ТЕХНОЛОГИИ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ В ОЦЕНКЕ ПОЧВЕННОЙ ВЛАЖНОСТИ НА ТЕРРИТОРИИ, ПОДВЕРЖЕННОЙ ПАВОДКАМ: ОБЗОР

Почвенная влажность является одним из ключевых гидрологических параметров, напрямую влияющих на формирование поверхностного стока, паводков и оползней. Особенно важную роль она играет в периоды весеннего снеготаяния и экстремальных метеоосадков, когда насыщенность почвы влагой достигает критических уровней. В условиях глобального изменения климата и участившихся экстремальных погодных явлений возрастает потребность в оперативном и точном мониторинге влажности почвы, особенно для регионов, подверженных паводкам, таких как Восточно-Казахстанская область. В статье представлен комплексный обзор современных методов дистанционного зондирования (ДЗЗ), применяемых для оценки почвенной влаги с целью повышения эффективности прогнозирования паводков. Рассматриваются возможности пассивных радиометров (например, SMAP, SMOS), активных радарных сенсоров (Sentinel-1, RADARSAT) и оптических систем (Sentinel-2, Landsat-8) в извлечении информации о влажностных характеристиках верхнего слоя почвы. Кроме того, освещены локальные методы с использованием мультиспектральных камер, установленных на беспилотных летательных аппаратах (БПЛА), что особенно актуально при необходимости локального мониторинга с высоким разрешением. Проведен сравнительный анализ дистанционных и наземных методов измерения почвенной влаги. Особое внимание уделено алгоритмическим подходам обработки спутниковых данных: спектральным и радиометрическим индексам (NDVI, NDMI, LST), методам машинного обучения и нейросетевым архитектурам для улучшения оценки пространственно-временных вариаций почвенной влаги. Рассматриваются также программные решения и платформы, такие как Google Earth Engine, SNAP, ArcGIS и QGIS, обеспечивающие доступ и автоматизированную обработку больших объёмов спутниковых данных. Таким образом, обзор демонстрирует значительный потенциал интеграции ДЗЗ в гидрологические модели для формирования эффективной системы раннего предупреждения о паводках и устойчивого водохозяйственного планирования на региональном уровне.

1. The impacts of rainfall and soil moisture on flood hazards in a humid mountainous catchment: a modeling investigation / T. Yu et al // Frontiers in Earth Science. – 2023. – № 11. – Р. 1285766. frontiersin.orgfrontiersin.org.

2. The relative importance of antecedent soil moisture and precipitation in flood generation in the Yangtze River basin / Q. Ran et al // Hydrology and Earth System Sciences. – 2022. – № 26. – Р. 4919-4936. hess.copernicus.org.

3. Initial Soil Moisture Effects on Flash Flood Generation – A Comparison Between Basins of Contrasting Hydro-Climatic Conditions / M.G. Grillakis et al // J. Hydrol. – 2016. – № 541. – Р. 206-217. https://doi.org/10.1016/j.jhydrol.2016.03.007.

4. The Relative Importance of Different Flood-Generating Mechanisms across Europe / W.R. Berghuijs // J.W. Water Resour. Res. – 2019. – № 55. – Р. 4582-4593. https://doi.org/10.1029/2019WR024841.

5. Orth R. Drought Reduces Blue-Water Fluxes More Strongly than Green-Water Fluxes in Europe / R. Orth, G. Destouni // Nat. Commun. – 2018. – № 9. – Р. 3602. https://doi.org/10.1038/s41467-018-06013-7.

6. Yang W. Classifying Floods by Quantifying Driver Contributions in the Eastern Monsoon Region of China / W. Yang, H. Yang D. Yang // J. Hydrol. – 2020. – № 585. – Р. 124767. https://doi.org/10.1016/j.jhydrol.2020.124767.

7. Study on the Dominant Mechanism of Extreme Flow Events in the Middle and Lower Reaches of the Yangtze River / J. Wang et al // China Rural Water Hydropower. – 2022. – № 06. – Р. 119-124.

8. Sharma S. Baseflow Significantly Contributes to River Floods in Peninsular India / S. Sharma, P.P. Mujumdar // Sci. Rep. – 2024. – № 14. – Р. 1251. https://doi.org/10.1038/s41598-024-51850-w.

9. Effects in Flood Drivers Challenge Estimates of Extreme River Floods / S. Jiang et al // J. Compounding Sci. Adv. – 2024. – № 10. – Р. eadl4005. https://doi.org/10.1126/sciadv.adl4005.

10. Close Co-Variation Between Soil Moisture and Runoff Emerging from Multi-Catchment Data Across Europe / N. Ghajarnia et al // G. Sci. Rep. – 2020. – № 10. – Р. 4817. https://doi.org/10.1038/s41598-020-61621-y.

11. Assimilation of surface- and root-zone ASCAT soil moisture products into rainfall–runoff modeling / L. Brocca et al // IEEE Trans. Geosci. Remote Sens. – 2012. – № 50(7). – Р. 2542-2555.mdpi.commdpi.com

12. Munawar H.S. Remote Sensing Methods for Flood Prediction: A Review / H.S. Munawar, A.W.A. Hammad, S.T. Waller // Sensors. – 2022. – № 22(3). – Р. 960.mdpi.commdpi.com

13. https://smap.jpl.nasa.gov/

14. Application of Soil Moisture Data Assimilation in Flood Forecasting of Xun River in Hanjiang River Basin / J. Bai et al // Water. – 2022. – № 14(24). – Р. 4061.mdpi.commdpi.com

15. Exploring Sentinel-1 and Sentinel-2 diversity for flood inundation mapping using deep learning / G. Konapala et al // ISPRS Journal of Photogrammetry and Remote Sensing. – 2021. – № 180. – Р. 163-173.mdpi.com

16. Родионова Н.В. Оценка влажности почвы по радарным данным на основе множественной регрессии / Н.В. Радионова // Распространение радиоволн. – 2023. – С. 432-436.

17. https://innoter.com/

18. Волчек А.А. Источники данных глобального мониторинга влажности почвы средствами дистанционного зондирования поверхности земли / А.А. Волчек, Д.О. Петров // Гидрометеорология и экология. – 2021. – № 1(100). – С. 38-43.

19. Investigating Soil Moisture–Climate Interactions in a Changing Climate: A Review / S.I. Seneviratne et al // Earth-Sci. Rev. – 2010. – № 99. – Р. 125-161. https://doi.org/10.1016/j.earscirev.2010.02.004.

20. Ground, Proximal, and Satellite Remote Sensing of Soil Moisture / E. Babaeian et al // M. Rev. Geophys. – 2019. – № 57. – Р. 530-616. https://doi.org/10.1029/2018RG000618.

21. Accuracy Calibration and Evaluation of Capacitance-Based Soil Moisture Sensors for a Variety of Soil Properties / В. Li et al // Agric. Water Manag. – 2022. – № 273. – Р. 107913. https://doi.org/10.1016/j.agwat.2022.107913.

22. Soil Moisture Measurement for Ecological and Hydrological Watershed-Scale Observatories: A Review / D.A. Robinson et al // Vadose Zone J. – 2008. – № 7. – Р. 358-389. https://doi.org/10.2136/vzj2007.0143.

23. Validation Analysis of SMAP and AMSR2 Soil Moisture Products over the United States Using Ground-Based Measurements / X. Zhang et al // S. Remote Sens. – 2017. – № 9. – Р. 104. https://doi.org/10.3390/rs9020104.

24. Assessing In-Field Soil Moisture Variability in the Active Root Zone Using Granular Matrix Sensors / В. Hodges et al // Agric. Water Manag. – 2023. – № 282. – Р. 108268. https://doi.org/10.1016/j.agwat.2023.108268.

25. The International Soil Moisture Network: Serving Earth System Science for over a Decade / W. Dorigo et al // Hydrol. Earth Syst. Sci. – 2021. – № 25. – Р. 5749-5804. https://doi.org/10.5194/hess-25-5749-2021.

26. QLB-NET: A Dense Soil Moisture and Freeze–Thaw Monitoring Network in the Qinghai Lake Basin on the Qinghai–Tibetan Plateau / L. Chai et al // Bull. Am. Meteorol. Soc. – 2024. – № 105. – Р. E584-E604. https://doi.org/10.1175/bams-d-23-0186.1.

27. Forschungsarbeiten zum Bodenwasserhaushalt in der kasachischen Steppe / L. Haselow et al // Wasserwirtsch. – 2020. – № 110. – Р. 34-40. https://doi.org/10.1007/s35147-020-0366-2.

28. A Review of Satellite-Derived Soil Moisture and Its Usage for Flood Estimation / S. Kim et al // Remote Sens. Earth Syst. Sci. – 2019. – № 2. – Р. 225-246. https://doi.org/10.1007/s41976-019-00025-7.

29. Satellite Remote Sensing of Soil Moisture for Hydrological Applications: A Review of Issues to Be Solved. In ICT for Smart Water Systems: Measurements and Data Science / L. Zhuo et al // The Handbook of Environmental Chemistry; Springer: Cham, Switzerland. – 2019. – Vol. 102. https://doi.org/10.1007/698_2019_394.

30. Chen Y. An Improved Global Remote-Sensing-Based Surface Soil Moisture (RSSSM) Dataset Covering 2003-2018 / Y. Chen, X. Feng, B. Fu // Earth Syst. Sci. – 2021. – № 13. – Р. 1-31. https://doi.org/10.5194/essd-13-1-2021.

31. Global Soil Moisture Patterns Observed by Spaceborne Microwave Radiometers and Scatterometers / R.A. De Jeu et al // Surv. Geophys. – 2008. – № 29. – Р. 399-420. https://doi.org/10.1007/s10712-008-9044-0.

32. Monitoring Hydrological Changes with Satellite Data: Spring Thaw's Effect on Soil Moisture and Groundwater in Seasonal Freezing–Thawing Zones / J. Wang et al // J. Hydrol. – 2023. – № 626. – Р. 130365. https://doi.org/10.1016/j.jhydrol.2023.130365.

33. Kashyap B. Sensing methodologies in agriculture for soil moisture and nutrient monitoring / B. Kashyap, R. Kumar // IEEE Access. – 2021. – Т. 9. – Р. 14095-14121.

34. Noborio K. Measurement of soil water content and electrical conductivity by time domain reflectometry: a review / K. Noborio // Computers and electronics in agriculture. – 2001. – Т. 31, № 3. – Р. 213-237.

35. A generalized frequency domain reflectometry modeling technique for soil electrical properties determination / J. Minet et al // Vadose zone journal. – 2010. – Т. 9, № 4. – Р. 1063-1072.

36. SU S.L. A critical review of soil moisture measurement / S.L. SU, D.N. Singh, M.S. Baghini // Measurement. – 2014. – Т. 54. – Р. 92-105.

37. State of the art in large‐scale soil moisture monitoring / T.E. Ochsner et al // Soil Science Society of America Journal. – 2013. – Т. 77, № 6. – Р. 1888-1919.

38. Soil moisture measurement for ecological and hydrological watershed-scale observatories: A review / D.A. Robinson et al // Vadose zone journal. – 2008. – Т. 7, № 1. – Р. 358-389.

39. Initial soil moisture retrievals from the METOP‐A Advanced Scatterometer (ASCAT) / Z. Bartalis et al // Geophysical Research Letters. – 2007. – Т. 34, № 20.

40. Visual sensing for urban flood monitoring / S.W. Lo et al // Sensors. – 2015. – Т. 15, № 8. – Р. 20006-20029.

41. Kaku K. Satellite remote sensing for disaster management support: A holistic and staged approach based on case studies in Sentinel Asia / K. Kaku // International Journal of Disaster Risk Reduction. – 2019. – Т. 33. – Р. 417-432.

42. https://developers.google.com/

43. Soil Moisture Measuring Techniques and Factors Affecting the Moisture Dynamics: A Comprehensive Review / A. Sarwar et al // Sustainability. – 2022. – № 14(18). – Р. 11538.mdpi.commdpi.com.

44. Deep Learning-Based Framework for Soil Moisture Content Retrieval of Bare Soil from Satellite Data / М. Dabboor et al // Remote Sensing. – 2023. – № 15(7). – Р. 1916.mdpi.commdpi.com.

45. Assessing the Potential of UAV-Based Multispectral and Thermal Data to Estimate Soil Water Content Using Geophysical Methods / Y. Guan et al // Remote Sensing. – 2024. – № 16(1). – Р. 61. (Published 22 Dec 2023) mdpi.commdpi.com.

46. Review of Machine Learning Approaches for Biomass and Soil Moisture Retrievals from Remote Sensing Data / I. Ali et al // Remote Sensing. – 2015. – № 7. – Р. 16398-16421.mdpi.com.

47. COSMOS: The Cosmic-Ray Soil Moisture Observing System / М. Zreda et al // Hydrology and Earth System Sciences. – 2012. – № 16. – Р. 4079-4099.

48. Soil moisture measurement for ecological and hydrological watershed-scale observatories: A review / D.A. Robinson et al // Vadose Zone Journal. – 2008. – № 7(1). – Р. 358-389.

49. The Soil Moisture Active Passive (SMAP) Mission / D. Entekhabi et al // Proceedings of the IEEE. – 2010. – № 98(5). – Р. 704-716.

50. The SMOS Mission: New Tool for Monitoring Key Elements of the Global Water Cycle / Y.H. Kerr et al // Proceedings of the IEEE. – 2010. – № 98(5). – Р. 666-687.

51. Google Earth Engine: Planetary-scale geospatial analysis for everyone / N. Gorelick et al // Remote Sensing of Environment. – 2017. – № 202. – Р. 18-27.sciencedirect.com.

52. ESA CCI Soil Moisture for improved Earth system monitoring: Evaluation of the Climate Data Record / W. Dorigo et al // Remote Sensing of Environment. – 2017. – № 203. – Р. 185-201.

53. Soil moisture estimation through ASCAT and AMSR-E sensors: An intercomparison and validation study across Europe / L. Brocca et al // Remote Sensing of Environment. – 2011. – № 115(12). – Р. 3390-3408.

54. Flood Detection and Susceptibility Mapping Using Sentinel-1 Remote Sensing Data and a Machine Learning Approach (Bagging-KNN) / H. Shahabi et al // Remote Sensing. – 2020. – № 12(2). – Р. 266.

55. Influence of changes in rainfall and soil moisture on trends in flooding (study in Mediterranean region) / Y. Tramblay et al // Journal of Hydrology. – 2018. – № 560. – Р. 245-258.

56. Anusha N. Flood detection and flood mapping using multi-temporal synthetic aperture radar and optical data / N. Anusha, B. Bharathi // Egyptian Journal of Remote Sensing and Space Science. – 2020. – № 23(2). – Р. 207-219.

57. Atar M. Retrieval of Soil Moisture Using Time Series of Radar and Optical Remote Sensing Data at 10 m Resolution / M. Atar, R. Shah-Hosseini, O. Ghaffari // Environ. Sci. Proc. – 2024. – № 29. – Р. 75. https://doi.org/10.3390/ECRS2023-16861.

58. Chen, Y. An Improved Remote Sensing-Based Global Surface Soil Moisture Dataset (RSSSM, 2003-2020) [Dataset]. PANGAEA 2022. https://doi.org/10.1594/PANGAEA.940004.

59. Dodin A. Principal Characteristics of the Geological Structure and Genesis of the Eastern Part of the Altai-Sayan Structural Zone / A. Dodin // In Natural Conditions of the Krasnoyarsk Region; Nauka: Moskva, Russia. – 1961. – р. 99-125.

60. A Sentinel-1 SAR-Based Global 1-km Resolution Soil Moisture Data Product: Algorithm and Preliminary Assessment. Remote Sens / D. Fan et al // Environ. – 2025. – № 318. – Р. 114579. https://doi.org/10.1016/j.rse.2024.114579.

61. Gao Y. Light Thinning Can Improve Soil Water Availability and Water Holding Capacity of Plantations in Alpine Mountains / Y. Gao et al // Front. Plant Sci. – 2022. – № 13. – Р. 1032057. https://doi.org/10.3389/fpls.2022.1032057.

62. Ensemble of Optimised Machine Learning Algorithms for Predicting Surface Soil Moisture Content at a Global Scale / Q. Han et al // Geosci. Model Dev. – 2023. – № 16. – Р. 5825-5845. https://doi.org/10.5194/gmd-16-5825-2023.

63. Understanding the Impacts of Predecessor Rain Events on Flood Hazard in a Changing Climate / A. Khatun et al // Hydrol. Process. – 2022. – № 36. – Р. e14500. https://doi.org/10.1002/hyp.14500.

64. Augmenting Daily MODIS LST with AIRS Surface Temperature Retrievals to Estimate Ground Temperature and Permafrost Extent in High Mountain Asia / K.Y. Kim et al // Remote Sens. Environ. – 2024. – № 305. – Р. 114075. https://doi.org/10.1016/j.rse.2024.114075.

65. Assessment of ERA5-Land Volumetric Soil Water Layer Product Using In Situ and SMAP Soil Moisture Observations / Р. Lal et al // IEEE Geosci. Remote Sens. Lett. – 2022. – № 19. – Р. 2508305. https://doi.org/10.1109/LGRS.2022.3223985.

66. Кабжанова Г.Р. Рахимжанов, Б.К.; Тулеукулова, Д.Т. Оценка возможностей дистанционного мониторинга влажности почвы на территории Северного Казахстана / Г.Р. Кабжанова, Б.К. Рахимжанов, Д.Т. Тулеукулова // Вестник науки КазАТУ им. С.Сейфуллина. – 2024. – № 4(123).