CC BY
76
международный научный журнал «инновационная наука»
№12/2015
issn 2410-6070
Главное строение участка - жилой дом важно правильно ориентировать по сторонам света, а также продумать озеленение территории непосредственно примыкающей к фасаду дома. Так, например, на кухне утром должно быть светло, а спальные комнаты при этом не должны перегреваться солнцем. Желательно также, чтобы все хозяйственные помещения выходили на северную сторону. Не маловажно, какой вид будет открываться из окон дома, и в какую сторону будет направлен выход из жилого дома [2].
Следующий этап ландшафтного планирования отражает функциональное зонирование, виды благоустройства и озеленения. Процесс благоустройства и озеленения территории предусматривает разработку целого ряда планов и чертежей, по которым в дальнейшем они будут воплощаться [1].
Все архитектурные объекты, виды благоустройства и озеленения можно наглядно представить в едином плане ландшафтного проекта - генплане, где, будут отражены объекты будущего ландшафта в целом, рассчитана сметная стоимость всех этапов проекта и объем общих необходимых финансовых затрат [5].
Так, например, на генеральном плане могут быть отражены различные функциональные зоны. К ним относятся зоны: парадная, хозяйственная, тихого отдыха, активного отдыха, детская площадка, спортивная площадка, декоративный огород, плодовый сад и другие. Помимо технических чертежей на производство работ (генеральный план, дендроплан, план освещения, схемы цветников и т. д.), финансовых документов: смет на проведение строительно-ландшафтных работ, включаются и ассортиментные ведомости посадочного материала, списки отделочных материалов и оборудования [4]. Список использованной литературы
1. Дорошева З.Н. Ландшафтное проектирование загородной придомовой территории. Практические аспекты. Монография. - Уфа: РИЦ БашГУ, 2013. - 116 с.
2. Дорошева З.Н. Ахметова А.И. Эколого-планировочные проблемы создания «Большой Уфы». Биоэкологическое краеведение: Мировые, российские и региональные проблемы. Материалы 3-й Всероссийской научно-практической конференции с Международным участием, посвященной 85-летнему юбилею Естественно-географического фа-культета 14 ноября 2014 года. Самара: ПГСГА 2014. С. 88-92.
3. Дорошева З.Н. Ландшафтный дизайн с основами ландшафтоведения. Уфа: РИЦ БашГУ, 2012. - 120 с.
4. http://zemlemermaster.ru/service/landshaftnaya-sjemka
5. http://normative_reference_dictionary.academic.ru/79266
© Дорошева З.Н., Кубагишева Е.Ю., 2015
УДК 528.87
П.Е. Каргашин
к.г.н., доцент географического факультета МГУ имени М.В. Ломоносова А.М. Карпачевский аспирант географического факультета МГУ имени М.В. Ломоносова г. Москва, Российская Федерация
АВТОМАТИЗАЦИЯ ДЕШИФРИРОВАНИЯ МЕХАНИЧЕСКИХ НАРУШЕНИЙ ТЕРРИТОРИИ В ЛЕСОТУНДРОВОЙ ЗОНЕ
Аннотация
В данной статье представлены результаты работ по автоматизации дешифрирования территорий добычи углеводородов. На тестовом участке опробованы разные подходы к выделению нарушенных земель по космических снимкам, полученным спутником Landsat. Полученные выводы иллюстрированы схемами
международный научный журнал «инновационная наука» №12/2015 issn 2410-6070
дешифрирования, выполнен анализ возможностей использования приемов автоматизации для изучения воздействия нефтегазодобычи на природную среду.
Ключевые слова
Месторождение газа, автоматизированное дешифрирование, механические нарушения, change detection, Landsat, антропогенное воздействие, экология нефтегазового комплекса
Добыча полезных ископаемых неизбежно приводит к трансформации природно-территориальных комплексов. Воздействие на окружающую среду различается в зависимости от добываемых ресурсов, способа добычи. Специфика воздействия при добычи углеводородов заключается в поэтапном вовлечении новых площадей в производственный процесс, в том числе для размещения новых объектов. Также значительные территории изымаются под вспомогательную инфраструктуру и смежные производства. Воздействие носит разный характер и для его выявления организовывают специальные системы мониторинга. Общий характер антропогенной нагрузки можно определить по результатам исследования механически нарушенных площадей на основе данных дистанционного зондирования Земли (ДЗЗ).
Описание территории и исходные данные
Заполярное месторождение расположено в Тазовском районе Ямало-Ненецкого автономного округа. Согласно физико-географическому районированию оно относится к зоне лесотундр, Западно-Сибирской лесотундровой области [4, 58], Надым-Пур-Тазовской провинции [3, 121]. Территория представлена плоской низменностью, сложенной морскими и ледниковыми отложениями четвертичного периода. Распространение многолетней мерзлоты обуславливает развитие специфических процессов, например, термокарста, термоэрозии [3, 122; 4, 59]. По долинам рек широко развиты песчаные аллювиальные и озёрные отложения, которые слагают надпойменные террасы [3, 118].
В древостое редколесий и долин рек преобладает лиственница. На юге зоны добавляется примесь сибирской ели и берёзы. Под такими лесами развиваются мерзлотно-таёжные почвы. Редколесья заболочены, покрыты зелёным мхом и лишайниками, которые сдерживают прогревание почвы и материнской породы. Крупные площади междуречий заняты торфяно-бугристыми болотами [4, 54; 3, 118].
Основой источник данных для анализа воздействия добычи углеводородов на природные ландшафты — космические снимки, сделанные спутником Landsat 5, полученный с геопортала Glovis. Сцена снята 18 июля 2009 года, её пространственное разрешение составляет 30 м. В работе использовались шесть каналов в видимом и ближнем инфракрасном диапазонах. Механические нарушения природных комплексов связаны со строительством и эксплуатацией техногенных объектов месторождения. К числу площадочных сооружений относятся кустовые площадки, установки комплексной подготовки газа, вахтовый поселок и т.д. Линейные сооружения представлены газопроводами и дорогами. Вокруг каждого объекта выделяется территория, которая контрастирует с окружающей природной средой. Ретроспективный анализ показал, что до строительства техногенных объектов эти участки местности не отличались по спектральным характеристикам от окружающих.
Выявление нарушенных в результате природопользования территорий выполнялось на основе трех подходов: визуальное дешифрирование, автоматизированная классификация, анализ динамики. Исследование выполнено в рамках работ по проекту РФФИ 14-05-31417 мол_а.
Наиболее распространенный метод тематической обработки данных ДЗЗ заключается в определении и оконтуривании нужных объектов по снимку, которое выполняет оператор. При визуальном дешифрировании используются геометрические, яркостные, структурные дешифровочные признаки, а также учитывается связь с окружающими объектами. В настоящем исследовании изначально были выделены все техногенные объекты территории. Далее совместный анализ двух снимков, один из которых сделан до освоения данной территории, позволил визуально выделить нарушенные территории.
В работе использован вариант синтеза цветного изображения с участием двух зон видимого и одной зоны ближнего инфракрасного диапазона (4-3-2). В таком сочетании каналов площадочные объекты и дороги имеют белый цвет, более яркий, чем окружающие природные объекты. Подземная прокладка трубопроводов, а также разное состояние надтрубного вала обуславливают различные оттенки желтого, серого цветов
международный научный журнал «инновационная наука» №12/2015 issn 2410-6070
поверхности грунтов в коридоре трассы [2].
Выявленные участки механической нарушенности определяются по изменению цвета на границе антропогенных и природных объектов. В некоторых случаях наблюдается однородная текстура изображения нарушенных участков, что не характерно для окружающих природных контуров.
Дешифрирование площадок месторождения и нарушенных участков осложняется за счет специфических характеристик природных комплексов, которые близки к ним по цвету. В свою очередь трубопроводы, заболоченные территории и малые эрозионные формы, также схожи по спектральной яркости. Описанное сходство наблюдается для всех каналов, поэтому при визуальном дешифрировании важную роль сыграл анализ свойств самих объектов. Например, трубопровод — линейный протяженный объект, для которого не характерна частая и резкая смена направления. Такая особенность помогает «восстановить» не распознанные участки.
В результате визуального дешифрирования получены векторные слои, содержащие техногенные объекты и участки нарушенных территорий. После проверки корректности выделенных полигонов по серии разновременных снимков их принято считать основой по которой оценивалось качество автоматизированных методов дешифрирования.
Для автоматизации выделения зон механической нарушенности по космическим снимкам использовались методы классификации с обучением. Задача решалась средствами ГИС-пакета ERDAS Imagine 2015 (получено в рамках сотрудничества по Международной образовательной программе Hexagon Geospatial). В пределах снимка были выбраны эталоны, которые наиболее полно описывают совокупность объектов с различными спектральными характеристиками. Всего было выделено пять классов объектов:
1) Водные объекты;
2) Пойменная растительность;
3) Мохово-лишайниковые редколесья на междуречьях;
4) Лесная растительность на надпойменных террасах;
5) Освоенные промышленные и селитебные земли.
Для некоторых классов объектов потребовалось выделение нескольких эталонов, сигнатуры которых затем были осреднены. Это коснулось водных объектов и междуречных редколесий, чьи площади по отдельности невелики, либо незначительно различались по спектральным характеристикам.
Далее, с помощью инструмента Supervised Classification были опробованы различные алгоритмы классификации с обучением. Выбор способа классификации на основе спектральных признаков основывается на характере границ и статистическом распределении значений яркости объектов [1, 118]. В рассматриваемом случае участвовали как объекты с резкими границами (водные, антропогенные), так и с плавными (различные типы растительности).
С точки зрения закона распределения, который определяет параметрический или непараметрический способ классификации, все объекты аппроксимируются законом Гаусса. В случае природных объектов это ожидаемо, однако эталон освоенных промышленных и селитебных земель тоже характеризовался нормальным распределением с незначительной асимметрией по 5-му и 6-му каналам. Это может быть объяснено тем, что выбранный объект для эталонирования (посёлок Новозаполярный) имеет спектральный образ, полученный в результате интегрирования яркости от самых разных объектов примерно в равной доле. Например, здесь встречаются, как синие и красные крыши, так и зелёная растительность и открытые грунты. Распределение яркости во всех каналах для всех объектов было одномодально, что очень важно для достоверной классификации [1, 121].
В среде ERDAS Imagine 2015 были опробованы все доступные способы одновариантной классификации: способ параллелепипеда, минимальных расстояний, наибольшего правдоподобия и спектрального угла. Среди них вариант классификации по методу максимального правдоподобия оказался наиболее достоверным.
Третий использованный в данной работе подход к выявлению антропогенных объектов и нарушенных участков часто используется для изучения использования земель, динамики лесов и т.д. В зарубежной литературе этот комплекс методов получил название «change detection». Идея данного подхода заключается в сравнении снимков или производных изображений. Изменение яркости позволяет судить об изменении границ или типа объекта. В работах [5; 7; 8] приведен спектр методов, относящихся к анализу
международный научный журнал «инновационная наука»
№12/2015
issn 2410-6070
разновременных изображений. Выделено 7 категорий [7, 2370], которые отличаются по принципам обработки изображений. В данной работе использован один из наиболее простых, но эффективный метод — Image Differencing, который заключается в создании производного изображения на основе разности яркостей пикселей соответствующих каналов снимков, полученных в разные годы. В данном исследовании процедура была выполнена для всех каналов видимого и ближнего инфракрасного диапазона снимков Landsat 1990 и 2009 гг. Оба снимка сделаны одной системой, в августе. Снимок 1990-го года содержит облачность, также определяется как изменения. Анализ разностных изображений показал, что наилучшим образом изменения отражены на 4-м, 5-м, 7-м каналах. Дальнейшая обработка заключалась в выборе порогового значения, отделяющего нужные объекты. В работе [6] показано, что для данной территории, значение для канала 7 практически соответствует сумме средней яркости пикселей и среднеквадратичного отклонения. Это значение было использовано при классификации изображения. Таким способом выделены территории, изменение которых с высокой долей вероятности может быть связано с антропогенным воздействием.
Анализ полученных результатов и сравнение использованных методов. Использование каждого метода позволило получить схему дешифрирования, на которой показаны зоны механической нарушенности. В качестве эталонного изображения выбран результат визуального дешифрирования, как наиболее полно и достоверно отражающий состояние природно-антропогенных комплексов. На рисунке 1 показано качество классификации изображения по методу максимального правдоподобия. Выделенные контуры разделены на три группы:
«корректное выделение» — территория определена как на схеме визуального дешифрирования, так и по результатам классификации.
«неправильное выделение» - территории отнесены к нарушенным по результатам автоматизированного дешифрирования, но это не подтверждается материалами визуального.
«отсутствие выделения» - на схеме визуального дешифрирования территории отнесены к нарушенным, но не выделены по результатам классификации по методу максимального правдоподобия.
Территории, выделенные правильно при классификации снимка по методу максимального правдоподобия, как правило, соответствуют площадочным объектам месторождения (кустовые площадки, установка комплексной подготовки газа и т.д.). Площадки характеризуются ярким цветом и контрастны по отношению к остальным объектам. Также практически все дороги выделены корректно за исключением отдельных участков, несмотря на то, что они хорошо читаются на снимке.
Рисунок 1 - Сравнение результатов визуального дешифрирования и классификации по методу
максимального правдоподобия
международный научный журнал «инновационная наука»
№12/2015
2410-6070
Нарушенные территории, прилегающие к площадочным объектам и дорогам, как правило, выделены, но не полностью. Для некоторых объектов не учтено до 20 % нарушенной территории. В ряде случаев это объясняется тем, что техногенный объект существует некоторый период времени и нарушенная при его строительстве территория постепенно восстанавливается, приобретает спектральные характеристики, близкие к естественным контурам.
Наихудшим образом, по сравнению с другими техногенными объектами, оконтурена зона механической нарушенности вокруг трубопроводов. Среди корректно выделенных объектов следует отметить территории параллельного прохождения нескольких ниток и дороги, а также новые трубопроводы. В первом случае правильное выделение обусловлено тем, что общая площадь нарушенных территории значительна и она контрастна по отношению к окружающим её природным объектам. Во втором случае новые трубопроводы имеют неразрушенный надтрубный вал, который дешифрируется по ярко белому цвету. Значительные по площади участки механической нарушенности вокруг трубопроводов не выделены путём автоматизированного дешифрирования. В основном — это участки с нарушенным надтрубным валом, одиночные нитки. Наибольшая доля невыделенных территорий приходится на редколесья или соответствует местам пересечения с водотоками.
Подавляющее количество контуров категории «неправильное выделение» расположено по берегам озер, в долинах малых рек и эрозионных формах, а также в редколесных природных комплексах. Во всех этих случаях спектральная отражательная способность природных объектов близка к нарушенным территориям в большем количестве каналов съемки. Это определило их выделение при автоматизированном дешифрировании и создание эталонов скорректировало результаты, но не позволило избежать выделения избыточных полигонов.
Второй способ автоматизированного выделения нарушенных территорий заключался в попиксельном сравнении двух изображений, одно из которых сделано до освоения месторождения. Приведенная на рисунке 2 схема дешифрирования, позволяет судить о том, что площадочные объекты и автодороги выделены достаточно корректно. Выделенные зоны воздействия относятся к нарушениям растительного покрова, но не включают подтопления технических объектов. Наихудшим образом локализованы трубопроводы, за исключением ряда участков параллельного залегания нескольких ниток. Большая часть территории, нарушенной прокладкой трубопроводов, отнесена к категории «отсутствие выделения». На результаты дешифрирования оказала влияние облачность, которая присутствовала на снимке 1990 года. Это привело к выделению некоторых избыточных контуров, например, в западной части территории.
Рисунок 2 - Сравнение результатов визуального дешифрирования и анализа динамики Совместный анализ результатов двух подходов к автоматизации дешифрирования нарушенности
международный научный журнал «инновационная наука» №12/2015 issn 2410-6070
территории показывает, что доля корректно выделенных участков одинакова - около 54%. Различие заключается в двух других категориях. При классификации по методу максимального правдоподобия доля ошибочно оконтуренных участков составляет 29%, а при дешифрировании динамики — 18%. В тоже время соотношение не выделенных территории — 17% и 27% соответственно.
Таким образом, применение методов дешифрирования динамики дает изображение, на котором меньше избыточных деталей, но около трети нужных территорий не выделено. Метод максимального правдоподобия позволяет получить лучшее соотношение 77% и 23%, однако дает намного больше избыточных контуров.
С точки зрения особенностей использования этих методов следует отметить, что автоматизированная классификация требует предварительной подготовки, которая заключается в наборе эталонов дешифрирования. Этот этап не требуется для анализа снимков методом «Image Differencing». Однако дешифрирование динамики требует двух космических снимков, причем безоблачных, что усложняет поиск подходящих исходных материалов. Также метод «Image Differencing» чрезвычайно зависит от выбранного порогового значения, по которому отбрасываются неизмененнные участки. Использованное в данной работе пороговое значение позволило качественно выделить площадочные объекты и дороги, но не учло зоны воздействия при прокладке трубопроводов и подтопления технических объектов.
Таким образом, оба метода показали результаты, которые могут быть использованы при первичном анализе территории добычи нефти и газа с целью изучения антропогенного воздействия и выявления технических объектов. Логичным является предложить последовательное использование этих приемов. Сначала выполняется анализ изменений, который не требует априорной информации о территории. А на основе его результатов можно выполнить прицельный сбор эталонов для дешифрирования антропогенной нагрузки.
Исследование выполнено при финансовой поддержке РФФИ в рамках работ по проекту 14-05-31417 мол_а. Список использованной литературы:
1. Географическое картографирование: карты природы (учебное пособие) / Е.А. Божилина, Л.Г. Емельянова, Т.В. Котова, О.В. Тутубалина, Н.Г. Украинцева. — КДУ Москва, 2010. — С. 316.
2. Каргашин П.Е. Дешифрирование промышленного освоения территории Заполярного месторождения // НАЦИОНАЛЬНАЯ АССОЦИАЦИЯ УЧЕНЫХ (НАУ). Ежемесячный научный журнал. — 2014.—№ 4. — С. 132-135.
3. Макунина А.А. Физическая география СССР. М., изд-во Моск. Ун-та,1985 г. с ил. 296 с.
4. Мильков Ф.Н. Природные зоны СССР. Изд. 2-е, доп. И перераб. М., «Мысль», 1977. С ил. 293 с.
5. S. Berberoglu, A. Akin Assessing different remote sensing techniques to detect land use/cover changes in the eastern Mediterranean // International Journal of Applied Earth Observation and Geoinformation — 2009, Volume 11, Issue 1, February, Pages 46-53
6. P. Kargashin, M. Kargashina Application of change detection techniques for land use analysis of Zapolyarnoye gas field // IGU 2015 Moscow Regional Conference, Moscow, 2015
7. D. Lu, P. Mausel , E. Brondizio, E. Moran Change detection techniques // International Journal of Remote Sensing — 2004, Vol. 25, Iss. 12, pages 2365-2401
8. J.-F. MAS Monitoring land-cover changes: a comparison of change detection techniques // International Journal of Remote Sensing, 1999, vol. 20, №. 1, pages 139-152
© Каргашин П.Е., Карпачевский А.М., 2015
УДК 574.9
Маманова О.Н.
выпускница Кибрайского академического лицея при Ташкентском Государственном аграрном университете, Ташкент, Узбекистан
ПРОБЛЕМА ГЕОЭКОЛОГИЧЕСКИХ ОСОБЕННОСТЕЙ УСТОЙЧИВОГО РАЗВИТИЯ В МЕЖДУНАРОДНЫХ ЭКОНОМИЧЕСКИХ ОТНОШЕНИЯХ
Аннотация
В статье раскрыты некоторые аспекты и особенности географической экологии, как самостоятельной
