Спутниковый взгляд на большую воду: как мы учимся предсказывать наводнения

По мере того как изменение климата увеличивает частоту и интенсивность наводнений, мониторинг и прогнозирование паводковых рисков на разных уровнях становится всё более важной задачей. Новая статья в журнале Reviews of Geophysics представляет анализ эффективности различных космических сенсоров, используемых для наблюдения за паводками, основанный на данных. Мы попросили ведущего автора рассказать о спутниковом мониторинге наводнений, преимуществах и проблемах использования спутниковых датчиков, а также о будущих космических проектах.

Почему важно следить за поверхностными водами на Земле?

Более половины населения мира живёт в пределах трёх километров от пресного водоёма. Когда сезонные паводки ведут себя предсказуемо, они обеспечивают необходимое пополнение питательных веществ в почвах и на полях. Однако экстремальные наводнения нарушают хрупкий баланс пресноводных систем и могут вызывать разрушительные потопы, которые подрывают средства к существованию людей.

Изменение климата делает эти экстремальные явления более частыми и менее предсказуемыми, а рост численности населения в зонах, подверженных наводнениям, увеличивает цену человеческих потерь. Непрерывный мониторинг поверхностных вод Земли необходим, поскольку он помогает нам предвидеть опасности, оценивать риски и разрабатывать меры защиты для людей и территорий, наиболее подверженных гидрологическим угрозам.

В чем преимущества мониторинга затоплений из космоса по сравнению с другими методами?

Наблюдение за паводками из космоса выгодно благодаря широкому глобальному охвату, который позволяет получать важную информацию на обширных территориях. Наземные датчики, такие как речные водомерные посты, предоставляют ценные данные, но ограничены пространственно и могут выходить из строя во время сильных паводков. Один пролёт спутника потенциально может охватить целый речной бассейн, позволяя службам реагирования увидеть, куда распространилась вода, какие сообщества затронуты и как развивается событие.

Когда учёные впервые начали использовать спутники для наблюдения за поверхностными водами?

Ценность мониторинга поверхностных вод из космоса была впервые осознана в начале 1970-х годов, после запуска Landsat 1. Вскоре после запуска он запечатлел разрушительное наводнение на реке Миссисипи в 1973 году, создав одну из первых карт паводков, составленных из космоса (Рисунок 1). К началу 2000-х датчики NASA MODIS обеспечивали глобальное покрытие с ежедневной частотой. Сегодня действуют несколько глобальных систем мониторинга паводков, включая Службу экстренного управления Copernicus Европейского Союза, которая картирует наводнения с помощью радара с синтезированной апертурой (SAR) спутников Sentinel-1, и систему картирования паводков VIIRS от NOAA.

*Рисунок 1. Снимок с начала миссии Landsat 1, показывающий масштабы наводнения на реке Миссисипи в 1973 году (Проект истории EROS). Спутник Earth Resources Technology Satellite 1 (ERTS-1) был переименован в Landsat 1 в 1975 году. Источник: USGS*

На каких трёх типах спутниковых сенсоров фокусируется ваш обзор?

Наш обзор рассматривает три семейства. Мультиспектральные (оптические и тепловые) сенсоры улавливают отражённый солнечный свет или испускаемое тепло. Микроволновые датчики, включая SAR, пассивные микроволновые радиометры и GNSS-рефлектометрию (GNSS-R), могут вести наблюдение сквозь облака и ночью, но предполагают компромисс между разрешением и охватом. Наконец, альтиметрические сенсоры измеряют высоту поверхности воды с высокой точностью, но только вдоль узких полос. Каждое семейство имеет свои сильные и слабые стороны, что делает целесообразным их совместное использование для комплексного мониторинга затоплений.

Каковы некоторые проблемы использования спутниковых сенсоров для мониторинга наводнений?

Основная проблема заключается в несовпадении паводков и спутниковых наблюдений во времени и пространстве. Оптические сенсоры часто фиксируют облака, а не воду под ними. Датчики, проникающие сквозь облака, такие как SAR, могут пропустить пик паводка, если их орбитальный график не совпадает с событием, а густая растительность может скрывать паводковые воды как от оптических, так и от коротковолновых радаров. Датчики с высоким временным разрешением обычно предоставляют данные с грубым пространственным разрешением, иногда в десятки километров на пиксель. Эти компромиссы образуют то, что мы называем «железным треугольником» наблюдения Земли: временное разрешение, пространственное разрешение и стоимость. Как правило, сенсор можно оптимизировать для двух из них, но редко для всех трёх. Иногда время и условия паводка удачно совпадают с характеристиками сенсоров, чьи сильные стороны дополняют друг друга в рамках этого «железного треугольника», что позволяет получить многодатчиковое изображение, подобное показанному на Рисунке 2.

*Рисунок 2. Истинное цветное изображение Sentinel-2 MSI с наложенной картой зоны затопления, полученной с помощью Sentinel-1 SAR. Верхний правый кружок показывает область, где информация SAR отсутствует, тогда как нижний кружок — где отсутствует оптическая информация. Источник: Campo et al. [2026], Рисунок 5*

Какие предстоящие космические проекты могут продвинуть гидрологию?

Некоторые проекты уже меняют эту область. NISAR, совместный радарный спутник NASA и ISRO, запущенный в 2025 году, несёт L-диапазонный сенсор, предназначенный для проникновения сквозь полог растительности, что позволяет по-новому взглянуть на затопления под растительным покровом. Sentinel-1D, запущенный в конце 2025 года, восстановил группировку Sentinel-1 до полной мощности двух спутников, сократив время повторного пролёта вдвое. Landsat Next — планируемая группировка из трёх спутников с 26 спектральными каналами и шестидневным периодом повторного обзора — предоставит ценные гидрологические данные с высоким временным и спектральным разрешением. Однако недавнее бюджетное давление внесло неопределённость в окончательный масштаб этого проекта. Наконец, миссия HydroGNSS от ESA будет использовать GNSS-R для мониторинга гидрологически связанных основных климатических переменных.

Что нас ждёт в ближайшем будущем? Синтез данных и искусственный интеллект

Помимо новых сенсоров, ключевым направлением развития становится не просто сбор данных, а их интеллектуальное слияние. Учёные всё чаще обращаются к методам машинного обучения, чтобы объединить разнородные данные — от оптических снимков до радарных и альтиметрических измерений. Это позволяет «обходить» ограничения «железного треугольника»: например, использовать грубое, но частое временное покрытие одних спутников для калибровки детальных, но редких снимков других. В ближайшие пять лет ожидается появление первых оперативных систем прогноза наводнений, которые будут в реальном времени комбинировать данные десятков спутников, наземных датчиков и гидрологических моделей. Это даст возможность перейти от реактивного картирования уже случившихся паводков к их предиктивному моделированию с точностью до конкретного квартала или улицы, что радикально повысит эффективность эвакуации и снизит ущерб. Однако главным вызовом останется разработка универсальных алгоритмов, способных работать в любых климатических зонах — от арктических снегов до тропических джунглей.