CC BY
118
ГЕОИНФОРМАЦИОННОЕ КАРТОГРАФИРОВАНИЕ И МОНИТОРИНГ ИЗМЕНЕНИЯ ОКРУЖАЮЩЕЙ СРЕДЫ
Анатолий Яковлевич Гиенко
СКТБ «Наука», Красноярский научный центр СО РАН, 660049, Красноярск, просп. Мира, 53, ведущий научный сотрудник, доктор географических наук, тел: (391-2) 43-45-12, 27-29-12, email: angara@krsk.info
Геннадий Анатольевич Гиенко
Университет Аляски Анкоридж, 3211 Providence Dr., Anchorage, AK 99508, США, профессор кафедры геоматики, тел. (391-2) 43-45-12, 27-29-12, e-mail: afgg@uaa.alaska.edu
Михаил Олегович Говоров
Университет Острова Ванкувер, Building 100, 900 Fifth Street, Nanaimo, British Columbia, V9R 5S5, Канада, профессор, Тел. (250) 753-3245 доп. 2729, факс: +1 (250) 740-6170, e-mail: govorovm@viu.ca
В статье рассмотрены вопросы использования автоматической классификации материалов разновременной космической съемки для экологического картографирования и мониторинга изменения окружающей среды.
Ключевые слова: классификация изображений, идентификация изменений местности, экологический мониторинг.
GEO-INFORMATION AND CHANGE DETECTION TECHNIQUES FOR ECOLOGICAL ASSESSMENT OF NATURAL RESOURCES
Anatoly Ya. Gienko
Design & Technology Office «Nauka», Krasnoyarsk Science Centre of the SB RAS, 53, Prosp. Mira, Krasnoyarsk, 660049, Leading Scientist, Doctor of Geographical Sciences, tel. (391-2) 4345-12, 27-29-12, e-mail: angara@krsk.info
Gennady A. Gienko
University of Alaska Anchorage, School of Engineering, 3211 Providence Dr., Anchorage, AK 99508, USA, Associate Professor, Department of Geomatics, Tel: +1 (907) 786 1919, Fax: +1 (907) 786-1079, e-mail: afgg@uaa.alaska.edu
Michael O. Govorov
Vancouver Island University, Building 100, 900 Fifth Street, Nanaimo, British Columbia, V9R 5S5, Canada, Professor, Tel: (250) 753-3245 Ext 2729, Fax: +1 (250) 740-6170, e-mail: govorovm@viu.ca
The paper addresses some aspects of automated image interpretation and change detection analysis for ecological assessment of environmental changes at the regional level.
Key words: image classification, change detection, environmental monitoring.
ВВЕДЕНИЕ
В географо-экологических исследованиях гео-пространственные данные используются в качестве информации об окружающей природной среде и степени ее нарушенности. Одним из конечных продуктов технологического процесса обработки данных является отдешифрированный снимок. Тематическая интерпретация космических снимков - процесс во многом неоднозначный и трудноформализуемый. На снимке отображается интегрированная, генерализованная картина местности. Космические снимки, применяемые в региональных географических исследованиях, обычно среднего и мелкого масштаба (разрешения), поэтому для расшифровки ситуации (объектов, явлений, процессов) используются преимущественно деципиентные, косвенные признаки дешифрирования.
Выполнение автоматизированной классификации многоспектральных изображений требует выполнения ряда как алгоритмических преобразований, так и логических операций визуального дешифрирования, раскрывающих существующие в природе взаимосвязи и взаимообусловленности. Таким образом, при работе со снимками приходится оперировать материалом, характеристики которого обусловлены комплексом тесно связанных между собой физических (природных) и технических условий съемки, а также географическими особенностями территории, включая степень ее изученности. От полноты учета этих факторов во многом зависит результативность и достоверность результатов тематической классификации космический изображений. В настоящей статье рассмотрены некоторые методы использования автоматической классификации космических изображений для идентификации, распознавания и картографирования изменения окружающей среды в районах интенсивной эксплуатации природных ресурсов Сибири.
ЭКОЛОГИЧЕСКИЕ ПОСЛЕДСТВИЯ ГИДРОЭНЕРГЕТИЧЕСКОГО СТРОИТЕЛЬСТВА В РЕГИОНАЛЬНОМ МАСШТАБЕ
Среди сложных проблем современности особо выделяются экологические, затрагивающие жизненные интересы людей. В Сибири к наиболее нарушенным относятся ее южные равнинные части - Обь-Чулымское и Ангаро-Енисейское междуречья: здесь сконцентрировано население, промышленное и
сельскохозяйственное производства, развита транспортная инфраструктура. Предприятия этой урбанизированной зоны являются основными загрязнителями природной среды на площади более 500 тыс. км2. Если рассматривать бассейн Енисея, то здесь четко выделяются 2 области, экологическое состояние которых вызывает озабоченность - по Енисею это территории вокруг Кызыла, Абакана, Красноярска и Канска, по Ангаре - в районах Иркутска - Черемхово, Братска и Усть-Илимска. В этих зонах кардинально преобразована гидрографическая сеть, в результате нерационального природопользования загрязняются воды, воздух и геологическая среда. Ситуация требует повышения уровня экологичности технологических процессов большинства промышленных предприятий региона.
Гидроэнергетика, способствующая бурному промышленному росту ранее неосвоенных регионов, вместе с тем оказывает негативное влияние на природу обширных территорий. К известным отрицательным последствиям строительства ГЭС, прежде всего, относится коренное преобразование речной сети и изменение водного режима рек, создание новых аквальных объектов, снижение природно-ресурсного потенциала регионов в связи затоплением пойменных земель, лесов и месторождений полезных ископаемых (разведанных и еще не выявленных), переселение людей, вынужденных изменять привычный образ жизни и т.д. К существенным негативным последствиям, связанным с созданием водохранилищ также относятся:
- Резкое уменьшение интенсивности водообмена на участках рек, где построены водохранилища, что снижает качество воды за счет накопления загрязняющих веществ в водоемах и донных отложениях, а также в связи с изменением характера внутриводоемных процессов;
- Замедление процесса самоочищения воды в реках. Например, вода в Енисее ниже Красноярска (на расстоянии 250-300 км) потеряла способность к самоочищению почти вдвое;
- Изменение (как правило, ухудшение) условий обитания водных животных, в том числе сокращение численности ценных видов рыб;
- Повышение уровня подземных вод в верхних бьефах, следствием чего является подтопление и заболачивание земель;
- Понижение уровня подземных вод в нижних бьефах, что приводит к размыву русел рек и осушению пойм;
- Изменение микроклимата в прибрежных зонах водохранилищ и их нижних бьефах. Особенно опасны туманы, провоцирующие образование смога (например, в Красноярске);
- Продолжающаяся практически неконтролируемая переработка берегов водохранилищ, с чем связана дополнительная потеря лесных и сельскохозяйственных земель.
К основным условиям и факторам, формирующим экологический фон в бассейне Енисея, относятся:
- Природные условия, которые определяют базовый экологический потенциал территории. На равнинах это тундровые, лесотундровые, таежные и лесостепные ландшафты (с различной степенью нарушенности); в горах -тундровые, пустынно-тундровые, редколесно-тундровые и таежные ландшафты (в основном сохранившие естественный потенциал геосистем);
- Объекты, обеспечивающие долговременную сохранность эталонных естественных ландшафтов - особоохраняемые природные территории (заповедники, заказники, национальные парки и др.);
- Антропогенно-техногенные объекты, оказывающие негативное воздействие на режим функционирования природных экосистем: локализованные (города и их промышленные зоны, ТЭЦ и др.); линейные
(железные и автомобильные дороги, газо- и нефтепроводы, ЛЭП); площадные (водохранилища, распаханные земли, открытые горные разработки и т.д.).
Многие преобразования имеют необратимый характер - например, восстановление прежних параметров речной сети, реконструированной в результате гидротехнического строительства, вряд ли возможно. Практика показывает, что последствия масштабного вмешательства в природные системы в процессе природопользования не всегда адекватно оцениваются как при планировании масштабного строительства, так и при проведении восстановительно-рекреационных мероприятий. Например, в результате гидротехнического строительства в Иркутской области значительная часть долины реки Ангара преобразована в каскад водохранилищ. Из зоны затопления перенесены сотни населенных пунктов, под водой оказались ценные долинные сельскохозяйственные угодья. В районах ГЭС выросли новые города, размещены промышленные предприятия с вредными производствами, на огромных площадях сведен лес, загрязнена вода, воздух и почвы. В результате зона воздействия ГЭС и водохранилищ распространилась на многие десятки километров. На рис. 1 приведены результаты автоматической классификации космических снимков, наглядно иллюстрирующие степень региональных изменений в районе крупного гидротехнического строительства в бассейне реки Ангара.
Рис. 1. Результаты автоматической классификации снимков Landsat, показывающие характер антропогенной нарушенности ландшафтов при гидротехническом строительстве и промышленных лесозаготовках регионального масштаба (Ангарский бассейн).
Массивы несведенного леса (зеленый цвет), занимают около 50% территории. Преобразованные ландшафты (вырубленные леса, селитебные зоны, сельскохозяйственные угодья) показаны оттенками оранжевого и светло-коричневого цвета. Результат классификации космического снимка в утрированных цветах дает наглядное представление о степени изменения растительного покрова в масштабах региона
Уникальные природные ресурсы Сибири (лес, полезные ископаемые, вода и др.) продолжают активно осваиваться, при этом на второй план отодвигается стратегический вопрос - сохранение естественной природной среды как главного природного ресурса, без которого невозможно социальноэкономическое развитие территории в долгосрочной перспективе. К сожалению, тенденция нерациональной эксплуатации природных ресурсов Ангарского региона наблюдается и в других регионах Сибири, например в бассейне реки Енисей.
Наиболее острыми представляются проблемы рационального природопользования в южной, наиболее населенной части Енисейского бассейна - в отдельных районах участки разновременных вырубок леса занимают до 60-70% территории. Интенсивная эксплуатация лесных ресурсов, загрязнение водохранилищ сточными водами и затопленным лесом происходит с одновременным развитием неконтролируемых экзодинамических процессов на берегах водохранилищ: абразия берегов, оползни, овраги. В результате происходит дополнительное загрязнение поверхностных вод и сокращение площади лесных и сельскохозяйственных земель.
ИДЕНТИФИКАЦИЯ И КАРТОГРАФИРОВАНИЕ ИЗМЕНЕНИЙ МЕСТНОСТИ С ИСПОЛЬЗОВАНИЕМ РАЗНОВРЕМЕННЫХ МАТЕРИАЛОВ КОСМИЧЕСКОЙ СЪЕМКИ
Задача идентификации и картографирования изменений местности является одной из задач, трудно формализуемых с картографической точки зрения, и также трудно реализуемой практически. Приемы картографирования изменений местности с использованием топографических карт основаны на применении специальных условных знаков и использовании отличающегося цвета (пурпурный) для отображения отдельных изменившихся элементов местности. Этот подход основан на концепции статического состояния местности и предполагает относительно незначительные изменения элементов местности с момента предыдущего издания карты. Такой подход ограничен особенностями содержания и технологии изготовления топографических карт и, как следствие, является трудоемким и экономически неэффективным. С точки зрения моделей данных принятых в ГИС, этот подход основан на использовании векторной модели данных.
В случае существенных изменений местности или при задаче периодического мониторинга целесообразно использовать методы, основанные на анализе и классификации разновременных аэро- и космических изображений. Эти методы базируются на использовании растровой модели данных ГИС. Растровые модели данных позволяют решать задачу мониторинга изменений с применением довольно эффективных методов и алгоритмов, используемых в системах анализа данных дистанционного зондирования.
Основные методы идентификации изменений местности на основе анализа разновременных аэро- и космических снимков можно условно подразделить на три группы: методы с использованием непосредственно только исходных изображений, методы с использованием результатов обработки изображений, и
методы использующие результаты картографирования по снимкам. Первые две группы целиком основаны на растровой модели данных, технологии последней группы используют растровые данные для выделения границ объектов в виде векторных объектов и последующей обработкой результатов
картографирования на основе векторной модели данных.
Использование исходных изображений подразумевает выполнение различных алгебраических операций с синтезированными изображениями (или отдельными спектральными каналами), например вычитание (или деление) одного изображения из другого. Ненулевые пикселы результирующего изображения могут соответствовать положительным или отрицательным изменениям элементов местности. Интуитивная простота и привлекательность данного подхода довольно обманчива, поскольку на численные значения пикселов в исходных изображениях влияет множество факторов, связанных как с реальными изменениями состояния и местоположения объекта, так и условиями получения снимков и естественными сезонными изменениями местности.
Одним из подходов к решению этой проблемы является использование результатов предварительной обработки изображений. Сюда относится оценка динамики изменения местности на основе сравнения результатов классификации разновременных снимков, использование вегетационных и других индексов, использование метода РСА (метод главных компонент, при котором выполняется декомпозиция разновременных снимков на принципиальные компоненты, некоторые из которых могут содержать существенную информацию об изменениях местности), и другие. Эта группа методов является наиболее перспективной и интенсивно развивающейся.
При сравнительном анализе данных разновременного дистанционного зондирования уверенно выделяются наиболее изменяемые элементы местности, регистрируемые на материалах космической съемки. В частности, к ним относятся все нарушения естественного состояния лесных массивов, изменения землепользования, промышленное освоение территорий и прочее. Рисунок 2 иллюстрирует использование автоматической классификации разновременных космических снимков Landsat для мониторинга изменений местности в районе Красноярского водохранилища.
Сравнительный анализ результатов неуправляемой классификации показывает наличие существенных изменений местности, однако окончательное заключение может быть сделано после всестороннего анализа всех доступных методов определения изменений. Например, вегетационный индекс дает более полноценную картину дифференцирования растительного покрова и почв на фоне водных поверхностей (см. рис. 2). Для уточнения степени изменения конкретных объектов местности рационально использовать метод управляемой классификации с выбором обучающих полигонов. Рис. 3 иллюстрирует детали применения управляемой классификации на примере изучения динамики береговых процессов с использованием тех же исходных материалов.
Рис. 2. Мониторинг экзодинамических процессов на берегах Красноярского водохранилища в районе залива Точильный с использованием снимков Landsat, полученных в 1989 и 2006 годах. Синтезированные снимки в естественных цветах (слева), результаты автоматической классификации (в центре), и
вегетационные индексы (справа)
Рис.3. Мониторинг экзодинамических процессов на берегах Красноярского водохранилища в районе залива Точильный с использованием снимков Landsat (1989 и 2006 гг). Две опорные точки (эталоны) использованы для построения обучающей выборки для классификации изображений. Приведенные графики показывают спектральные кривые каждой обучающей выборки
Как видно из приведенных иллюстраций, результаты автоматической классификации изображений тестового полигона показывают очевидные изменения конкретных элементов местности и могут быть использованы для количественной оценки площади и определения скорости изменений. Практические исследования показывают, что при сравнительном анализе данных разновременного дистанционного зондирования достаточно уверенно выделяются наиболее изменяемые элементы местности, регистрируемые на материалах космической съемки. В частности, к ним относятся все нарушения естественного состояния лесных массивов, такие как разновременные вырубки, гари, сельскохозяйственные земли, дорожная сеть, линии электропередач, и другие объекты.
Отслеживание динамики изменений местности с отображением разнородных категорий объектов с показанием положительных и отрицательных изменений (в терминах изменения положения, размера, площади и аттрибутивного состояния), является сложной задачей, зависящей от определенного типа изменений в конкретном географическом регионе. Использование серии разновременных снимков, покрывающих значительные территории за существенный интервал времени является нетривиальной задачей с точки зрения картографической визуализации и требует дополнительных теоретических и практических исследований.
© А.Я. Гиенко, Г.А. Гиенко, М.О. Говоров, 2012
