Ural River Flood Mapping: Data Acquisition in GEE and Visualization in QGIS Картирование паводков реки Урал: получение данных в GEE и визуализация в QGIS

Этот проект посвящён картированию максимальных масштабов весеннего паводка на реке Урал в Западном Казахстане за апрель 2024 и апрель 2025 года. Рабочий процесс состоит из двух этапов: получение и обработка спутниковых данных в Google Earth Engine, затем импорт и оформление результатов в QGIS для создания картографического продукта.

Контекст

Весеннее половодье на реке Урал — повторяющееся явление для Западного Казахстана. Ежегодно таяние снега в верховьях реки вызывает значительный подъём уровня воды, что затрагивает населённые пункты, сельскохозяйственные угодья и инфраструктуру региона.

Почему MNDWI, а не NDWI

Классический NDWI использует зелёный и ближний инфракрасный каналы, но в MNDWI ближний ИК заменён на SWIR (B11), что лучше подавляет шум от застроенных территорий и повышает точность обнаружения воды в вегетированных и городских зонах:

MNDWI = (Green − SWIR) / (Green + SWIR)

Значения выше 0.2 соответствуют открытой воде. Скрипт применяет этот порог к каждому снимку и берёт композит .max(), чтобы зафиксировать максимальную площадь затопления за выбранный период.

Маскировка облаков

Вместо простого фильтра CLOUDY_PIXEL_PERCENTAGE скрипт объединяет коллекцию Sentinel-2 с COPERNICUS/S2_CLOUD_PROBABILITY и маскирует пиксели, где вероятность облачности превышает 50%. Это обеспечивает попиксельное удаление облаков, а не фильтрацию на уровне целых снимков, что даёт значительно более чистые композиты.

Скрипт GEE

var area = geometry; // нарисуйте полигон исследуемой области в GEE
var startDate = '2024-04-15';
var endDate   = '2024-05-15';

function addMNDWI(image) {
  var mndwi = image.normalizedDifference(['B3', 'B11']).rename('MNDWI');
  var waterMask = mndwi.gt(0.2).rename('water');
  return image.addBands(mndwi).addBands(waterMask)
    .copyProperties(image, ['system:time_start', 'system:index']);
}

var s2 = ee.ImageCollection('COPERNICUS/S2_SR_HARMONIZED')
  .filterBounds(area)
  .filterDate(startDate, endDate)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', 30));

var s2Cloud = ee.ImageCollection('COPERNICUS/S2_CLOUD_PROBABILITY')
  .filterBounds(area)
  .filterDate(startDate, endDate);

var joined = ee.ImageCollection(
  ee.Join.saveFirst('cloud_prob').apply(
    s2, s2Cloud,
    ee.Filter.equals({
      leftField: 'system:index',
      rightField: 'system:index'
    })
  )
);

var s2Collection = joined.map(function(image) {
  var mask = ee.Image(image.get('cloud_prob'))
    .select('probability').lt(50);
  return image.updateMask(mask)
    .divide(10000)
    .clip(area)
    .copyProperties(image, ['system:time_start', 'system:index']);
}).map(addMNDWI);

print('Total images:', s2Collection.size());

s2Collection
  .map(function(img) {
    return img.set('date_str',
      ee.Date(img.get('system:time_start')).format('YYYY-MM-dd'));
  })
  .aggregate_array('date_str')
  .distinct()
  .evaluate(function(dates, error) {
    if (error) { print('Date error: ' + error); return; }
    if (!dates || dates.length === 0) {
      print('No dates found — collection is empty');
      return;
    }
    print('Available dates (' + dates.length + '):');
    dates.sort().forEach(function(d) { print('  ' + d); });
  });

var maxFlood = s2Collection.select('water').max().unmask(0).clip(area);

var maxFloodArea = maxFlood.multiply(ee.Image.pixelArea()).rename('area');

var stats = maxFloodArea.reduceRegion({
  reducer: ee.Reducer.sum(),
  geometry: area,
  scale: 20,
  maxPixels: 1e13,
  bestEffort: true
}).getInfo();

var m2 = (stats && stats.hasOwnProperty('area')) ? stats['area'] : 0;
print('Flood zone total');
print('Area: ' + (m2 / 1e6).toFixed(2) + ' km²');
print('Area: ' + (m2 / 1e4).toFixed(1) + ' ha');

Map.centerObject(area, 10);
Map.addLayer(area, {color: 'FFFF00'}, 'AOI', true, 0.2);
Map.addLayer(maxFlood.selfMask(), {palette: ['0077b6']}, 'Flooded areas');

Export.image.toDrive({
  image: maxFlood.clip(area),
  description: 'flood_april_2024',
  scale: 10,
  region: area,
  maxPixels: 1e13,
  folder: 'GEE_exports',
  fileFormat: 'GeoTIFF',
  crs: 'EPSG:32640'
});

Как запустить

1. Откройте code.earthengine.google.com
2. Нарисуйте полигон исследуемой области — по умолчанию он будет называться geometry
3. Вставьте скрипт и нажмите Run
4. Проверьте в консоли количество снимков, доступные даты и площадь затопления
5. Перейдите на вкладку Tasks → запустите экспорт для сохранения GeoTIFF на Google Drive

Советы и типичные ошибки

Импорт GeoTIFF

После того как файл .tif скачан с Google Drive, перетащите его в QGIS или используйте Слой → Добавить слой → Добавить растровый слой. По умолчанию слой отобразится в оттенках серого со значениями 0 (нет воды) и 1 (вода) — его нужно настроить, чтобы карта стала читаемой.

Сырой GeoTIFF после импорта черно-белый, когда стиль ещё не настроен

Настройка стиля водного слоя

Нажмите правой кнопкой мыши по вашему растровому слою Свойства слоя → Стиль. Поскольку растр бинарный (0/1), переключите тип рендера на Уникальные значения и выполните классификацию. Назначьте значению 1 (вода) сплошной синий цвет (например, #0077b6), а значение 0 сделайте полностью прозрачным — так будет видна подложка.

Настройки стиля: значение 1 = синий, значение 0 = прозрачный

Финальное оформление

Добавьте подложку (например, OpenStreetMap через плагин QuickMapServices) под слой затопления для контекста. В макете печати добавьте масштабную линейку, стрелку севера, легенду и заголовок. Экспортируйте в PNG или PDF для получения готовой карты.

Зона затопления со стилем

Результаты

Карты ниже показывают максимальную площадь затопления за апрель 2024 и апрель 2025 года. Границы зон затопления получены из маски воды MNDWI, экспортированной из GEE и оформленной в QGIS.

Заключение

Средства дистанционного зондирования позволяют быстро и точно отслеживать динамику наводнений. Связка Google Earth Engine для получения данных и QGIS для картографического оформления обеспечивает эффективный и воспроизводимый рабочий процесс картирования паводков на основе бесплатных снимков Sentinel-2.