1. Введение

Зеленый покров представляет собой существенную часть природно-экологического каркаса современного города. Древесная, кустарниковая и травянистая растительность участвует в формировании микроклимата, удержании пыли, регулировании поверхностного стока и поддержании рекреационной привлекательности территорий. Для города Алматы, расположенного в условиях сочетания плотной городской застройки и предгорных ландшафтов, пространственный мониторинг растительности имеет особое значение.

Медеуский район отличается неоднородностью условий землепользования, высот и характера растительного покрова. Поэтому для общей оценки изменений целесообразно использовать геоинформационные методы, обеспечивающие сопоставление территории по единым пространственным критериям. Одним из доступных инструментов является нормализованный разностный вегетационный индекс NDVI, отражающий соотношение спектрального отклика поверхности в красном и ближнем инфракрасном диапазонах [1].

В отличие от полевой инвентаризации деревьев, расчет NDVI не определяет видовой состав насаждений и не подтверждает их санитарную категорию. Он характеризует совокупный спектральный сигнал поверхности, в который могут входить древесные кроны, кустарники, травы и иные элементы растительности. Это особенно важно при оценке городской территории, где в пределах одного спутникового пикселя нередко сочетаются разные типы покрытий.

Цель исследования — представить воспроизводимую основу сравнительной картографической оценки зеленого покрова Медеуского района города Алматы за 2015, 2020 и 2025 годы с использованием растров NDVI и единого условного порога выделения растительности. Основное внимание уделено пространственной структуре расчетного класса NDVI ≥ 0,4 и сопоставлению трех временных срезов.

2. Материалы и методы исследования

В качестве исходных материалов использованы подготовленные тематические растровые слои NDVI, относящиеся к 2015, 2020 и 2025 годам, и картографическая основа территории Медеуского района города Алматы. Обработка и оформление карт выполняются в геоинформационной среде ArcGIS. Исходные сцены и их метаданные (точные даты съемки, разрешение, облачность, параметры коррекции) в составе представленных растров не документированы. Поэтому условия съемки и обработки не считаются подтвержденными, а сопоставление карт носит предварительный характер.

NDVI относится к распространенным спектральным индикаторам состояния зеленой растительности и вычисляется по формуле [2]:

NDVI = (NIR − RED) / (NIR + RED) (1)

где NIR — отражательная способность поверхности в ближнем инфракрасном диапазоне; RED — отражательная способность в красном диапазоне. Для снимков Landsat 8–9 этим диапазонам соответствуют каналы B5 и B4; при использовании продуктов поверхностного отражения должны учитываться правила масштабирования производителя [3].

В настоящей работе для условного выделения территорий с выраженным спектральным откликом растительности используется единый критерий NDVI ≥ 0,4. Он применяется к каждому из трех временных срезов. Пиксели, удовлетворяющие этому условию, относятся к расчетной маске предполагаемого растительного покрова; остальные пиксели не входят в выделенный класс.

Принципиально важно, что значение 0,4 не является нормативной границей зеленых насаждений и не гарантирует присутствие деревьев [4]. Порог принят как рабочий классификационный параметр, удобный для сопоставления карт. Его обоснованность зависит от сезона, спектральных свойств сцены и локальных условий, поэтому интерпретацию следует считать предварительной [5]. В расчетный класс могут попасть луга, газоны, сельскохозяйственные культуры и кустарники; часть разреженных древесных насаждений может, напротив, иметь более низкие значения NDVI.

Поскольку рассматриваются три отдельных года, получаемые изображения характеризуют различия между выбранными временными срезами, а не непрерывную траекторию сезонной или многолетней динамики. Без контрольных наблюдений и проверки сопоставимости исходных снимков отдельные изменения нельзя однозначно интерпретировать как озеленение, вырубку либо деградацию зеленых насаждений.

3. Результаты и обсуждение

Для Медеуского района сформирован набор из трех тематических слоев NDVI: за 2015, 2020 и 2025 годы. Их использование позволяет организовать единое пространственное представление растительного покрова и сопоставить размещение пикселей с NDVI ≥ 0,4 в разные периоды. Результаты рассматриваются на уровне картографически наблюдаемых особенностей распределения индекса и расчетной маски растительности.

На рисунке 1 для каждого года представлены карта NDVI и соответствующая маска участков с NDVI ≥ 0,4.

А

Б

В

Рис. 1. Пространственное распределение NDVI в Медеуском районе города Алматы: а — 2015 г.; б — 2020 г.; в — 2025 г.

Визуальное сопоставление трех временных срезов показывает неравномерное, мозаичное распределение пикселей с NDVI ≥ 0,4. На картах 2015 и 2020 годов такие участки образуют группы небольших фрагментов преимущественно в центральной и восточной частях исследуемой территории; на карте 2025 года они представлены более разрозненно. При этом карты отражают различия в расчетных масках, а не подтвержденную динамику площади насаждений: для такого вывода необходима проверка сопоставимости дат съемки, исходных растров и процедур их обработки.

Таким образом, полученные карты рассматриваются как предварительный результат математико-картографической обработки дистанционных данных. Они подходят для иллюстрации характера распределения индексных значений и выбора участков для дальнейшего анализа, но не заменяют официальную инвентаризацию озелененных территорий.

Сопоставление изображений NDVI широко применяется в исследованиях земного покрова благодаря единой физической основе индекса и доступности многолетних спутниковых архивов. Вместе с тем точность результатов зависит от качества исходных изображений и соблюдения одинаковых правил обработки. Снимки, полученные в разные сезоны, могут демонстрировать различия, обусловленные естественными фенологическими фазами, осадками и температурой, даже при отсутствии фактического изменения землепользования.

Для Медеуского района дополнительную неопределенность создают сложный рельеф, экспозиция склонов и различная освещенность поверхности. Затененные склоны, облака, снежные остатки и атмосферные эффекты могут влиять на спектральные показатели. При наличии исходных спутниковых сцен желательно проверять соответствующие маски качества и применять методы исключения облачности и теней.

Другим источником неопределенности является пространственное разрешение спутниковой съемки. Смешанные пиксели, в которых представлены деревья, почва, дороги, газоны и застройка, затрудняют точное разграничение элементов городского озеленения. Результат пороговой классификации зависит не только от самого порога NDVI ≥ 0,4, но и от размера пикселя, алгоритма ресэмплинга, границы обрезки растра и способа исключения фоновых значений.

Следовательно, выделенные по указанному критерию пиксели корректнее обозначать как расчетные участки с выраженным растительным откликом, а не как документально подтвержденные зеленые насаждения. Интерпретация результатов как фактического сокращения или увеличения древесных насаждений, равно как и как доказательства изменения их санитарного состояния, без независимых данных была бы методически необоснованной.

Достоверность выводов может быть повышена путем проверки дат спутниковой съемки, исходных метаданных, единства территории анализа и выборочного сопоставления с изображениями высокого пространственного разрешения либо натурными наблюдениями. Поэтому картографическое сопоставление не используется для оценки площади или темпов изменения древесных насаждений без дополнительной проверки исходных данных.

4. Заключение

Рассмотрен подход к пространственно-временному сопоставлению зеленого покрова Медеуского района города Алматы по трем картографическим срезам NDVI за 2015, 2020 и 2025 годы. Единый критерий NDVI ≥ 0,4 принят в качестве условного математического признака выраженного спектрального отклика растительности, а не нормативного определения площади зеленых насаждений.

Подготовленные тематические слои могут служить основой для сравнительной картографической визуализации и последующего отбора территорий, представляющих интерес для экологического мониторинга. При этом расхождения между картами могут возникать из-за сезонности, особенностей съемки, рельефа и процедур растровой обработки. По этой причине результаты следует рассматривать как предварительную расчетную оценку, не заменяющую данные полевых обследований и официального учета зеленых насаждений.

Дальнейшая работа должна включать проверку сопоставимости спутниковых данных за исследуемые годы и независимую валидацию выделенных классов. Это создаст предпосылки для более надежной оценки пространственных изменений растительности и уточнения факторов выявленных различий.

Литература:

1. Tucker C. J. Red and photographic infrared linear combinations for monitoring vegetation. Remote Sensing of Environment. 1979. Vol. 8(2). P. 127–150. DOI: 10.1016/0034–4257(79)90013–0.
2. Wulder M. A., Loveland T. R., Roy D. P. et al. Current status of Landsat program, science, and applications. Remote Sensing of Environment. 2019. Vol. 225. P. 127–147. DOI: 10.1016/j.rse.2019.02.015.
3. U. S. Geological Survey. Landsat Normalized Difference Vegetation Index (NDVI). URL: https://www.usgs.gov/landsat-missions/landsat-normalized-difference-vegetation-index (дата обращения: 14.10.2026).
4. U. S. Geological Survey. How do I use a scale factor with Landsat Level-2 science products? URL: https://www.usgs.gov/faqs/how-do-i-use-a-scale-factor-landsat-level-2-science-products ().
5. Zhu Z., Woodcock C. E. Object-based cloud and cloud shadow detection in Landsat imagery. Remote Sensing of Environment. 2012. Vol. 118. P. 83–94. DOI: 10.1016/j.rse.2011.10.028.