Введение. Сельское хозяйство является самым крупным потребителем воды, на долю которого по данным Продовольственной и сельскохозяйственной организации Объединенных Наций (FAO) приходится 70% от всего мирового водозабора [1, 2]. Несмотря на то, что орошаемые угодья составляют не более 24% от всех пахотных земель, на них выращивают около 40% продовольствия [3, 4]. Поэтому развитие технологий оперативной оценки качества орошения, уровня влажности почвы для повышения рационального расхода воды является приоритетной задачей мелиоративного земледелия. Все чаще исследователи в своей работе активно используют данные дистанционного зондирование Земли (ДЗЗ), в том числе для оценки водного стресса растений, прогноза водопотребления сельскохозяйственных культур и др. [5, 6, 7]. Так, например, недавние исследования показывают возможность использования данных ДЗЗ для прогноза влажности почвы [8, 9]. Однако, несмотря на растущую доступность данных ДЗЗ с высоким разрешением, оценка влажности почвы с высокой точностью остается сложной задачей из-за пространственно-временной изменчивости и сложных взаимодействий между свойствами почвы, растительностью и климатическими факторами [10, 11].Одним из способов оценки уровня влажности является расчет спектральных индексов. Нормализованный разностный индекс влажности (NDMI) – это спутниковый индекс, рассчитанный на основе микширования данных ближнего (NIR) и коротковолнового (SWIR) инфракрасных каналов. По данным Европейского космического агентства отражательная способность канала SWIR характеризует изменения содержании воды в растительности, а канал NIR также характеризует состояние растительности, но в большей степени зависит от состояния листьев и содержания сухого вещества в них [15, 16]. Сочетание NIR и SWIR повышает точность измерения уровня водного стресса в растениях. Количество воды, содержащейся в зеленой массе листвы, в значительной степени регулирует спектральную отражательную способность в SWIR-интервале электромагнитного спектра. Поэтому отражательная способность SWIR отрицательно связана с содержанием воды в листьях. NDMI рассчитывается по следующей зависимости:NDMI = (NIR – SWIR) / (NIR + SWIR).Как и другие индексы, имеет диапазон [–1; +1]. Отрицательные и низкие значения NDMI указывают на недостаток влаги. Положительные и высокие значения NDMI указывают на значительное содержание влаги. Визуализация карты NDMI позволяет проанализировать пространственное распределение влаги в растительности и выявить участки водного стресса или избыточной влажности. В то же время исследователи [11, 17] отмечают, что NDMI является одним из наименее изученных индексов для оценки влажности почвы. В работе [18, 19] отмечаются положительные результаты использования индекса для прогнозирования влажности почвы при орошении таких культур как пшеница, картофель и виноград.Цель настоящей работы заключалась в использовании индекса NDMI для идентификации орошаемых участков.Материалы и методы исследования. Опытные участки расположены на землях АО «Северка» в Коломенском городском округе Московской области в с. Шкинь. В соответствии со схемой севооборота, в 2024 году на опытных участках 1 и 2 площадью 6,34 га и 18,15 га соотвественно  выращивали картофель (Solanum tuberosum L. сорта Прайм и Ньютон ), на участке 3 – свеклу (Beta vulgaris L. сорт Кестрел F1) на площади 34,3 га. Полив осуществляли дождевальной машиной кругового действия T-L. Схема опытных участков приведена на рисунке 1а.Расчет NDMI выполнен по методу микширования исходных геопривязанных растровых изображений ближнего (NIR, B08) и коротковолнового (SWIR, B11) инфракрасных областей спектра снимков Sentinel-2 с использованием программы QGIS (ver. 3.36.3 «Münster»). Исходные растры имеют метаданные драйвера GDAL – GeoTIFF, тип данных – Byte (8-битное беззнаковое целое), система координат EPSG:4326 – WGS 84. Векторизация итогового растра NDVI выполнена в среде геоинформационной системы SAGA GIS 9.7.1. Оценка площадей выполнена с помощью функции геометрии полигонального объекта $area.Зональная статистика NDMI (медиана median, минимальные min и максимальные max значения) рассчитывалась в среде программы QGIS (ver. 3.36.3 «Münster»). Обработка данных по методу группировки интервалов, расчета частот (с графиком накопления частот – интегральным %), и графическое оформление результатов исследования выполнены в электронных таблицах Microsoft Office Excel (ver. 16.10 Build 180124 (2018)). Уровень статистической значимости принят 0,05, рассчитывалось стандартное отклонение s, доверительный интервал медианы и коэффициент вариации Cv.Посев свеклы произведен в период с 20.05.2024  по 27.05.2024 г. Первые всходы появились 01.06.2024 г., массовые – 05.06.2024 г. Посадка картофеля на 1-м участке произведена 18.05.2024 г. и 19.05.2024 г., массовые всходы появились 08.06.2024 г. Посадка картофеля на 2-м участке произведена  06.05.2024 г. и 16.05.2024 г., массовые всходы наблюдались 02.06.2024 г. Для анализа выбраны наборы спектральных данных в даты, когда проводили поливы (30.05.2024 г. и 19.06.2024 г.) и в промежуточную дату (12.06.2024 г.). Условие выбора – безоблачные снимки. Также выбирались снимки в естественных цветах «true color», на которых текстура соотносится с поливом (матовая (однорордная) или волокнистая (радиальные или лучистые полосы). Дополнительно для участков 1 и 2 анализировались даты в период от начала вегетации до уборки (соответственно до 01.10.2024 г. и 18.08.2024 г.).Результаты исследования и их обсуждение. На рисунке 2 приведены графики изменения значений спектрального индекса NDMI на рассматриваемых участках. В связи с тем, что до середины второй декады мая среднесуточная температура была в среднем +6,0°С при нижней границе амплитуды колебаний в сторону отрицательных значений в ночные часы, этот период характеризовался как экстремальный для посевов. Такие метеорологические условия вызвали задержку всходов картофеля на 2 участке, в связи с чем всходы на 1 и 2 участках появились практически одновременно. Поэтому расчет индекса NDMI для участков 1 и 2 в данном исследовании выполнен совместно.При анализе графиков (рисунок 2) выявлены следующие закономерности. В первую дату наблюдений (30.05.2024 г.) для пашни без растительного покрова статистические различия отсутствовали, медианные значения median для свеклы составили –0,05 ± 0,01 (min = –0,24, max = 0,00, s = 0,04, распределение NDMI неравномерное – Cv = –0,59) и для картофеля –0,05 ± 0,01 (min = –0,17, max = 0,00, s = 0,03, распределение неравномерное – Cv = –0,59). В этот день проводили полив посевов свеклы, что видно на спутниковом снимке «true color» по более темному тону почвы. В целом такие значения индекса NDMI характерны для оголенной почвы.На дату 12.06.2024 г. растения свеклы и картофеля еще не были достаточно развитыми. Для посевов Beta vulgaris L. индекс влажности составил median = –0,04 ± 0,01 (min = –0,18, max = 0,12, s = 0,03, распределение неравномерное – Cv = –0,63) и для Solanum tuberosum L. значения median = –0,02 ± 0,01 (min = –0,15, max = 0,13, s = 0,02, распределение неравномерное – Cv = –0,85). Отметим, что на ранних стадиях развития культур практически отсутствуют различия. Изменения на снимке «true color» также несущественные, однако, сорная растительность (см. рисунок 1б, 6) в виде зеленых пятен в зонах появления эрозионных процессов визуализируются достаточно отчетливо.19.06.2024 г. полив проводили на поле картофеля, NDMI которого составил median = 0,08 ± 0,02 (min = –0,04 max = 0,35, s = 0,06, распределение неравномерное – Cv = 0,66). На посевах свеклы полив не проводился, индекс влажности составил median = 0,02 ± 0,02 (min = –0,04 max = 0,35, s = 0,06, распределение крайне неравномерное – Cv = 1,14, вероятно связано с пятнистой текстурой спутникового снимка (см. рисунок 1в). На политой культуре индекс влажности больше на 0,06, что, в типичных условиях указывает на водный стресс или ранние фенологические фазы. На снимке «true color» визуализируется характерный для эродированной почвы дендритный рисунок. Эта особенность начала проявляется уже в соседнюю дату (12.06.2024 г): на рисунке 1д более влажные эродированные участки имеют наиболее выраженный  цвет индекса. На рисунке 1е эродированные участки имеют более бледную окраску, что связано с отсутствием на них растительности, что свойственно для значений NDMI оголенной почвы.На рисунке 3 приведены хронологические графики изменения NDMI для Solanum tuberosum L. Обращает на себя внимание форма функции распределения NDMI, совпадающая по характеру с функцией распределения вегетационного индекса NDVI (куполообразная форма графика). В то же время отрицательные и низкие положительные значения NDMI фиксируются не только в начале вегетационного периода, как это характерно для NDVI, но и в период активной вегетации культуры. В ходе исследования обнаружена следующая закономерность в визуализации NDMI. Голая почва имеет низкие значения индекса (–0,08), а неубранная культура 16.08.2024 г. имеет характерный плотный цвет и более высокие значения индекса влажности (0,2…0,22).ЗаключениеВ рассмотренном примере видно, что на ранних стадиях развития культур различия в значениях NDMI не имеют статистической значимости. Орошаемая почва без растительности, имеет отрицательные значения NDMI (–0,05 ± 0,01), в то время как орошаемые культуры могут иметь NDMI около 0,4. Это позволяет сделать предположение о том, что NDMI более предпочтительнее использовать для анализа не влажности почвы, а уровня водного стресса культуры с целью оценки потребности в орошении.