расчеты для определения согласованности экспертных оценок. Результаты оценки 6 критериев показаны в следующей таблице (таблица 3.4).

Таблица 3.4 - Результаты оценки важности критериев, влияющих на засуху

Факторы карта осадков карта уклона местности карта направления местности данные о средней температуре карта солнечной радиации карта плотности населения

карта осадков 1 7 3 1 9 5

карта уклона местности 1/7 1 1/5 1/3 1 1/3

карта направления местности 1/3 5 1 1 3 3

данные о средней температуре 1 3 1 1 3 1

карта солнечной радиации 1/9 1 1/3 1/3 1 1/3

карта плотности населения 1/5 3 1/3 1 3 1

Индекс согласованности, полученный при оценке вышеуказанных 6 критериев,

CR= 0,05. Индекс CR составляет менее 0,1, что обеспечивает точность при оценке критериев, влияющих на засуху [113]. Взвешенным набором факторов, влияющих на распространение и тяжесть засухи, являются: среднее количество осадков (40,1%), уклон местности (4,7%), направления местности (11,7%), средняя температура (19,8%), солнечная радиация (18,9%) и плотность населения (4,9%). Этот набор весов используется в сочетании с картами-схемами засухи 2014 и 2017 годов для построения карты-схемы прогноза засухи на 2020 год. Затем используйте эту карту-схему прогноза засухи для сравнения с картой-схемой засухи на 2020 год. Для оценки точности модели и сравнения карты-схемы засухи на 2020 год с реальной картой уровня засухи на 2020 год использовался коэффициент Каппа. Результаты оценки

показали, что коэффициент Каппа больше 0,9, что является хорошим показателем, разработанная модель может быть использована для прогнозирования засухи. Таким образом, полученные результаты гарантированно позволяют проводить прогнозы на следующие периоды 2026 и 2029 годов.

Использование цепи Маркова и логистической модели регрессии для прогноза засухи на примере провинции Даклак, Вьетнам

Разработанная модель прогнозирует изменение уровня засухи на следующие 3 года (2023, 2026), которое основывается на комбинации матриц вероятности перехода между различными масштабами засухи и картой потенциальных изменений, созданной с помощью цепей Маркова и анализа логистической модели регрессии. Сравнение прогноза для 2026 года с фактической ситуацией в 2020 году показывает, что в будущем существенно изменится уровень засухи в провинции Даклак. Поэтому местные власти должны разработать соответствующие политики управления и распределения водных ресурсов, чтобы обеспечить устойчивое развитие (таблицы 3.5, 3.7) (рисунок 3.10).

Таблица 3.5 - Матрица вероятности преобразования уровней засухи в 2023 и 2026 гг.

Уровень засухи Увлажненная Влажная Сухая Очень сухая Чрезвычайно сухая

2023

Увлажненная 0,015603 0,940758 0,042972 0,000557 0,00011

Влажная 0,000643 0,478973 0,514338 0,005106 0,00094

сухая 0,000001 0,052416 0,859131 0,087487 0,000965

Очень сухая 0,000001 0,052416 0,859131 0,087487 0,000965

Чрезвычайно сухая 0 0,000841 0,063187 0,662122 0,273849

2026

Увлажненная 0,069171 0,889271 0,0413 0,00025 0,000008

Влажная 0,000798 0,420754 0,576642 0,001702 0,000104

сухая 0 0,021212 0,903508 0,073757 0,001523

Очень сухая 0 0,001861 0,311093 0,588988 0,098058

Чрезвычайно сухая 0 0,000217 0,031417 0,424367 0,543999

Таблица 3.6 - Прогноз изменения уровней засухи в периоде 2020-2026 в провинции Даклак, Вьетнам.

Уровень засухи Состояние засухи (Гектар) Изменение уровня засухи (Гектар)

2020 2023 2026 2020-2023 2023-2026 2020-2026

Увлажненная 4022,8 1045,6 3921,1 -2977,20 2875,50 -101,70

Влажная 207566,0 246246,5 202068,5 38680,50 -44178,00 -5497,50

сухая 848006,3 823566,5 867744,5 -24439,80 44178,00 19738,20

Очень сухая 215860,6 220497,8 200369,4 4637,20 -20128,40 -15491,20

Чрезвычайно сухая 31585,3 15684,5 32937,4 -15900,80 17252,90 1352,10

Площадь провинции Даклак 1307041,0 1307041,0 1307041,0 0,0 0,0 0,0

Рисунок 3.10 - Карты-схемы прогноза уровней засухи в провинции Даклак,

Вьетнам в 2026 г

В ходе исследования была проведена классификация засухи по спутниковым изображениям, с целью создания карт-схем засухи на территории провинции Даклак, Вьетнам за 2000, 2005, 2010, 2015 и 2020 годы для 5 типов засухи: увлажненная, влажность, сухая, очень сухая и чрезвычайно сухая. Полученные карты-схемы прогноза засухи были сравнены с картами засухи в каждый год. Результаты прогнозирования засухи по этапам составляют 85.68%, 88.33%, 86.36% и 87.79% соответственно [114], что обеспечивает точность прогнозирования. На основе этой точности автор прогнозировал засуху исследуемой территории за 2025 и 2030 годы (рисунок 3.11).

Рисунок 3.11 - Карты-схемы классификации засухи на территории провинции Даклак, Вьетнам за 2000, 2005, 2010, 2015 и 2020

Результаты прогнозирования пространственного распределения уровней засухи с использованием метода модели цепи Маркова-СА представлены на рисунке 3.12, на

котором красные пиксели представляют районы с чрезвычайным уровнем засухи (рисунок 3.12).

Прогноз уровня засухи в 2025 и 2030 гг.

Увлажненная

Влажная

Сухая

Очень сухая Чрезвычайно-сухая

n А

V ■

V

0 20 40 km 1-1-1 2025

-»—-■«а. n

A

Wik-*

j^ViSf * ' f. L

rW...

/

0 20 40 km 1-1-1 2030

Рисунок 3.12 - Результаты прогнозирования изменения уровня засухи в провинции Даклак в 2025 и 2030 гг

Выводы по разделу 3

Как показали наши исследования, предложенная нами методика районирования территорий по уровню засухи на основе пороговых значений индекса TVDI, определяемого по многоспектральным космическим изображениям LANDSAT 9, может эффективно использоваться для мониторинга засухи [115]. Обработка данных дистанционного зондирования на платформе Google Earth Engine позволяет сократить материальные и человеческие ресурсы и время, помогая контролировать развитие засухи и минимизировать ее последствия. Отметим также, что продолжительная засуха интенсивно влияет на сельскохозяйственное производство, а также на повседневную жизнь людей. Например, в провинции Даклак тысячи гектаров влажного риса были уничтожены засухой 2022 года.

Информация, полученная из результатов использования методики слияния

изображений, полученных со спутников LANDSAT 8 и Sentinel 2 для построения

более детальной карты-схемы засухи, не только помогает научным исследователям,

но и способствует принятию обоснованных решений в области управления ресурсами

и сельским хозяйством [116]. Более точное представление о засухе и ее

91

распространении позволяет оптимизировать использование водных ресурсов и разрабатывать эффективные меры по смягчению последствий засушливых периодов. Таким образом, методика слияния изображений, полученных со спутников LANDSAT 8 и Sentinel 2 для построения более детальной карты-схемы засухи — это не просто технический прогресс, но и ценный инструмент для нашего более глубокого понимания климатических явлений и их воздействия на нашу жизнь и окружающую среду. Это открывает новые возможности для устойчивого развития и сохранения нашей планеты для будущих поколений.

В исследовании использовались спутниковые изображения для анализа изменений уровня засухи в провинции Даклак в период с 2014 по 2020 год. Интегрированная модель цепи Маркова и логистической модели регрессии использовалась для прогнозирования изменений масштаба и пространственного распространения засухи между уровнями засухи в 2023, 2026 годах. Прогнозные результаты для 2023 и 2026 годов показывают, что области с очень высоким уровнем засухи и тревожной ситуации по-прежнему преимущественно сосредоточены в северо-западной части провинции Даклак. В центральной части провинции наблюдается тенденция к снижению уровня интенсивной засухи.

ЗАКЛЮЧЕНИЕ

В результате диссертационного исследования решена научная задача разработки комплексной методики количественной оценки засухи по многоспектральным космическим изображениям.

В итоге диссертационной работы получены новые научные результаты, заключающиеся в следующем:

проведен анализ российского и зарубежного опыта при решении задачи количественной оценки засухи по многоспектральным космическим изображениям;

разработаны требования к используемым данным, необходимые для решения задачи количественной оценки засухи по многоспектральным космическим изображениям;

разработана комплексная методика количественной оценки засухи по многоспектральным космическим изображениям;

проведены экспериментальные исследования по количественной оценки засухи с использованием разработанной комплексной методики.

На основании выполненных исследований можно сделать следующие выводы: процесс создания набора данных для определения уровня засухи играет очень важную роль, влияющую на количественную оценку засухи. Многокритериальная оценка различных наборов данных помогает выделить наиболее важные факторы для прогноза засухи;

экспериментальные результаты показывают, что вероятность засухи тесно связана с уменьшением влажности почвы, индекс ТУ01 имеет линейную корреляцию с процентом влажности почвы;

Применение предложенной комплексной методики для количественной оценки засухи способствует повышению достоверности результатов и улучшению эффективности использования модели для анализа новых изображений. Экспериментальные исследования продемонстрировали, что предложенная автором

93

комплексная методика позволяет проводить количественную оценку засухи для любых территорий Земли на основе использования космических изображений.

Возможность слияния изображений, полученных из спутников LANDSAT 8 и Sentinel 2 для создания более детальной карты-схемы засухи.

при прогнозе засухи использование многокритериальной оценки является наиболее корректным методом для подбора факторов, влияющих на изменение засухи.

Рекомендации по использованию результатов.

Результаты, полученные по разработанной комплексной методике, могут быть использованы для автоматизированного построения карты-схемы засухи, которая в свою очередь могут быть использована при разработке планов оптимизации использования водных ресурсов и эффективных мер по смягчению последствий засушливых периодов.

Перспективы дальнейших исследований. Для улучшения результатов исследования можно применять следующие подходы:

Интеграция дополнительных данных: для повышения точности моделей можно рассмотреть возможность интеграции дополнительных данных, таких как данные о почвенной влажности, атмосферных условиях и гидрологическом цикле. Это может помочь учесть более широкий спектр большее число факторов, влияющих на засуху.

Улучшение алгоритмов обучения: применение более продвинутых алгоритмов обучения, таких как глубокое глубокого обучение обучения или алгоритмы машинного обучения с подкреплением, может улучшить повысить способность моделей адаптироваться к сложным зависимостям и шуму в данных.

Интеграция прогнозов с другими моделями: комбинирование прогнозов, полученных из моделей цепи Маркова и логистической модели регрессии, с другими экологическими или климатическими моделями может помочь улучшить прогнозирование засухи и повысить его достоверность.

СПИСОК СОКРАЩЕНИЙ

NDVI - Нормализованный разностный вегетационный индекс

NIR - Ближний инфракрасный

ДЗЗ - Дистанционное зондирование Земли

TVDI - Температурно - растительный засушливый индекс

RED - Красный

GEE - Google Earth Engine

LST - Температура поверхности

США - Соединённые Штаты Америки

ВВП - Валовой внутренний продукт

FVC - Доля растительного покрова

TIRS-2 - Тепловой инфракрасный датчик-2

OLI-2 - Operational Land Imager 2

AVI - Расширенный индекс растительности

SWSI - Индекс обеспечения поверхностных вод

USGS - Геологическая служба США

VCI - Индекс состояния растительности

VTCI - Индекс температурно - растительного состояния

SMOS - Почвенная влажность и океаническая солёность

NOAA/AVHRR - Национальное управление по океанографии и атмосфере / Продвинутый высокоразрешающий радиометр очень высокого разрешения ETM + - Улучшенный тематический картографический прибор плюс LSWI - Индекс поверхностей суши и воды

NIAPP - Национальный институт планирования и прогнозирования сельского хозяйства

PDSI - Индекс тяжести засухи Палмера

PHDI - Индекс человеческого развития, скорректированный на планетарные давления

SDI - Индекс засушливости речного стока

SLSTR - Радиометр температуры морской и сухопутной поверхности UK-DCM2 - United Kingdom Defence Cyber Marvel 2

СПИСОК ИСПОЛЬЗОВААННОЙ ЛИТЕРАТУРЫ

1 Танг, Н. В. Исследования по определению показателей засухи для ЮжноЦентрального региона / Н. В. Танг, М. В. Кхием, Н. Д. Мау, Т. Д. Три. - Текст: непосредственный // Журнал гидрометеорологии. - 2014. - Т. 3. - С. 49-55.

2 AghaKouchak, A. Remote sensing of drought: Progress, challenges and opportunities / A. AghaKouchak, A. Farahmand, F. S. Melton, J. Teixeira, M. C. Anderson, B. D. Wardlow, C. R. Hain. - Текст: непосредственный // Reviews of Geophysics. - 2015. - Т. 53. - № 2.

- С. 452-480.

3 Weng, Q. Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends / Q. Weng. - Текст: непосредственный // ISPRS Journal of Photogrammetry and Remote Sensing. - 2009. - Т. 64. - № 4. - С. 335-344.

4 Anderson, M. C. Use of Landsat thermal imagery in monitoring evapotranspiration and managing water resources / M. C. Anderson, R. G. Allen, A. Morse, W. P. Kustas. - Текст: непосредственный // Remote Sensing of Environment. - 2012. - Т. 122. - С. 50-65.

5 Khanal, S. An overview of current and potential applications of thermal remote sensing in precision agriculture / S. Khanal, J. Fulton, S. Shearer. - Текст: непосредственный // Computers and Electronics in Agriculture. - 2017. - Т. 139. - С. 22-32.

6 Santra, A. Land surface temperature estimation and urban heat island detection: A remote sensing perspective / A. Santra. - Текст: непосредственный // In Environmental Information Systems: Concepts, Methodologies, Tools, and Applications. - 2019. - С. 1538-1560.

7 Wulder, M. A. Current status of Landsat program, science, and applications / M. A. Wulder, T. R. Loveland, D. P. Roy, C. J. Crawford, J. G. Masek, C. E. Woodcock, Z. Zhu.

- Текст: непосредственный // Remote Sensing of Environment. - 2019. - Т. 225. - С. 127147.

8 Amani, M. Google Earth Engine cloud computing platform for remote sensing big data applications: A comprehensive review / M. Amani, A. Ghorbanian, S. A. Ahmadi, M.

97

Kakooei, A. Moghimi, S. M. Mirmazloumi, B. Brisco. - Текст: непосредственный // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. - 2020. - Т. 13. - С. 5326-5350.

9 Щерба, Т. Э. Понятие «Опустынивание почв» и некоторые подходы к его трактовке / Т. Э. Щерба, А. С. Гасанов. - Текст: непосредственный // Ученые записки Казанской государственной академии ветеринарной медицины им. НЭ Баумана. - 2015. - Т. 224.

- № 4. - С. 274-279.

10 Бусько, Н. П. Влияние изменения климата на использование природных ресурсов и энергетику / Н. П. Бусько. - Текст: непосредственный - 2023.

11 Das, H. P. Agrometeorological impact assessment of natural disasters and extreme events and agricultural strategies adopted in areas with high weather risks / H. P. Das. - Текст: непосредственный // In Natural Disasters and Extreme Events in Agriculture: Impacts and Mitigation. - 2005. - С. 98-118.

12 Oljirra, A. The causes, consequences and remedies of deforestation in Ethiopia / A. Oljirra. - Текст: непосредственный // Journal of Degraded and Mining Lands Management. - 2019. - Т. 6. - № 3. - С. 1747.

13 Викулин, А. В. Цивилизация глазами катастроф: природных и социальных / А. В. Викулин, И. Ф. Вольфсон, М. А. Викулина, А. А. Долгая. - Текст: непосредственный

- КамчатГТУ, 2016.

14 Рагхав, Д. С. Перу. Аграрный сектор экономики (проблемы, перспективы) / Д. С. Рагхав, А. Вуколов, В. Крупнов, А. Жаров. - Текст: непосредственный - Текст: непосредственный - Litres, 2022.

15 Phuong an ung pho voi han han trong mùa khô nam 2019-2020 trên dia bàn tinh Dâk Làk // [В Интернете]. Available: https://daklak.gov.vn/-/phuong-an-ung-pho-voi-han-han-trong-mua-kho-nam-2019-2020-tren-ia-ban-tinh-ak-lak.

16 Mosley, L. M. Drought impacts on the water quality of freshwater systems: review and integration / L. M. Mosley. - Текст: непосредственный // Earth-Science Reviews. - 2015. - Т. 140. - С. 203-214.

17 Cuoc chien chong han a Dak Lak ngay cang khoc liet // [В Интернете]. Available: https://baotainguyenmoitruong.vn/dak-lak-cuoc-chien-chong-han-ngay-cang-khoc-liet-245293.html.

18 Алтухова, М. А. Динамика возникновения и распространения крупномасштабных пожаров в Сибирских лесах и технологии их прогнозирования / М. А. Алтухова. -Текст: непосредственный - Выпускная бакалаврская работа по направлению подготовки: 35.03.01-Лесное дело. - 2022.

19 Canh bao chay rung cap cuc ky nguy hiem tai 12 tinh // [В Интернете]. Available: https://daklak.gov.vn/thong-tin-tuyen-truyen/ -

/asset_publisher/eTFgYrRjRQin/content/canh-bao-chay-rung-cap-cuc-ky-nguy-hiem-tai-12-tinh.B

20 Харадов, А. В. Гидрорежим, места обитания Ondatra zibethicus Linnaeus, 1766 и классификация водно-болотных экосистем / А. В. Харадов. - Текст: непосредственный // Известия ВУЗов (Кыргызстан). - № 1. - С. 54-60.

21 Lich su han han a Kenya: "Neu dong vat chet, chrng ta cung chet" // [В Интернете]. Available: https://daidoanket.vn/han-han-lich-su-o-kenya-neu-dong-vat-chet-chung-ta-cung-chet-10208968.html

22 Чугункова, А. В. Влияние глобального изменения климата на экономику лесного и сельского хозяйства: риски и возможности / А. В. Чугункова, А. И. Пыжев, Ю. И. Пыжева. - Текст: непосредственный // Russian Journal of Economics and Law. - 2018. -Т. 3. - № 47. - С. 523-537.

23 Khoang 1,7 trieu tre em a Somalia chiu doi kem do han han // [В Интернете]. Available: https://byinfo.ru/v-oon-zaiavili-chto-okolo-17-mln-detei-stradaut-ot-nedoedaniia-v-somali-2/

24 Gleick, P. H. Water, drought, climate change, and conflict in Syria / P. H. Gleick. - Текст: непосредственный // Weather, Climate, and Society. - 2014. - Т. 6. - № 3. - С. 331-340.

25 Xung dot sac toc tai Nam Sudan khien hang chuc nguoi thuong vong // [В Интернете]. Available: https://hanoimoi.vn/hang-chuc-nguoi-thuong-vong-trong-xung-dot-sac-toc-o-nam-sudan-584977.html

26 Wilhite, D. A. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness / D. A. Wilhite, M. D. Svoboda, M. J. Hayes. - Текст: непосредственный // Water Resources Management. - 2007. - Т. 21. - С. 763-774.

27 Seleiman, M. F. Drought stress impacts on plants and different approaches to alleviate its adverse effects / M. F. Seleiman, N. Al-Suhaibani, N. Ali, M. Akmal, M. Alotaibi, Y. Refay, M. L. Battaglia. - Текст: непосредственный // Plants. - 2021. - Т. 10. - № 2. - С. 259.

28 Cattivelli, L. Drought tolerance improvement in crop plants: An integrated view from breeding to genomics / L. Cattivelli, F. Rizza, F. W. Badeck, E. Mazzucotelli, A. M. Mastrangelo, E. Francia, A. M. Stanca. - Текст: непосредственный // Field Crops Research. - 2008. - Т. 105. - № 1-2. - С. 1-14.

29 Комин, А. Э. О состоянии органического сельского хозяйства в России / А. Э. Комин, И. Н. Ким, И. И. Бородин. - Текст: непосредственный // Современные вызовы аграрной науки и практики. - 2021. - С. 56-71.

30 Ding, Y. Measuring economic impacts of drought: A review and discussion / Y. Ding, M. J. Hayes, M. Widhalm. - Текст: непосредственный // Disaster Prevention and Management: An International Journal. - 2011. - Т. 20. - № 4. - С. 434-446.

31 Wilhite, D. A. Understanding the complex impacts of drought: A key to enhancing drought mitigation and preparedness / D. A. Wilhite, M. D. Svoboda, M. J. Hayes. - Текст: непосредственный // Water Resources Management. - 2007. - Т. 21. - С. 763-774.

32. Naumann, G. Assessment of drought damages and their uncertainties in Europe / G. Naumann, J. Spinoni, J. V. Vogt, P. Barbosa. - Текст: непосредственный // Environmental Research Letters. - 2015. - Т. 10. - № 12. - С. 124013.

33 Шаптала, В. Г. Основы моделирования чрезвычайных ситуаций / В. Г. Шаптала, В. Ю. Радоуцкий. - Текст: непосредственный - Учебное пособие для студентов высших учебных заведений, обучающихся по направлению 280100, 2010.

34 Salimi, H. Meteorological and hydrological drought monitoring using several drought indices / H. Salimi, E. Asadi, S. Darbandi. - Текст: непосредственный // Applied Water Science. - 2021. - Т. 11. - С. 1-10.

35 Ogilvie, A. Surface water monitoring in small water bodies: potential and limits of multisensor Landsat time series / A. Ogilvie, G. Belaud, S. Massuel, M. Mulligan, P. Le Goulven, R. Calvez. - Текст: непосредственный // Hydrology and Earth System Sciences. - 2018. -Т. 22. - № 8. - С. 4349-4380.

36 Jones, H. G. Monitoring plant and soil water status: established and novel methods revisited and their relevance to studies of drought tolerance / H. G. Jones. - Текст: непосредственный // Journal of Experimental Botany. - 2007. - Т. 58. - № 2. - С. 119130.

37 Zribi, M. Soil moisture mapping based on ASAR/ENVISAT radar data over a Sahelian region / M. Zribi, S. Saux-Picart, C. André, L. Descroix, C. Ottle, A. Kallel. - Текст: непосредственный // International Journal of Remote Sensing. - 2007. - Т. 28. - № 16. -С.3547-3565.

38 Garg, V. Monitoring, assessment, and forecasting of drought using remote sensing and the geographical information system / V. Garg, S. Eslamian. - Текст: непосредственный // In Handbook of Drought and Water Scarcity. - 2017. - С. 217-252.

39 Вицентий, А. В. Применение дистанционного зондирования земли и космических технологий для развития арктических и субарктических территорий Российской Федерации / А. В. Вицентий. - Текст: непосредственный // Труды Кольского научного центра РАН. - 2013. - Т. 5. - № 18. - С. 40-45.

40 Pettorelli, N. Satellite remote sensing for applied ecologists: opportunities and challenges / N. Pettorelli, W. F. Laurance, T. G. O'Brien, M. Wegmann, H. Nagendra, W. Turner. -Текст: непосредственный // Applied Ecology. - 2014. - Т. 51. - № 4. - С. 839-848.

41 Loew, A. Validation practices for satellite-based Earth observation data across communities / A. Loew, W. Bell, L. Brocca, C. E. Bulgin, J. Burdanowitz, X. Calbet, T. Verhoelst. - Текст: непосредственный // Reviews of Geophysics. - 2017. - Т. 55. - № 3.

- С. 779-817.

42 Ouma, Y. O. Advancements in medium and high resolution Earth observation for land-surface imaging: evolutions, future trends and contributions to sustainable development / Y. O. Ouma. - Текст: непосредственный // Advances in Space Research. - 2016. - Т. 57. -№ 1. - С. 110-126.

43 Irons, J. R. The next Landsat satellite: The Landsat data continuity mission / J. R. Irons, J. L. Dwyer, J. A. Barsi. - Текст: непосредственный // Remote Sensing of Environment. -2012. - Т. 122. - С. 11-21.

44 Pearlman, A. Landsat 9 thermal infrared sensor 2 on-orbit calibration and initial performance / A. Pearlman, B. Efremova, M. Montanaro, A. Lunsford, D. Reuter, J. McCorkel. - Текст: непосредственный // IEEE Transactions on Geoscience and Remote Sensing. - 2022. - Т. 60. - С. 1-8.

45 Masek, J. G. Landsat 9: Empowering open science and applications through continuity / J. G. Masek, M. A. Wulder, B. Markham, J. McCorkel, C. J. Crawford, J. Storey, D. T. Jenstrom. - Текст: непосредственный // Remote Sensing of Environment. - 2020. - Т. 248.

- С. 111968.

46 McCorkel, J. Landsat 9 thermal infrared sensor 2 characterization plan overview / J. McCorkel, M. Montanaro, B. Efremova, A. Pearlman, B. Wenny, A. Lunsford, D. Reuter. -Текст: непосредственный // In IGARSS 2018-IEEE International Geoscience and Remote Sensing Symposium. - 2018. - С. 8845-8848.

47 Dobricic, S. Europe's Earth Observation, Satellite Navigation and Communications Missions and Services for the benefit of the Arctic / S. Dobricic, J. Fortuny Guasch, H. Greidanus, T. Kliment, J. Kucera, G. Janssens-Maenhout, J. Wilson. - Текст: непосредственный - 2021.

48 Misra, G. Status of phenological research using Sentinel-2 data: A review / G. Misra, F. Cawkwell, A. Wingler. - Текст: непосредственный // Remote Sensing. - 2020. - Т. 12. -№ 17. - С. 2760.

49 Sudmanns, M. Assessing global Sentinel-2 coverage dynamics and data availability for operational Earth observation (EO) applications using the EO-Compass / M. Sudmanns, D. Tiede, H. Augustin, S. Lang. - Текст: непосредственный // International Journal of Digital Earth. - 2019.

50 First images from recently launched Sentinel-2 satellite // [В Интернете]. Available: https://digital-geography.com/first-images-from-recently-launched-sentinel-2-satellite/.

51 Rahimzadeh-Bajgiran, P. Comparative evaluation of the Vegetation Dryness Index (VDI), the Temperature Vegetation Dryness Index (TVDI) and the improved TVDI (iTVDI) for water stress detection in semi-arid regions of Iran / P. Rahimzadeh-Bajgiran, Y. O. Ouma, S. P. Chen, H. Hosseini, A. Bannari. - Текст: непосредственный // ISPRS Journal of Photogrammetry and Remote Sensing. - 2012. - Т. 68. - С. 1-12.

52 Huang, S. A commentary review on the use of normalized difference vegetation index (NDVI) in the era of popular remote sensing / S. Huang, L. Tang, J. P. Hupy, Y. Wang, G. Shao. - Текст: непосредственный // Journal of Forestry Research. - 2021. - Т. 32. - № 1. - С. 1-6.

53 Kennedy, M. Introducing geographic information systems with ARCGIS: a workbook approach to learning GIS / M. Kennedy. - Текст: непосредственный - John Wiley & Sons, 2009.

54 Bajpai, K. Analysis of image enhancement techniques used in remote sensing satellite imagery / K. Bajpai, R. Soni. - Текст: непосредственный // Computers in Earth and Environmental Sciences. - 2017. - Т. 169. - № 10. - С. 1-11.

55 Sun, Q. An ERDAS image processing method for retrieving LST and describing urban heat evolution: a case study in the Pearl River Delta Region in South China / Q. Sun, J. Tan, Y. Xu. - Текст: непосредственный // Environmental Earth Sciences. - 2010. - Т. 59. - С. 1047-1055.

56 Moyroud, N. Introduction to QGIS / N. Moyroud, F. Portet. - Текст: непосредственный // QGIS and Generic Tools. - 2018. - Т. 1. - С. 1-17.

57 Lord, T. A Remote view into the classroom: analyzing teacher use of digitally enhanced educative curriculum materials in support of student learning / T. Lord, H. S. Lee, P. Horwitz, S. Pryputniewicz, A. Pallant. - Текст: непосредственный // Journal of Science Teacher Education. - 2024. - Т. 35. - № 2. - С. 127-152.

58 Salui, C. L. Methodological validation for automated lineament extraction by LINE method in PCI Geomatica and MATLAB based Hough transformation / C. L. Salui. - Текст: непосредственный // Journal of the Geological Society of India. - 2018. - Т. 92. - С. 321328.

59 Xing, H. O-LCMapping: A Google Earth Engine-based web toolkit for supporting online land cover classification / H. Xing, D. Hou, S. Wang, M. Yu, F. Meng. - Текст: непосредственный // Earth Science Informatics. - 2021. - Т. 14. - С. 529-541.

60 Zhao, Q. Progress and trends in the application of Google Earth and Google Earth Engine / Q. Zhao, L. Yu, X. Li, D. Peng, Y. Zhang, P. Gong. - Текст: непосредственный // Remote Sensing. - 2021. - Т. 13. - № 18. - С. 3778.

61 Balling, R. C. High-resolution surface temperature patterns in a complex urban terrain / R. C. Balling, S. W. Brazel. - Текст: непосредственный // Photogrammetric Engineering and Remote Sensing. - 1988. - Т. 54. - № 9. - С. 1289-1293.

62 Carnahan, W. H. An analysis of an urban heat sink / W. H. Carnahan, R. C. Larson. -Текст: непосредственный // Remote Sensing of Environment. - 1990. - Т. 33. - С. 65-71.

63 Garcia, C. O. R. Detection of the urban heat island in Mexicali and its relationship with land use / C. O. R. Garcia, E. Jauregui Ostos, D. Toudert, A. Tejeda Martinez. - Текст: непосредственный // Atmosfera. - 2007. - Т. 20. - № 2. - С. 111-131.

64 Vlassova, L. Analysis of the relationship between land surface temperature and wildfire severity in a series of Landsat images / L. Vlassova, F. Perez-Cabello, M. Rodrigues Mimbrero, R. Montorio Lloveria, A. Garcia-Martin. - Текст: непосредственный // Remote Sensing. - 2014. - Т. 6. - С. 6136-6162.

65 Yuan, F. Comparison of impervious surface area and normalized difference vegetation index as indicators of surface urban heat island effects in Landsat imagery / F. Yuan, M. E. Bauer. - Текст: непосредственный // Remote Sensing of Environment. - 2007. - Т. 106. -С. 375-386.

66 Kim, H. M. A statistical correlation analysis algorithm between land surface temperature and vegetation index / H. M. Kim, B. K. Kim, K. S. You. - Текст: непосредственный // International Journal of Information Processing Systems. - 2005. - Т. 1. - № 1. - С. 102106.

67 Sundara, K. K. Estimation of land surface temperature to study urban heat island effect using Landsat ETM+ image / K. K. Sundara, P. Udaya Bhaskar, K. Padmakumari. - Текст: непосредственный // International Journal of Engineering Science and Technology. - 2012. - Т. 4. - № 2. - С. 771-778.

68 Van de Griend, A. A. On the relationship between thermal emissivity and the normalized difference vegetation index for natural surfaces / A. A. Van de Griend, M. Owen. - Текст: непосредственный // International Journal of Remote Sensing. - 1993. - Т. 14. - С. 11191131.

69 Lambin, T. R. The surface temperature-vegetation index space for land cover and land cover change analysis / T. R. Lambin, D. Ehrlich. - Текст: непосредственный // International Journal of Remote Sensing. - 1996. - Т. 17. - № 3. - С. 163-187.

70 Sandholt, I. A simple interpretation of the surface temperature/vegetation index space for assessment of the surface moisture status / I. Sandholt, K. Rasmussen, J. Anderson. - Текст: непосредственный // Remote Sensing of Environment. - 2002. - Т. 79. - С. 213-224.

71 Chen, S. Temperature vegetation dryness index estimation of soil moisture under different tree species / S. Chen, Z. Wen, H. Jiang, Q. Zhao, X. Zhang, Y. Chen. - Текст: непосредственный // Sustainability. - 2015. - Т. 7. - № 9. - С. 11401-11417.

72 Gao, Z. The responses of vegetation water content (EWT) and assessment of drought monitoring along a coastal region using remote sensing / Z. Gao, Q. Wang, X. Cao, W. Gao.

- Текст: непосредственный // GIScience & Remote Sensing. - 2014. - Т. 51. - № 1. - С. 1-16.

73 Лупян, Е. Земля из космоса / Е. Лупян, О. Лаврова. - Текст: непосредственный // Наука в России. - 2011. - № 2. - С. 36-43.

74 Шихов, А. Космический мониторинг засух на территории Уральского Прикамья по многолетним рядам данных дистанционного зондирования Земли / А. Шихов. - Текст: непосредственный // Географический вестник Картография и геоинформатика. - 2013.

- Т. 4. - № 27. - С. 100-107.

75 Золотокрылин, А. Н. Сравнительные исследования засух 2010 и 2012 гг. на Европейской территории России по метеорологическим и MODIS данным / А. Н. Золотокрылин, Т. Б. Титкова, Е. А. Черенкова, В. В. Виноградова. - Текст: непосредственный // Современные проблемы дистанционного зондирования Земли из космоса. - 2013. - Т. 10. - № 1. - С. 246-253.

76 Рябинин, И. В. Оценка гидрологической засухи на юге Западной Сибири по данным спутника SMOS / И. В. Рябинин, И. В. Хвостов, А. Н. Романов. - Текст: непосредственный // Современные проблемы ДЗЗ. - Барнаул, 2022.

77 Черенкова, Е. А. Засухи и динамика синоптических процессов на юге Восточно -Европейской равнины в начале XXI века / Е. А. Черенкова, И. Г. Семенова, Н. К. Кононова, Т. Б. Титкова. - Текст: непосредственный // Аридные экосистемы. - 2015. - Т. 21. - № 2(63). - С. 5-15.

78 Чан, Т. В. Метод дистанционного зондирования температуры в изучении распределения температуры в городах / Т. В. Чан, Хоанг Тай Тай, Ле Ван Чунг. -Текст: непосредственный // Журнал Наука о Земле. - 2009. - Т. 31. - № 2. - С. 168177.

79 Чан, Х. Использование данных MODIS для мониторинга влажности почвы/поверхностной растительности: эксперимент с температурно-растительным индексом засухи (TVDI) / Х. Чан. - Текст: непосредственный // Национальный семинар по применению ГИС, 2011.

80 Хунг, К. Л. Применение данных дистанционного зондирования в тепловом инфракрасном диапазоне LANDSAT для изучения влажности почвы на основе индекса температурно-растительной засухи / К. Л. Хунг. - Текст: непосредственный // Журнал Наука о Земле. - 2014. - Т. 36. - № 3. - С. 262-270.

81 Ву, Ф. К. Оценка воздействия глобального изменения климата и опустынивания на природную и социальную среду в Южно-Центральном регионе (пилотное исследование для провинции Бинь Туан) / Ф. К. Ву. - Текст: непосредственный // Протокол Международного сотрудничества между Вьетнамом и Бельгией, 2011.

82 Фонг, Д. Х. Разработка алгоритмов и уравнений для определения температуры поверхности земли при мониторинге предупреждений о лесных пожарах на основе спутниковых изображений MODIS (TERRA и AQUA) на территории Вьетнама / Д. Х. Фонг. - Текст: непосредственный // Докторская диссертация, Университет горного дела и геологии, 2007.

83 Нгуен, Д. М. Построение системы мониторинга наркотиков в сельском хозяйстве спутниковые данные, пилот в провинции Нинтхуан, Вьетнам / Д. М. Нгуен, Ха Хай

Зыонг, Нгуен Минь Тьен. - Текст: непосредственный // Журнал Гидравлической науки и технологии. - 2018. - Т. 50. - С. 1-7.

84 Зыонг, Ван. Х. Исследование и применение технологии дистанционного зондирования для оценки уровня наркострогости в области центральное побережье / Ван. Х. Зыонг, Нгуен Хыу Куен, Чан Тхи Там, Лай Тиен Зунг. - Текст: непосредственный // Журнал Наука о Земле. - 2014. - Т. 2. - С. 26-32.

85 Лабоха, А. К. Совершенствование методики классификации уровня пожарной опасности в лесах с использованием метеорологических и аэрокосмических данных /

A. К. Лабоха, А. Ю. Шамына, А. Д. Ардяко. - Текст: непосредственный // Доклады Белорусского государственного университета. - 2022. - Т. 20. - № 6. - С. 85-93.

86 Li, W. Integrating Google Earth imagery with Landsat data to improve 30-m resolution land cover mapping / W. Li, R. Dong, H. Fu, J. Wang, L. Yu, P. Gong. - Текст: непосредственный // Remote Sensing of Environment. - 2020. - Т. 237. - С. 111563.

87 Guo, Y. The Factors Affecting the Quality of the Temperature Vegetation Dryness Index (TVDI) and the Spatial-Temporal Variations in Drought from 2011 to 2020 in Regions Affected by Climate Change / Y. Guo, L. Han, D. Zhang, G. Sun, J. Fan, X. Ren. - Текст: непосредственный // Sustainability. - 2023. - Т. 15. - № 14. - С. 11350.

88 Хунг, Ч. Л. Применение теплового инфракрасного спутникового дистанционного зондирования LANDSAT для исследования почвенной влажности на основе индекса засухи, температуры и растительности / Ч. Л. Хунг. - Текст: непосредственный // Журнал Научных исследований Земли. - 2022. - Т. 36. - № 3. - С. 262-270.

89 Amani, M. Temperature-vegetation-soil moisture dryness index (TVMDI) / M. Amani,

B. Salehi, S. Mahdavi, A. Masjedi, S. Dehnavi. - Текст: непосредственный // Remote Sensing of Environment. - 2017. - Т. 197. - С. 1-14.

90 Zhang, H. K. Computationally inexpensive Landsat 8 operational land imager (OLI) pansharpening / H. K. Zhang, D. P. Roy. - Текст: непосредственный // Remote Sensing. -2016. - Т. 8. - № 3. - С. 180.

91 Zhang, F. Soil moisture monitoring based on land surface temperature-vegetation index space derived from MODIS data / F. Zhang, L. W. Zhang, J.-J. Shi, J. F. Huang. - Текст: непосредственный // Pedosphere. - 2014. - Т. 24. - № 4. - С. 450-460.

92 Kahle, A. B. A simple thermal model of the Earth's surface for geologic mapping by remote sensing / A. B. Kahle. - Текст: непосредственный // Journal of Geophysical Research. - 1977. - Т. 82. - № 11. - С. 1673-1680.

93 Notarnicola, C. Snow cover maps from MODIS images at 250 m resolution, part 2: Validation / C. Notarnicola, M. Duguay, N. Moelg, T. Schellenberger, A. Tetzlaff, R. Monsorno, M. Zebisch. - Текст: непосредственный // Remote Sensing. - 2013. - Т. 5. -№ 4. - С. 1568-1587.

94 Qi, Y. Estimation of land surface temperature over the Tibetan Plateau based on Sentinel-3 SLSTR data / Y. Qi, L. Zhong, Y. Ma, Y. Fu, X. Wang, P. Li. - Текст: непосредственный // IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. -2023. - Т. 16. - С. 4180-4194.

95 Barsi, J. A. Landsat-8 thermal infrared sensor (TIRS) vicarious radiometric calibration / J. A. Barsi, J. R. Schott, S. J. Hook, N. G. Raqueno, B. L. Markham, R. G. Radocinski. -Текст: непосредственный // Remote Sensing. - 2014. - Т. 6. - № 11. - С. 11607-11626.

96 Pham, V. H. Meteorological factors associated with hand, foot and mouth disease in a Central Highlands province in Vietnam: an ecological study / H. Van Pham, U. T. N. Phan, A. N. Q. Pham. - Текст: непосредственный // Western Pacific Surveillance and Response Journal: WPSAR. - 2019. - Т. 10. - № 4. - С. 18.

97 Wilhite, D. A. Drought as hazard: understanding the natural and social context / D. A. Wilhite, M. Buchanan-Smith. - Текст: непосредственный // Drought and Water Crises: Science, Technology, and Management Issues. - 2005. - Т. 3. - С. 29.

98 Rossato, L. Impact of soil moisture over Palmer Drought Severity Index and its future projections in Brazil / L. Rossato, J. A. Marengo, C. F. D. Angelis, L. B. M. Pires, E. M. Mendiondo. - Текст: непосредственный // RBRH. - 2017. - Т. 22. - С. e36.

99 Aghelpour, P. Using the MODIS sensor for snow cover modeling and the assessment of drought effects on snow cover in a mountainous area / P. Aghelpour, Y. Guan, H. Bahrami-Pichaghchi, B. Mohammadi, O. Kisi, D. Zhang. - Текст: непосредственный // Remote Sensing. - 2020. - Т. 12. - № 20. - С. 3437.

100 Monteith, L. J. Evaporation and surface temperature / L. J. Monteith. - Текст: непосредственный // Quarterly Journal of the Royal Meteorological Society. - 1981. - Т. 107. - № 451. - С. 1-27.

101 Ermida, S. L. Google Earth Engine open-source code for land surface temperature estimation from the Landsat series / S. L. Ermida, P. Soares, V. Mantas, F. M. Gottsche, I. F. Trigo. - Текст: непосредственный // Remote Sensing. - 2020. - Т. 12. - № 9. - С. 1471.

102 Нгуен, В. Д. Разработка методики количественной оценки засухи по многоспектральным космическим изображениям / В. Д. Нгуен, В. А. Малинников. -Текст: непосредственный // Мониторинг. Наука и Технологии. - 2023. - Т. 2. - № 56. - С. 2023.

103 Нгуен, В. Д. З. Комбинация спутниковых изображений Landsat 8 и Sentinel 2 для повышения пространственного разрешения и сегментации засухи / В. Д. З. Нгуен, В. А. Малинников. - Текст: непосредственный // Международная Студенческая Неделя Науки СНН-2023, Московский государственный университет геодезии и картографии. - 2023. - Т. 78. - С. 147-157.

104 Rezaeianzadeh, M. Drought forecasting using Markov chain model and artificial neural networks / M. Rezaeianzadeh, A. Stein, J. P. Cox. - Текст: непосредственный // Water Resources Management. - 2016. - Т. 30. - С. 2245-2259.

105 Djeddaoui, F. Desertification susceptibility mapping using logistic regression analysis in the Djelfa area, Algeria / F. Djeddaoui, M. Chadli, R. Gloaguen. - Текст: непосредственный // Remote Sensing. - 2017. - Т. 9. - № 10. - С. 1031.

106 An, N. N. Groundwater simulation in Dak Lak province based on MODFLOW model and climate change scenarios / N. N. An, H. S. Nhut, T. A. Phuong, V. Q. Huy, N. C. Hanh,

G. T. P. Thao, N. A. Binh. - Текст: непосредственный // Frontiers in Engineering and Built Environment. - 2022. - Т. 2. - № 1. - С. 55-67.

107 Нгуен, В. Д. З. Определение уязвимости земель к засухе с использованием многокритериальной оценки принятия решений и метода анализа иерархий / В. Д. З. Нгуен, В. А. Малинников, Л. Х. Чинь. - Текст: непосредственный // Геодезия и картография. - 2024. - Т. 8. - С. 31-41.

108 Wikipedia // [В Интернете]. Available: https://vi .wikipedia.org/wiki/%C4%90%E 1 %BA%AFk_L%E 1%BA%AFk. [Дата обращения: 11.04.2024].

109 Sikor, T. Redefining the commons: Agrarian reforms and land access in Vietnam / T. Sikor, T. N. Thanh. - Текст: непосредственный // Land Use Policy. - 2007. - Т. 24. - № 4. - С. 644-653.

110 Фестиваль кофе пробуждает потенциал Центрального Хайленда // Пресса. - 2011. - 15 марта.

111 WorldClim // Sustainable Intensification Innovation Lab. [В Интернете]. Available: https://www.worldclim.Org/data/worldclim21.html# [Дата обращения: 22.05.2023].

112 EarthExplorer // [В Интернете]. Available: https://earthexplorer.usgs.gov/ [Дата обращения: 22.05.2023].

113 Sivakumar, V. L. Drought vulnerability assessment and mapping using Multi-Criteria decision making (MCDM) and application of Analytic Hierarchy process (AHP) for Namakkal District, Tamilnadu, India / V. L. Sivakumar, R. Krishnappa, M. Nallanathel. -Текст: непосредственный // Materials Today: Proceedings. - 2021. - Т. 43. - С. 15921599.

114 Нгуен, В. Д. З. Применение модели Маркова-СА и метода многокритериальной оценки для прогнозирования засухи с использованием данных дистанционного зондирования Земли / В. Д. З. Нгуен. - Текст: непосредственный // Мониторинг. Наука и технологии. - 2024. - Т. 2. - № 60. - С. 55-59.

115 Masek, J. G. Landsat 9: Empowering open science and applications through continuity / J. G. Masek, M. A. Wulder, B. Markham, J. McCorkel, C. J. Crawford, J. Storey, D. T. Jenstrom. - Текст: непосредственный // Remote Sensing of Environment. - 2020. - Т. 248. - С. 111968.

116 Trevisiol, F. Evaluation of Landsat-9 interoperability with Sentinel-2 and Landsat-8 over Europe and local comparison with field surveys / F. Trevisiol, E. Mandanici, A. Pagliarani, G. Bitelli. - Текст: непосредственный // ISPRS Journal of Photogrammetry and Remote Sensing. - 2024. - Т. 210. - С. 55-68.