CC BY
13
УДК 504.064
ДЕТЕКТИРОВАНИЕ ФАКЕЛЬНЫХ УСТАНОВОК И ОПРЕДЕЛЕНИЕ ЗОН ИХ ТЕПЛОВОГО ВОЗДЕЙСТВИЯ НА НЕФТЕДОБЫВАЮЩИЕ ТЕРРИТОРИИ ТОМСКОЙ ОБЛАСТИ
Мария Николаевна Алексеева
Институт химии нефти СО РАН, 634055, Россия, г. Томск, пр. Академический, 4, кандидат географических наук, младший научный сотрудник лаборатории «Научно-исследовательский информационный центр с музеем нефти», тел. (3822)49-10-42, e-mail: amn@ipc.tsc.ru
Ирина Германовна Ященко
Институт химии нефти СО РАН, 634055, Россия, г. Томск, пр. Академический, 4, кандидат геолого-минералогических наук, зав. лаборатории «Научно-исследовательский информационный центр с музеем нефти», тел. (3822)49-18-11, e-mail: sric@ipc.tsc.ru
Для выявления действующих факельных установок (ФУ) на месторождениях использовались космические снимки Landsat среднего разрешения зимнего периода, позволяющие с высокой точностью определить местонахождение термоточек, их идентифицировать и определить границы и площади теплового воздействия на территории нефтедобычи. Изложены методические вопросы дистанционного определения местоположения ФУ и определения площади зоны теплового загрязнения в радиусе ее действия.
Проведен анализ изменения площадей зон теплового воздействия по данным термоканалов Landsat 2009, 2016 и 2017 гг. на Лугинецком месторождении. Предложенный подход может быть использован в задаче мониторинга действующих ФУ сжигания попутного нефтяного газа и при оценке экологического состояния территорий нефтяных месторождений.
Ключевые слова: тепловые космические снимки, геоинформационные системы, нефтяные месторождения, факельные установки, сжигание попутного нефтяного газа, зоны теплового воздействия.
THE DETECTION OF FLARES AND THE DEFINITION OF THEIR ZONES OF THERMAL INFLUENCE OIL ON THE TERRITORY OF TOMSK REGION
Maria N. Alexeeva
Institute of Petroleum Chemistry SB RAS, 4, Prospect Akademichesky St., Tomsk, 634055, Russia, Ph. D., Junior Researcher of Laboratory, tel. (3822)49-10-42, e-mail: amn@ipc.tsc.ru
Irina G. Yashchenko
Institute of Petroleum Chemistry SB RAS, 4, Prospect Akademichesky St., Tomsk, 634055, Russia, Ph. D., Head of Laboratory, phone: (3822)49-18-11, e-mail: sric@ipc.tsc.ru
Landsat satellite imagery of the average resolution of the winter period was used to identify the existing flare units in the fields. It helps to accurately locate the points, identify them and determine the boundaries and areas of thermal impact. The methodological issues of remote determination of the location of the flare unit and the determination of the area of the thermal contamination zone within its range are outlined. The analysis of the change in the areas of heat-affected zones was carried out according to the data of thermal channels Landsat 2009, 2016 and 2017 at the Luginetsk deposit. The proposed approach can be used for monitoring of existing flaring units for flaring associated petroleum gas and in assessing the ecological status of oilfields.
Key words: thermal satellite images, geoinformation systems, oil fields, flare plants, associated petroleum gas combustion, heat affected zones.
Введение
По данным [1] в Томской области (ТО) основной вклад в загрязнение атмосферы приходится на выбросы предприятий нефтегазодобывающей отрасли (205,58 тыс. т, или 70,1 %). В Томской области ситуация по утилизации попутного нефтяного газа (ПНГ) выглядит значительно хуже по сравнению со среднероссийским уровнем рационального использования ПНГ, который в 2016 г. составил 88,21 %. Так, в 2015 г. на месторождениях Томской области уровень рационального использования ПНГ достиг 85 %. Всего за этот период было добыто 3,6 млрд. м3, при этом объем использованного ПНГ составил 3 млрд. м3. В 2016 г. объем добываемого ПНГ превысил показатель 2015 г. и составил около 3,75 млрд. м3, объем использованного ПНГ снизился и составил всего 2,97 млрд. м3, что привело к увеличению объема сожженного газа и в свою очередь к уменьшению доли рациональной утилизации ПНГ до 79 % [1].
На Лугинецком месторождении действует Лугинецкая газокомпрессорная станция по переработке ПНГ. Она была построена в 2002 г. и ежегодно перерабатывает 1,4 млрд. м ПНГ Лугинецкого месторождения в отбензиненный газ. «Готовый» газ подается в магистральный газопровод Нижневартовск-Парабель-Кузбасс, являющийся составной частью газотранспортной системы России.
Однако, несмотря на переработку газа, часть его сжигается на ФУ. При сжигании ПНГ в атмосферу выбрасывается большое количество вредных веществ, таких как сажа, оксиды азота, монооксид углерода, бензапирен, бензол, фосген, толуол, тяжелые металлы (ртуть, мышьяк, хром), сернистый ангидрид, иногда сероводород, сероуглерод, меркаптаны, большое количество углекислого газа. Сжигание ПНГ приводит к тепловому загрязнению атмосферы и почвы. Из литературных источников известно [2-4], что в зависимости от высоты ФУ, режима его использования, объема и состава сжигаемого ПНГ зоны термического и химического воздействия ФУ на лесные экосистемы могут быть радиусом от 200 м до 1 км. Применение космических снимков (КС) является актуальным и оправданным в решении проблемы мониторинга действующих ФУ и объемов сжигания ПНГ. В статьях [5-9] рассматриваются вопросы применения КС различного пространственного и спектрального разрешения для детектирования действующих ФУ, как на региональном, так и мировом уровне. Установлено, что официальная статистика по количеству действующих ФУ занижена, поэтому одной из проблем анализа теплового воздействия является определение реального количества функционирующих ФУ. Как нам известно, в Томской области подобных работ ранее не проводилось. Целью данной работы явилась разработка методологии дистанционного обнаружения функционирующих ФУ по данным термоканалов Landsat 8 среднего разрешения и опреде-
ление зон теплового воздействия по изменениям температуры приповерхностного слоя в радиусе их действия.
Методы и материалы
В настоящее время вычисление температуры поверхности Земли с помощью КС является перспективным направлением мониторинга теплового загрязнения [10-23]. Примером может служить анализ повышения температуры урбанизированных территорий, как по сравнению с фоновыми территориями, так и в динамике их застройки со временем [12, 14, 17, 19, 21-23].
Выявление ФУ и зон их теплового воздействия с использованием КС проводится в несколько этапов:
1. С целью обнаружения факельных установок и зон их теплового воздействия КС проходят предварительную обработку с использованием служебных алгоритмов в среде ERDAS Imagine. Предварительная обработка КС включает: 1) исходные значения пикселей изображения 11 спектрального канала пересчи-тываются из единиц абсолютного излучения (digital number) в значения спектрального излучения; 2) пересчет значений спектрального излучения в значения яркостной температуры по формуле (1) [24]:
T =-K--273,15, (1)
Ln( K +1)
где T - яркостная температура (°С), Kj и K2 - константы термического преобразования из файла метаданных, LX - спектральное излучение, вычисляется по формуле:
LÄ= ML * Qcal + Al , (2)
где Qcai - исходное цифровое значение пикселя, ML, AL - коэффициенты из файла метаданных.
2. Выбор пикселей со значениями температур выше других пикселей на КС в среде ArcMap.
3. Для идентификации факельной установки в ArcMap векторное изображение в виде множества термоточек раскладывается на векторные темы - точечная (местоположение ФУ в пикселе с максимальной яркостью в границах месторождения) и полигональная (зона теплового воздействия с радиусом от центрального по яркости пикселя до пикселя, граничащего с фоновой температурой).
4. Присвоение атрибутов - порядковый номер ФУ и название зоны теплового воздействия по названию месторождения. В ArcMap рассчитывается площадь каждой зоны.
Для проверки адекватности дешифрирования снимков температуру пикселей КС сопоставили со значениями температуры приземного слоя атмосферы
фоновой (без теплового загрязнения) территории в районе метеостанции «Средний Васюган» [25] (рис. 1), разница между этими температурами составила всего 2-8 °С. Однако, в границах термоточек с максимальной яркостью температура приповерхностного слоя увеличивается в среднем на 2-16 °С, что является достаточным условием для детектирования действующих ФУ.
Рис. 1. Температура приповерхностного слоя по спутниковым данным и метеостанции «Средний Васюган» за 2009, 2016, 2017 гг.
Результаты и обсуждение
Применение данной методики позволило идентифицировать 3 ФУ на Лу-гинецком нефтегазоконденсатном месторождении. Местонахождение данных ФУ подтверждено более детальными КС карты Google [26] и фотографиями (рис. 2).
Рис. 2. Территория Лугинецкого месторождения с интернет-карты [26]
Лугинецкое месторождение среди промыслов «Томскнефти» уникальное. Его главная особенность - многослойность, которая проявляется в сочетании нефти, газа и конденсата. На Лугинецком месторождении начальные извлекаемые запасы нефти - 30324 тыс. т, свободного газа - 49,59 млрд. м и 8430 тыс. т конденсата [27]. Нефти характеризуются высоким содержанием растворенного газа (161,68 м /т) [28, 29]. В 2014 г. на Лугинецком месторождении было добыто 796 тыс. т нефти [30].
Рис 3. Фрагменты тепловых КС Landsat территории
Лугинецкого месторождения с датами съемки:
а) 28.02.2009 г., б) 16.12.2016 г., в) 22.03.2017 г. Действующие ФУ и зоны теплового воздействия обозначены цифрами 1, 2 и 3
Авторами установлено, что на Лугинецком месторождении ФУ функционируют с переменным режимом и мощностью (рис. 3). А именно, на месторождении по КС с датой съемки 28.02.2009 г. обнаружена одна термоточка (рис. 3, а) - действующая ФУ. Для этой термоточки определены границы термического воздействия по разнице температур фоновой территории и зоны повышенной температуры радиусом 300 м. Площадь зоны теплового воздействия составила 0,16 км (обозначена красными тонами на рис. 3а). По данным термоканала температура зоны изменяется от 14 °С (на окраинах) до 59 °С (в центре), что превышает фоновое значение температуры этой территории (-17 °С) в 2-4 раза. На КС 2016 г. наблюдается уже две термоточки (рис. 3, б), ФУ № 1 отсутствует, идентифицированы ФУ № 2 и 3. Суммарная площадь термического загрязнения составила всего 0,02 км , что соответствует уменьшению площади теплового загрязнения в 8 раз по сравнению с 2009 г. В 2017 г. обнаружено уже 3 термоточки (рис. 3, в), суммарная площадь теплового загрязнения равна 0,15 км , что сопоставимо с данными снимка 2009 г. Температуры в термоточках № 1, 2 и 3 равны 14,7 и 57 °С соответственно, что превышает фоновую мартовскую температуру (+2 °С) в 7, 3 и 27 раз соответственно.
Как видно из рис. 3, зоны теплового загрязнения имеют практически круглую форму вследствие невысоких скоростей ветра в указанные даты съемки. Так, по данным метеостанции «Средний Васюган» в эти даты зафиксированы легкие и тихие ветра (1-3 м/с) различных направлений (таблица).
Характеристика ветра по данным метеостанции
Метеорологические параметры ветра на высоте 10-12 м над Земной поверхностью
дата Направление (румбы) Скорость ветра (м/с)
28.02.2009 с юго-юго-запада легкий (3)
07.03.2009 с северо-востока легкий (2)
16.12.2016 с юга 2 м/с легкий (2)
23.12.2016 с юго-востока тихий (1)
02.02.2017 с юго-востока легкий (2)
25.02.2017 с северо-востока тихий (1)
22.03.2017 с западо- юго-запада легкий (3)
Заключение
Таким образом, использование указанной методики позволяет оперативно и с достаточной точностью детектировать ФУ, проводить мониторинг их работы и зон теплового воздействия. Так на примере Лугинецкого месторождения показан переменный режим работы факельных установок. В частности, детектирована одна ФУ по состоянию на 28.02.2009, на 16.12.2016 - 2 и 22.03.2017 - 3 ФУ.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Государственный доклад «О состоянии и охране окружающей среды Томской области в 2016 году» / глав. ред. Ю.В. Лунева, редкол.: Ю.В. Лунева, Н.А. Чатурова; Департамент природных ресурсов и охраны окружающей среды Томской области, ОГБУ «Облкомприро-да». Ижевск: ООО «Принт-2».- 2017.- 160 с.
2. Евдокимов И.В., Юсупов И.А., Ларионова А.А., Быховец С.С., Глаголев М.В., Шав-нин С. А. Тепловое воздействие факела попутного газа на биологическую активность почвы // Почвоведение. - 2017.- № 12.- С.1485-1493.
3. Кирюшин П. А., Книжников А.Ю., Кочи К.В., Пузанова Т. А., Уваров С. А. Попутный нефтяной газ в России: «Сжигать нельзя, перерабатывать!» Аналитический доклад об экономических и экологических издержках сжигания попутного нефтяного газа в России. М.: Всемирный фонд дикой природы (WWF).- 2013.- 88 с.
4. Книжников А.Ю., Ильин А.М. Проблемы и перспективы использования попутного нефтяного газа в России. М.: Всемирный фонд дикой природы (WWF).- 2017. - 32 с.
5. Кочергин Г.А., Куприянов М. А., Полищук Ю. М. Использование космических снимков Landsat 8 для оперативной оценки суммарного объема факельного сжигания попутного газа на нефтедобывающей территории // Современные проблемы дистанционного зондирования Земли из космоса. - 2017. -Т. 14. - № 5. - С. 47-55.
6. Мячина К. В. Тепловое загрязнение степных ландшафтов Урало-Заволжья в районах нефтегазодобычи: анализ на основе спутниковых данных // Проблемы экологического мониторинга и моделирования экосистем. -2017.- Т. 28.- № 5.- С. 44-55.
7. Chowdhury S., Shipman T., Chao D., Elvidge C.D., Zhizhin M, Hsu F. Daytime gas flare detection using Landsat-8 multispectral data // International Geoscience and Remote Sensing Symposium (IGARSS). - 2014. - P. 258-261.
8. Elvidge Christopher D. Estimation of Gas Flaring Volumes Using NASA MODIS Fire Detection Products. - Режим доступа: https://ngdc.noaa.gov/eog/interest/gas_flares.html (дата обращения: 30.01.2018).
9. Elvidge C D., Zhizhin M., Baugh K., Hsu F.C., Ghosh T. Methods for Global Survey of Natural Gas Flaring from Visible Infrared Imaging Radiometer Suite Data // Energies. - 2016. -Vol. 9 (1). - P. 14.
10. Avdan, U., Jovanovska, G. Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data [Электронный ресурс]:/ Journal of Sensors. Vol. 2016 - Режим доступа: https://www.hindawi.com/journals/js/2016/1480307/(дата обращения: 25.03.2018).
11. Ayodeji Ogunode1, Mulemwa Akombelwa1 An algorithm to retrieve Land Surface Temperature using Landsat-8 Dataset [Электронный ресурс]:/ Geomatics Indaba 2017 Special Edition - Режим доступа: https://www.ajol.info/index.php/sajg/article/view/161377/150945 (дата обращения: 25.03.2018).
12. E. Igun, M. Williams. Impact of urban land cover change on land surface temperature// Global Journal of Environmental Science and Management.-2018.Vol. 4, № 1. - P. 47-58. - Режим доступа: http://gjesm.net/article_27798.html(дата обращения: 25.03.2018).
13. Fang Dong1, Jian Chen, Fan Yang1A Study of Land Surface Temperature Retrieval and Thermal Environment Distribution Based on Landsat-8 in Jinan City [Электронный ресурс]:/ 3rd International Conference on Environmental Science and Material Application, ESMA 2017. -Режим доступа: http://iopscience.iop.org/article/10.1088/1755-1315/108/4/042008/meta (дата обращения: 25.03.2018).
14. Hakan Oguz. Automated land surface temperature retrieval from Landsat 8 satellite Imagery: A Case Study Of Diyarbakir - Turkey // Environmental Sustainability and Landscape Management. - 2016. - Vol. 40. - P.598-604.
15. Hu, D., Qiao, K., Wang, X., Zhao, L., Ji, G. Comparison of Three Single-window Algorithms for Retrieving Land-Surface temperature with landsat 8 TIRS Data // Geomatics and Information Science of Wuhan University. - 2017. - Vol. 42. - №7. - P. 869-876.
16. Kun Tan, Zhihong Liao, Peijun Du, Lixin Wu. Land surface temperature retrieval from Landsat 8 data and validation with geosensor network [Электронный ресурс]:/ Journal of Arid Land 2017. - Режим доступа: https://link.springer.com/article/10.1007/s11707-016-0570-7 (дата обращения: 25.03.2018).
17. Laosuwan, T., Gomasathit, T., Rotjanakusol, T. Application of remote sensing for temperature monitoring: The technique for land surface temperature analysis // Journal of Ecological Engineering. - 2017.-Vol. 18. - № 3. P 53-60.
18. Lei Yang, Yun Gang Cao, Xiao Hua Zhu, Sheng He Zeng, Guo Jiang Yang, Jiang Yong He, Xiu Chun Yang Land surface temperature retrieval for arid regions based on Landsat-8 TIRS data: a case study in Shihezi, Northwest China// Journal of Arid Land.-2014. - Vol 6. - №6. -P. 704-716.
19. Veni, S., George, J., Aravinth, J. Detection of pollution content in an urban area using landsat data // 2017 International Conference on Advances in Computing, Communications and Informatics, ICACCI 2017. - 2017.- Vol. 2017. - P. 184-190.
20. Wang, Y., Zhou, J., Li, M., Zhang, X. Validation of Landsat-8 TIRS LAND surface temperature retrieved from multiple algorithms in an extremely arid region // International Geoscience and Remote Sensing Symposium (IGARSS). - 2016. - Vol. - № 7730809. P. 6934-6937.
21. Wicki, A., Parlow, E. Multiple regression analysis for unmixing of surface temperature data in an urban environment // Remote Sensing [Электронный ресурс]. - Режим доступа: https://www.scopus.com (дата обращения: 25.03.2018).
22. Xu, C., Qu, J.J., Hao, X., Cosh, M.H., Prueger, J.H., Zhu, Z., Gutenberg, L. Downscaling of surface soil moisture retrieval by combining Landsat/MODIS and in situ measurements // Remote Sensing. - 2018. - № 210/ [Электронный ресурс]. - Режим доступа: https://www.scopus.com (дата обращения: 25.03.2018).
23. Yang, C., He, X., Yu, L., Yang, J., Yan, F., Bu, K.Chang, L., Zhang, S. The cooling effect of urban parks and its monthly variations in a snow climate city Remote Sensing [Электронный ресурс]. - https://www.scopus.com
24. Using the USGS Landsat 8 Product: Landsat 8 user guide, United States Geological Survey. - Режим доступа: http://landsat.usgs.gov/Landsat8_Using_Product.php (дата обращения: 30.01.2018)
25. Архив_погоды_в_Среднем_Васюгане [Электронный ресурс].- Режим доступа: https://rp5.ru/ (дата обращения: 25.03.2018).
26. Интернет карта Земной поверхности [Электронный ресурс^/Googlemaps. - Режим доступа: http://rerive.com/google_map_online.html (дата обращения: 25.03.2018).
27. Паровинчак К.М., «Обоснование комплексного освоения нефтегазоконденсатных месторождений Томской области»: Дис. на соискание ученой степени канд. г.-м.н.-Томск.-2013.-183 с
28. Ященко И.Г., Полищук Ю.М. Трудноизвлекаемые нефти: физико-химические свойства и закономерности размещения / Под ред. А.А. Новикова. Томск: В-Спектр, 2014. 154 с.
29. Ященко И.Г., Полищук Ю.М. Классификация трудноизвлекаемых нефтей и анализ их качественных свойств //Химия и технология топлив и масел. 2016. № 4 (596). С. 50-56.
30. Слоеный пирог: как добывают "трудную" нефть Лугинецкого месторождения [Электронный ресурс]. - Режим доступа: https://www.riatomsk.ru/article/20150217/dobicha-nefti-na-lugineckom-mestorozhdenii/
REFERENCES
1. Gosudarstvennyy doklad «О sostoyanii i okhrane okruzhayushchey sredy Tomskoy oblasti v 2016 godu». (2017) /glav. red. YU.V. Luneva, redkol.: Yu.V. Luneva, N.A. Chaturova; Departament prirodnykh resursov i okhrany okruzhayushchey sredy Tomskoy oblasti, OGBU «Oblkompriroda». Izhevsk, 160. [in Russian]
2. Yevdokimov I.V., Yusupov I.A., Larionova A.A., Bykhovets S.S., Glagolev M.V., Shavnin S.A. (2017). Teplovoye vozdeystviye fakela poputnogo gaza na biologicheskuyu aktivnost' pochvy. Pochvovedeniye, 12, 1485-1493. [in Russian]
3. Kiryushin P.A., Knizhnikov A.Yu., Kochi K.V., Puzanova T.A., Uvarov S.A. (2013). Poputnyy neftyanoy gaz v Rossii: «Szhigat' nel'zya, pererabatyvat'!» Analiticheskiy doklad ob ekonomicheskikh i ekologicheskikh izderzhkakh szhiganiya poputnogo neftyanogo gaza v Rossii. Moscow: Vsemirnyy fond dikoy prirody (WWF), 88. [in Russian]
4. Knizhnikov A.YU., Il'in A.M. (2017) Problemy i perspektivy ispol'zovaniya poputnogo neftyanogo gaza v Rossii. Moscow: Vsemirnyy fond dikoy prirody (WWF), 32 [in Russian]
5. Kochergin G.A., Kupriyanov M.A., Polishchuk Yu.M. (2017) Ispol'zovaniye kosmicheskikh snimkov Landsat 8 dlya operativnoy otsenki summarnogo ob"yema fakel'nogo szhiganiya poputnogo gaza na neftedobyvayushchey territorii. Sovremennyye problemy distantsionnogo zondirovaniya Zemli iz kosmosa, 14 (5), 47-55. [in Russian]
6. Myachina K.V. Teplovoye zagryazneniye stepnykh landshaftov Uralo-Zavolzh'ya v rayonakh neftegazodobychi: analiz na osnove sputnikovykh dannykh (2017). Problemy ekologicheskogo monitoringa i modelirovaniya ekosistem, 28 (5). 44-55. [in Russian]
7. Chowdhury S., Shipman T., Chao D., Elvidge C.D., Zhizhin M, Hsu F. (2014). Daytime gas flare detection using Landsat-8 multispectral data. International Geoscience and Remote Sensing Symposium (IGARSS), 258-261.
8. Elvidge Christopher D. (2011) Estimation of Gas Flaring Volumes Using NASA MODIS Fire Detection Products. [Elektronnyj resurs]. - Rezhim dostupa: https://ngdc.noaa.gov/ eog/interest/gas_flares.html (data obrashcheniya: 25.03.2018)
9. Elvidge C D., Zhizhin M., Baugh K., Hsu F.C., Ghosh T. (2016). Methods for Global Survey of Natural Gas Flaring from Visible Infrared Imaging Radiometer Suite Data. Energies, 9 (1), 14.
10. Avdan, U., Jovanovska, G. (2016). Algorithm for automated mapping of land surface temperature using LANDSAT 8 satellite data [Elektronnyj resurs]: Journal of Sensors. - Rezhim dostupa: https://www.hindawi.com/journals/js/2016/1480307/ (data obrashcheniya: 25.03.2018).
11. Ayodeji Ogunode1, Mulemwa Akombelwa1. (2017). An algorithm to retrieve Land Surface Temperature using Landsat-8 Dataset [Elektronnyj resurs]: Geomatics Indaba 2017 Special Edition.- Rezhim dostupa: https://www.ajol.info/index.php/sajg/article/view/161377/150945 (data obrashcheniya: 25.03.2018)
12. E. Igun, M. Williams. (2018). Impact of urban land cover change on land surface temperature [Elektronnyj resurs]: Global Journal of Environmental Science and Management, 4 (1), 47-58. - Rezhim dostupa: http://gjesm.net/article_27798.html (data obrashcheniya: 25.03.2018).
13. Fang Dong1, Jian Chen, Fan Yang A. (2017). Study of Land Surface Temperature Retrieval and Thermal Environment Distribution Based on Landsat-8 in Jinan City [Elektronnyj resurs]: 3rd International Conference on Environmental Science and Material Application, ESMA 2017. - Rezhim dostupa: http://iopscience.iop.org/article/10.1088/1755-1315/108/4/042008/meta (data obrashcheniya: 25.03.2018).
14. Hakan Oguz. (2016) Automated land surface temperature retrieval from Landsat 8 satellite Imagery: A Case Study Of Diyarbakir - Turkey. Environmental Sustainability and Landscape Management, 40, 598-604.
15. Hu, D., Qiao, K., Wang, X., Zhao, L., Ji, G. (2017) Comparison of Three Single-window Algorithms for Retrieving Land-Surface temperature with landsat 8 TIRS Data // Geomatics and Information Science of Wuhan University, 42 (7), 869-876.
16. Kun Tan, Zhihong Liao, Peijun Du, Lixin Wu. Land surface temperature retrieval from Landsat 8 data and validation with geosensor network [Elektronnyj resurs]: Journal of Arid Land 2017. - Rezhim dostupa: https://link.springer.com/article/10.1007/s11707-016-0570-7 (data obrashcheniya: 25.03.2018).
17. Laosuwan, T., Gomasathit, T., Rotjanakusol, T. (2017). Application of remote sensing for temperature monitoring: The technique for land surface temperature analysis. Journal of Ecological Engineering, 18 (3), 53-60.
18. Lei Yang, Yun Gang Cao, Xiao Hua Zhu, Sheng He Zeng, Guo Jiang Yang, Jiang Yong He, Xiu Chun Yang. (2014). Land surface temperature retrieval for arid regions based on Landsat-8 TIRS data: a case study in Shihezi, Northwest China. Journal of Arid Land, 6 (6), 704-716.
19. Veni, S. George, J., Aravinth, J. (2017). Detection of pollution content in an urban area using landsat data // International Conference on Advances in Computing, Communications and Informatics, ICACCI, 184-190.
20. Wang, Y., Zhou, J., Li, M., Zhang, X. (2016). Validation of Landsat-8 TIRS LAND surface temperature retrieved from multiple algorithms in an extremely arid region // International Ge-oscience and Remote Sensing Symposium (IGARSS), 6934-6937.
21. Wicki, A., Parlow, E. (2017). Multiple regression analysis for unmixing of surface temperature data in an urban environment [Elektronnyj resurs]: Remote Sensing. - Rezhim dostupa: https://www.scopus.com (data obrashcheniya: 25.03.2018).
22. Xu, C., Qu, J.J., Hao, X., Cosh, M.H., Prueger, J.H., Zhu, Z., Gutenberg, L. (2018) Downscaling of surface soil moisture retrieval by combining Landsat/MODIS and in situ measurements // [Elektronnyj resurs]: Remote Sensing. - [Elektronnyj resurs]: [https://www.scopus.com (data obrashcheniya: 25.03.2018).
23. Yang, C., He, X., Yu, L., Yang, J., Yan, F., Bu, K.Chang, L., Zhang, S. T. (2017) The cooling effect of urban parks and its monthly variations in a snow climate city Remote Sensing [Электронный ресурс]: - URL: https://www.scopus.com (data obrashcheniya: 25.03.2018).
24. Using the USGS Landsat 8 Product: Landsat 8 user guide, United States Geological Survey. URL: http://landsat.usgs.gov/Landsat8_Using_Product.php (data obrashcheniya: 25.03.2018)
25. Arkhiv_pogody_v_Srednem_Vasyugane [Elektronnyy resurs]. - Rezhim dostupa: https://rp5.ru/ (data obrashcheniya: 25.03.2018).
26. Internet karta Zemnoy poverkhnosti [Elektronnyy resurs]: / Googlemaps. - Rezhim dostupa: http://rerive.com/google_map_online.html (data obrashcheniya: 25.03.2018).
27. Parovinchak K.M. (2013). «Obosnovaniye kompleksnogo osvoyeniya neftegazokondensatnykh mestorozhdeniy Tomskoy oblasti»: Dis. na soiskaniye uchenoy stepeni kand. g.-m.n. - Tomsk, 183. [in Russian].
28. Yashchenko I.G., Polishchuk Yu.M. Trudnoizvlekayemyye nefti: fiziko-khimicheskiye svoystva i zakonomernosti razmeshcheniya. Tomsk: V-Spektr, 2014. 154 s. [in Russian].
29. Yashchenko I.G., Polishchuk Yu.M. (2016) Klassifikatsiya trudnoizvlekayemykh neftey i analiz ikh kachestvennykh svoystv. Khimiya i tekhnologiya topliv i masel, 4 (596), 50-56. [in Russian].
30. Sloyenyy pirog: kak dobyvayut «trudnuyu» neft' Luginetskogo mestorozhdeniya. (2014). [Elektronnyy resurs]. - Rezhim dostupa: https://www.riatomsk.ru/article/20150217/dobicha-nefti-na-lugineckom-mestorozhdenii/ (data obrashcheniya: 25.03.2018).
© М. Н. Алексеева, И. Г. Ященко, 2018
