CC BY
21
ISSN 2313-2159 (print) ISSN 2409-9864(online)
Dniprop. Univer.bulletin. Geology, geography., 25(2), 49-57.
doi: 10.15421/111719
Denys O. Dovhanenko, Tatyina P. Mokritska Dniprop. Univer. bulletin, Geology, geography., 25(2), 49-57
Деяк1 аспекти анал1зу зсув1в з використанням серш супутникових 3hímkíb Landsat
Д. О. Довганенко, Т. П. Мокрицька
Днiпровський на^ональний утверситет шет Олеся Гончара, Днiпро, Украша, e-mail:ekodnu@i.ua
Renewed 19 NoVember 2017 Резюме. Узагальнено результата доилдження можливост використан-
Received in revised form 29 November 2017 ня мУльтиспектРальних эишив сенсоРа Landsat 4-!, 5-1 та 7-1 сеPiй для
Accepted 04 December 2017 виявлення змiн земно! поверхт за до зсувних процеав. Проаналiзовано
динамiку спектральних властивостей поверхт з 1988 по 2011 рж за те-плий сезон. Виявлено тенденцiйний та циктчний характер динамiчних змiн. Установлено надiйнiсть нормалiзованих шдек-сiв NDBI та NDVI як дiагностичних ознак небезпечних геологiчних процеав. Основною ознакою актавiзацü зсувiв е рiзка взаемопротилежна змiна нормалiзованих iндексiв. Виявлено загальну тенденцiю до зниження активностi зсувiв на територп Дншровсько-Кам'янсько! агломерацл. Частково пiдтверджено гiпотезу про активiзацiю зсувiв на територп Дншропетровсь-ко! областi пiд час птв сонячно! активностi, а саме найбшьша частота виникнення зсувiв припадае на початок та кшець лiта 1988, 2001 та 2007 рокiв. Вибiрки екстремумiв за лiтньо-осiннiй перiод е статистично однорiдними. При цьому 36 % випад-кiв зсувiв мають циктчний розвиток. Встановлено, що найбшьша ефективтсть використання супутникових знiмкiв Landsat досягаеться при аналiзi територп з найменшим ступенем урбатзацл. Наведено штервальш оцiнки нормалiзованих iндексiв, за яких виявлення зсувiв найбiльш вiрогiдне.
Ключовi слова: зншки Landsat, нормалiзованi тдекси, зсуви
Some aspects of analysis of landslides using series of Landsat images.
D. O. Dovhanenko, T. P. Mokritska
Oles Honchar Dnipro National University, Dnipro, Ukraine, e-mail:ekodnu@i.ua
Abstract. The study devoted to problem of landslide dynamic in the territory of Dnipropetrovsk oblast. Study area covered right bank of Dnipro river, between Dnipro and Kamyanske cities. The territory characterized with hilly plain relief on loss soils. Specific combination of geomorphological and climate factors within the territory causes appearance the huge number of landslides. According to the highlighted problems the main aim of this study was to check the hypothesis about long-term dynamic and relation between activation of landslide processes and sunspot activity. The secondary aim was to determine stable diagnostic signs of landslides using satellite images. In accordance to aims the data base of Landsat images was created. The time series of images covered warm season during twenty years period (from 1988 till 2011 years). At the first stage of the study images were preprocessed and digital number was converted into reflectance values. Its allowed to investigate changes of surface type in long term dynamic. The surface changes were studied within locations of active and non-active landslides. There are all over 90 known locations where landslides took placed within this territory. The spectral analysis determined that most relevant signs of landslide are changes with vegetation and soil cover. According to this, the dynamic of surface type transformations was studied using normalized built-up and vegetation indexes (NDBI and NDVI). However, in the urban territory there were problems with recognition type of surface because of insufficient space resolution of Landsat images. This issue had medium influence on the statistical reliability of correlation value. Nevertheless, correlation and in-row statistical analysis showed cyclic and trend type of surface dynamic. More than half of locations characterized with cyclic dynamic, and the last part - with trend dynamic. The zero hypothesis about statistical homogeneity of ex-tremum values NDVI and NDBI confirmed at significance level 0,5. General long-term tendency of NDBI and NDVI has opposite character to itch other: NDBI trend is descending, NDVI - is rising. It allowed to conclude about stabilization of landslides processes in the territory. However, the central hypothesis of the research was confirmed partially. The main part of landslide events took placed in the beginning and in the end of summer seasons of 1988, 2001 and 2007 years. The first pair of years matched with the highest sunspot activity.
Keywords: Landsat images, normalized indexes, landslide processes
Geology • Geography
Dnipro university bulletin
Journal home page: geology-dnu-dp.ua
Вступ. До небезпечних геолопчних процесiв (НГП), значно поширених у Днiпропетровськiй областi, вiдносять зсуви, просадки, ерозшш та суфозiйнi явища. На правобережнiй частинi до-лини р. Дншро, вiд мiста Дншро до мiста Кам'янське, щiльнiсть зсувних явищ значно ви-ща. Аномальна щшьнють зсувних явищ е нас-лiдком дiï багатьох факторiв: сучасно1 тектошч-но1 активностi, техногенного впливу, особливо-стей геологiчноï, геоморфологiчноï будови, пд-рогеологiчних та ландшафтних умов, ктмату. За даними державного мошторингу екзогенних процесiв, загальна кiлькiсть зсувних явищ скла-дае 144 тшьки у межах м. Днiпро.
Вщомо, що етапи активiзацiï зсувних явищ рiзного типу та механiзму вщповщають фазам сонячноï активностi. Причинами вщпов> дностi мiж цими явищами можуть бути змши напружено-деформованого стану порщ масиву внаслiдок впливу варiацiй магнггного поля на рiвневий режим вод, киматичш та атмосфернi явища. Пошук зв'язкiв мiж активiзацiею зсувних явищ та штенсивнютю сонячно!' активносп з метою дослiдження результатiв мошторингу небезпечних геолопчних явищ у межах Дншро-петровсько1' областi за сорокарiчний перiод е ключовою ланкою даного дослщження.
Оптимальний шлях виявлення ознак зсу-вiв - використання супутниково!' або радарно1' зйомки. Загальноприйнятою практикою вважа-еться саме радарна зйомка (Fan J. R., 2017), (Booth A. M., 2009), (Skibicki J. D., 2017). Але, окрiм переваг для виявлення НГП радарна зйомка територп потребуе досить значних фшансо-вих затрат. Тому, враховуючи iснуючий досвiд використання даних дистанцшного зондування з подiбною метою (Duric D., 2017), (Pour A. B., 2017), (Wasowski J., 2017), автори статп вважа-ють доцiльним використання саме мультиспек-трально1' зйомки для виявлення зсувiв. Зважаю-чи на найвищу частоту (до одно!' поди за сезон) та найменшi масштаби прояву зсувних процесiв (до 100 м2), для виконання подiбного завдання можна використовувати супутниковi знiмки з роздшьною здатнiстю до 30 м та частотою зйомки 1 - 2 рази на мюяць. З усього рiзноманiття доступних супутникових даних за вказаними критерiями найбшьш вiдповiднi знiмки серiï ра-дiометрiв Landsat. У вiдповiдностi з визначе-ною актуальнiстю проблеми метою ще1' роботи було визначення зв'язку мiж пiками сонячно!' активностi та активiзацiею НГП на територiï Днiпропетровськоï областг Огляд публiкацiй. У працi (Filipovich V., 2014) наведено результати мошторингу зсувних про-цесiв на територи м. Кшв, отриманi на пiдставi дешифрування космiчних знiмкiв, показано мо-
жливiсть виявлення зон i3 пщвищеним темпера-турним фоном. У публшацп (Frodella W., 2017) описано результати вивчення динамши локального зсувного явища на тдсташ тривалого мошторингу мюько! територи та аналiзу космiчних знiмкiв. Нинi набули активного розвитку методи використання результата дешифрування бага-тозональних зшмюв для створення карт поши-рення зсувiв (Guzzetti F. et al., 2012). Основою подiбних методiв стали бази даних системи LIDAR. Також цi даш використовували для роз-робки алгоритму прогнозу зсувних явищ ймовь рнюними методами (Gaidzika K. et al., 2017). У той же час у дослщженнях (Rosi, A. and others, 2017) продемонстровано можливостi штерпре-тацп супутникових даних SAR за допомогою методу постшно! штерферометри розсдавання (PSI), виконано частотний аналiз, видшено зсуви рiзного типу.
Вiдомi дослiдження, в яких розглядаеться можливють використання картографiчних моделей активно! i пасивно! вологостi грунту (SMAP), глобального супутникового картогра-фування продукта осадження (GSMaP) i глобального поверхневого стоку для моделювання опадiв i стоку i оцiнки ризику повеней (Ziyue Zeng and others, 2017). У робот (Donnini M., 2017) показана технологiя прогнозу зсувних явищ на основi статистичних ощнок ураженостi територiй, зайнятих дорогами i зсувними явищами. Останнiм часом розвиваеться напрямок прогнозуванням регюнальних систем, що зв'я-зуе поширенiсть типових регюнальних титв зсувiв, транспортнi мережi в умовах змiни кль мату (Klose M., 2017). На фош методiв дешиф-руванням та картування зсувiв вже розробля-ються прогностичш методи. Наприклад, у робот (Tom R. Robinson et al., 2017) описують досвiд прогнозу сейсмогравггацшними зсувних явищ на основi застосування апарату нечетко! логiки. Китайським дослщникам (Shengwen Qi et al., 2010) вдалося пов'язати ураженють зсувними сейсмогравггацшними явищами з активними розломними порушеннями. Досвщ створення едино! бази даних про зв'язок мГж сейсмiчними i зсувними явищами висвiтлений у публ^аци (T-(Tanya§, H. et al., 2017).
Матерiали i методи дослщження. В робой ви-користано результати мошторингу зсувних про-цесiв за 1983 - 2017 рр. шдприемством КП «ni-вденУкргеолопя», а також зшмки Landsat 4 - 7.
№ршГ данi про компоненти шженерно-геологiчних умов регiону дослiджень датуються 1925 роком. У 1937 рощ виконано перший опис зсувних явищ. Зв'язок зсувних, просадних явищ був предметом дослщжень, причиною зсувГв вважали зволоження лесових грунта по контак-
ту 3i строкатими або червоно-бурими глинами. Iнженерно-геологiчна зйомка 1964 р. (масштаб 1 : 50000) була першим систематичним досл> дженням небезпечних геолопчних процешв, зо-крема, ерозшних та зсувних. Велика кшьюсть точок спостереження дае можливiсть виявити закономiрностi формування ерозiйних i гравгга-цiйних процесiв м. Днiпро i його околиць у пе-рюд вiдносно слабко! iнтенсивностi техноген-них впливiв. Зсувнi явища включали циркопод> бнi, ложкоподiбнi i фронтальнi блоково-ступiнчастi зсуви в межах басейшв великих еро-зiйних систем. У 1975 - 1978 роках було вико-10 -
т-
£ 'Ü2
0
Lb
нано значний обсяг робiт i3 оцiнювання активносп розвитку небезпечних i несприятливих геолопчних процешв у межах м. Дншропет-ровськ та Днiпропетровськоï обласп у зв'язку з великими аварiями. При цьому 21 % вщ загаль-ного числа зсувних явищ був пов'язаний з при-родними причинами, а 79 % - i з техногенними.
З урахуванням наявного ресурсу зшмюв в архiвах GLOVIS сформовано вибiрку знiмкiв за 1988 - 2011 роки. На жаль, достатньо пред-ставницьку базу зшмюв сформувати не вдалося, оскшьки перiод 1991 - 1999 та окремi роки (Рис. 1) в офщшних архiвах NASA вiдсутнi.
П
OÎO сЛ
N4'
& f4 f
Роки
Рис. 1. Кшьюсний склад бази зтмкш Landsat 4, 5 та 7 на задану територiю
счЬ ois А
ч0
Як було визначено рашше, найбiльш не-безпечний перюд активiзацiï зсувiв - це теплий сезон року, а отже, до вибiрки зшмюв увiйшли •ri, що охоплюють перiод iз квiтня по жовтень. Особлива увага придшялася мiсяцям, що нале-жить до так званого нелiмiтуючого сезону - це квггень - липень для степових райошв Украïни. Передбачаеться, що за цей час вщбуваеться се-зонне збiльшення стоку поверхневих водних 10 -
об'екпв за рахунок опадiв (переважно зливового характеру) i, вщповщно, посилюеться живлення пiдземних вод. У_свою чергу, цi процеси повин-нi спровокувати критичне обводнення схилiв яружно-балковоï мережi i виникнення НГП.
Слщ зазначити, що знiмки низько1' якостi (хмарнiсть вище 30%) вщкидалися i в остаточному варiантi база супутникових знiмкiв мала такий кшьюсний склад (Рис. 2):
3 6
к
S 4 н 4
IZZI
12 3 4
Рис. 2. Кшьюсть знiмкiв по мiсяцях (з 1988 по 2011 р.)
6 7 М1сящ
10
11
IZZ
12
8
6
5
8
9
Усi знiмки пройшли стандартну процедуру обробки: калiбрування i корегування впливу атмосфери. Оскшьки завданням анатзу супутникових зшмюв було виявлення змши типу по-верхнi, значення цифрових одиниць (Digital Number - DN) конвертувались у безрозмiрнi значення коефщента вщображення. Всi перел> чеш операцiï виконувались за допомогою стан-
дартних iнструментiв програмного комплексу ENVI. Всього в аналiзi було задiяно 24 знiмки радiометрiв Landsat.
З метою полегшення пошуку ознак зсувiв за мультиспектральними знiмками попереднiй аналiз проводили по точно визначених мюцях iз зсувами (Рис. 3).
Розподш мiсць i3 зафiксованими зсувами приблизно рiвномiрний та переважно охоплюе частини примiських та мюьких територiй вздовж правобережно! частини р. Дншро. Под> бш умови ускладнюють аналiз стану поверхнi вiзуальним способом. Пропонуеться визначати наявнiсть змш шляхом розрахунку нормалiзова-них показниюв спiльно з аналiзом спектральних кривих. Спектральний аналiз - необхiдний захщ оскiльки змiна форми спектрально! криво! е прямим свщченням змiни типу поверхш. Спещ-ально для здшснення цього етапу дослiдження сформовано спектральну бiблiотеку типiв пове-рхонь. Зважаючи на роздiльну здатнiсть знiмкiв Landsat, для кожного спектра поверхнi були ро-зрахованi допустимi похибки значень. Практич-ним шляхом було визначено, що оптимальне значення вiдхилення становить 1,5 а. Отримаш значення спектрiв були протестовав на якiсть дешифрування вщповщних типiв поверхонь.
Серед усього рiзноманiття нормалiзова-них iндексiв найбiльш оптимальними для вико-нання поставлених завдань обрано шдекс сту-пеня забудови (Normalized Difference Build-Up Index - NDBI) та вегетацшний шдекс (Normalized Difference Vegetation Index - NDVI).
Нормалiзований шдекс забудови розрахо-вуеться за рiвнянням
NDBI =
(SWIR-NIR) (SWIR+NIR) '
(1)
де SWIR - короткохвильовий iнфрачервоний спектр (1,55 - 1,75 мкм); NIR - ближнш шфра-червоний спектр (0,76 - 0,9 мкм).
Нормалiзований вегетацшний шдекс роз-раховуеться за рiвнянням
NDVI =
(NIR-RED) (NIR+RED)
(2)
де NIR - ближнш шфрачервоний спектр (0,76 -0,9 мкм); RED - видимий червоний спектр (0,6 -0,7 мкм)
Крайш значення обох шдекив вардають вщ «-1» до «+1». Чим бiльший iндекс, тим щiльна забудова та тим щшьшшою е рослинний покрив. Значення «0» для NDBI та «0,2» для NDVI означають вщсутшсть ознак забудови та рослинносп, вiдповiдно. Вщ'емш значення для NDBI свiдчать про наявнють природного пок-риву, для NDVI - наявнють води або сшгу (Measuring Vegetation (NDVI & EVI) Normalized Difference Vegetation Index (NDVI), n.d.).
Для полшшення статистично! обробки значення вищезгаданих iндексiв були вдабраш по точках зафiксованих зсувiв (рис. 3) та наве-деш у табличнiй формi. Для цього використано стандартш iнструменти просторово! статистики геошформащно! системи Quantum GIS. Yd по-дальшi манiпуляцi!' з даними виконувались у середовищi MS Excel.
Динамiчнi показники iндексiв iнтерпрету-валася наступним чином:
• Зсув вщбуваеться повшьно (впродовж декiлькох мiсяцiв або роюв). Порушення рос-линного покриву також повшьне i проявляеться через зниження життевих показникiв. Багаторi-чна динамша NDVI мае характер тенденцп на зниження замiсть циклу. 1ндекс забудови також мае характер тенденци та поступово пiдвищу-еться.
• Зсув вщбуваеться раптово. Прирют NDBI мiж строками буде мати характер позитивного екстремуму, NDVI за той же строк - негативного екстремуму. Обидва показники будуть повертатись до попередшх значень упродовж декшькох рокiв.
• Значення обох шдекшв не спiввiдно-сяться (дуже слабка або вщсутня кореляцiя) мiж
собою. Динамiчнi показники iндексiв не мають конкретно!' тенденци або циклiчностi. Така си-туащя, скорiш за все, буде властива для мюьких територiй. Через висою ступiнь забудови та не-достатньо високу роздшьну здатнiсть сенсора формуеться «шум», який суттево знижуе мож-ливiсть дiагностування зсувiв та стану поверхш загалом.
• Значення шдекив занадто високi або за-надто низью. Це може бути пов'язано з яюстю знiмкiв. Не зважаючи на те, що бракування зш-мюв вiдбувалося за хмарностi понад 30 %, окремi хмари могли знаходитись у райош досл> джувано1' територiï та безпосередньо впливати на показники вщображення. До того ж, у райош дослщження розташовано багато пщприемств, викиди яких формують «димову завюу», що також впливае на яюсть знiмкiв в окремих мюцях.
Звщси можна зробити висновок про тен-денцiйний характер змш NDBI та бiльш-менш циклiчний характер змш NDVI. При цьому ная-внють циклiчностi за NDBI штерпретувалась як зсуви повiльного розвитку.
Статистичний зв'язок мiж нормалiзова-ними шдексами встановлювали за допомогою коефiцiента кореляци. Для виявлення тенден-цiйних або циктчних змiн було застосовано ко-ефiцiент автокореляцiï та аналiз корелограм. Ki-лькiсть лагiв автокореляцiï визначали через сшввщношення n/4, де n - об'ем вибiрки. 1нтер-претащя значень автокореляцiï була такою: як-що r < 0,2 - тенденщя/циктчнють вiдсутня або внутрiшньорядний зв'язок не лшшний; 0,2 < r < 0,35 - значення автокореляци першого порядку бшыпе шж другого або третього порядку (г/ > г2
Spectral Profile
0.20
> r3), то наявнi тенденцiйнi змши, в протилеж-ному випадку - мають мюце циклiчнi змiни; 0,35 < r < 0,7 - внутршньорядний зв'язок сере-дньо! тюноти, характер динамiки визначаеться таким же способом, як i в попередньому випадку. Знак автокореляци не враховували. Перюд повторення циклу визначали за номером найбь льшого лага.
На жаль, застосування спектрального ана-лiзу в даному випадку не доцшьне, оскшьки ряди даних не повш. Також не виключено, що по деяких вибiрках буде наявний тренд, що, у свою чергу, негативно впливае на результати спектрального аналiзу.
Результати та Тх aHani3. За результатами аналь зу багаторiчноl динамiки показникiв стану поверхш встановлено таю положення.
Для проведення спектрального аналiзу те-риторiя дослiдження була розбита на двi части-ни: мiську та примюьку (з низьким рiвнем забудови). Таким чином визначався вплив рiзнотип-но! територ^' на стабiльнiсть ознак зсувiв за iн-дексами NDBI та NDVI.
Установлено, що мають мюце два основш сценарп розвитку подш: тенденцiйний та циклi-чний. Тенденцшний характер динамiки здебi-льшого було виявлено по точках, розташованих в межах мюьких територш (№ 9 - 21 та № 58 -90), циктчний характер динамши переважае по точках на примюькш територи (№ 1 - 8 та № 24 - 57). Як приклад на Рис. 4 показано змшу спек-тральних профшв поверхонь поблизу точок №42 (Рис. 4 а) та № 49 (Рис. 4 б) за перюд з 1989 по 2011 рк .
Spectral Profile
0.15 0.10 0.0S
0.5 1.0 1.5 2.0 0.5 1.0 1.5 2.0
Wavelength (um) Wavelength (um)
--1988 1989 - 2002 2011
а б
Рис. 4. Динамжа коефщента вщображення по точках № 42 (а) та № 49 (б)
По точщ № 42 (окраша м. Дншро) вщмь чаеться повна замша типу покриття з рослинно-го (1988 та 1989 рр.) на асфальтоване (2011 р.). У цьому випадку можна зробити припущення, що зсув вщбувся у 1988 рощ i тсля шженерних заходiв (наприклад, зi стабшзацп схилових процеав) ця дшянка була заасфальтована, при-
близно, на початку 2000-х роюв. Отож змши тут однонаправленими тобто тенденцшними.
По точщ № 49 (схил балки на окраш м. Дншро) прослщковуеться цикл вщновлення ро-слинного покриву з 1988 по 2011 рш. Як видно на протязi 1988-89 роюв вщбувалася деградащя рослинного покриву. У 1989 рощ вже переважае сухостш. Спектральний профшь за 2002 рш вка-
зуе на наявнють дуже бщно! рослинностi з пере-важанням грунтового покриву, що можна трак-тувати як початок природного вщновлення те-риторiï пiсля зсуву. У 2011 рощ вщбулося повне вщновлення рослинного покриву - спектраль-ний профшь мае таку саму форму (з незначним вщхиленням по ближньому шфрачервоному спектру), як i у 1988 роцi
Аналiз динамши спектральних показникiв поверхнi продемонстрував, що найбшьш штен-сивно змiнювана поверхня в мюцях прояву НГП - це рослинно-грунтовий покрив. Отже, вибiр iндексiв NDVI та NDBI як дiагностичних ознак зсувiв виправданий.
На наступному етат було проведено ко-реляцiйний аналiз вибiрок, основнi результата якого свщчать про таке. Динамша середнiх ба-
гаторiчних значень NDVI та NDBI (Рис. 5) мае характер тенденцп (ri > r2) з незначними про-явами перюдичност (r3 > r2), яка припадае на кшець лiтнього сезону. Значення автокореляци першого лага складае 0,21, що також вказуе на нелiнiйнiсть установленого зв'язку. Корелящя мiж iндексами обернена та тюна (rNDBI/NDVI = -0,66). Тобто на мюцях активних зсувiв рослин-нiсть деградуе, а пiсля зсуву вщновлюеться. По-ступове зниження та збшьшення показникiв -нормальна внутршньосезонна флуктуацiя. При цьому помiтний взаемопротилежний характер трендiв обох iндексiв: NDVI - зростаючий; NDBI - низхщний. Рослинний покрив на тери-торiях з зсувами поступово вiдновлюеться, що дозволяе зробити висновок про зниження акти-вносп НГП в межах дослiджуваноï територiï.
■NDBI
NDVI
fr
0,00 -0,05 -0,10 -0,15 ^ -0,20 -0,25 -0,30
-0,35 -
05 05 05 05 05 05 06 06 06 06 06 06 0707^7 07 07 07 07 08 08 08 08 08 08 08 08
Рис. 5. Динамжа осереднених значень шдекав NDBI та NDVI
0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00
Наведений тип динамши е характерним для бшьшосп точок. Окремо слщ вщзначити динамшу нормалiзованих шдекшв по точках №
25 - 57. В якосп прикладу на рис.6 наведено динамшу нормалiзованих iндексiв по точщ № 53 за перiод 1988 - 2011роюв.
1,00 0,80 0,60 V0,40
NDVI
NDBI
B
0,20 0,00 -0,20 -0,40
-0,60
0 0 0
2 0 0
70 01 0000 2222
26 00
2222221.....
555555666666
00 Ol
01 Ol
о m ш ai 0000 0000 2222
8 8
Ol
23 00
(N (N (N (N (N (N (N 88888888
Дата
Рис. 6. Багаторiчна динамжа NDVI та NDBI по точщ № 53
Як i на вищенаведеному графшу, для зазначених точок властивi сери шюв NDBI та взаемопротилежних прогишв NDVI, якi припадають на травень та серпень. По роках -це 1988, 2001 та 2007-й. Bei, ^м останнього року, належать до роюв i3 максимальною сонячною активнютю. Отже, мае мiсце часткове пщтвердження гiпотези про активiзацiю НГП тд час найвищо! сонячно! активно. Оскшьки з'ясовано, що найчастiше зсуви спостерпаються за перiоди травень - червень та серпень, по вшх без вийнятку точках повинна бути схожа динамша та вщповщш статистичш показники.
Для цього виконано nepeBipKy однорщносп дисперсiй та середшх значень екстремушв нормалiзованих шдекив. I справдi вибiрки eKCTpeMyMiB нормалiзованих iндексiв за травень - червень та серпень мають практично однакову дисперсда та сepeднi значення (таблиця).
На piвнi значyщостi а = 0,05 гшотеза про одноpiднiсть вибipок було пiдтвepджeно: t < tкритичне ; F < F^ummrn- Таким чином, можна стверджувати, що зсуви активiзyються саме весною, на початку лгга та в кшщ лiтнього сезону.
Таблиця. Оцiнки параме^в eкстpeмyмiв ноpмалiзованих iндeксiв NDBI та NDVI
Показник NDBImax NDVImax
Середне значення 0,083 0,097
О 0,067 0,070
D 0,0045 0,0049
t-статистика 1,03
t критичне 1,67
F 1,21
F критичне 1,93
Коpeляцiйна залeжнiсть мiж показниками у 80 % (70 точок) щшьна та обернена (Рис. 7). Решта характеризусться середньою та слабкою залeжнiстю. За кpитepieм Стьюдента встановлено, що лише в шести випадках
коефщент кореляци незначущий. Biзуальний аналiз знiмкiв виявив, що на значення нормалiзованих шдекшв у цих точках суттево вплинули фактори щшьно! забудови, npoMHC.TOBi викиди та наявшеть хмар.
[-0,88,-0,791 (-0,79,-0,71] (-0,71,-0,62] (-0,62, -0,54] (-0,54,-0,45] (-0,45, -0,37]
rndei/novi
Рис. 7. Ранжоваш значення коефшкнта кореляци м1ж NDBI та NDVI
Так само, як i для аналiзy спектральних профшв, пpоаналiзовано коpeляцiйнy залeжнiсть мiж шдексами в межах мюько! та мiжмiськоl (яружно-балково! мepeжi) тepитоpiй. Отpиманi результати практично шдентичш, з незначною перевагою показниюв на мiжмiських тepитоpiях (rcp = 0,75 проти rcp = 0,65). Визначеш коpeляцiйнi залeжностi е статистично занчущими на piвнi значущосп 0,05 та стeпeнi вiльностi - 25. Вщповщно до цього зроблено
припущення про достатню надiйнiсть обраних критерпв для виявлення та картування зсyвiв на тepитоpiях iз piзним piвнeм ypбанiзованостi.
За результами автокореляцшного аналiзy визначено, що по 19 точках спостерпаються тeндeнцiйнi змiни, а по 32 - циктчш. Решта (39 точок) мають слабкий внутршньорядний зв'язок, що може свщчити або про стабшзащю схилових пpоцeсiв, або про нелшшний вплив неврахованих фактоpiв.
На останньому етат цього дослщження були розраховаш штервали значень нормалiзованих шдекив для виявлення та картування зсувiв. Для цього
використовувались лише вибiрки iз сильним кореляцiйним та внутршньорядним зв'язком. З'ясувалося, що у 45 % випадюв значення нормалiзованих iндексiв перебувають у дiапазонах: NDBI - (0,08; 0,11) та NDVI - (0,13; 0,16). Слщ зауважити, що вказанi дiапазони iндексiв придатнi для дiагностування зсувiв за наявностi як мiнiмум пари рiзночасових знiмкiв. Для дiагностування зсувiв за одним знiмком необхiдне проведення додаткових дослщжень, спрямованих на аналiз просторово1' динамiки параметрiв цього явища.
Висновок та рекомендацн. За результатами виконаного дослщження сформовано таю ви-сновки.
• На територи дослщження багаторiчна динамка зсувних процесiв набувае характеру тенденци. З огляду на вщ'емний лшшний при-рiст NDBI та позитивний - NDVI можна ствер-джувати про затухання активностi НГП в межах дослщжувано1' територiï.
• Використання нормалiзованих iндексiв NDBI та NDVI як дiагностичних ознак зсувiв виправдане. За використання супутникових зш-мкiв Landsat найбiльшоï точностi аналiзу дина-мiки мiж iндексами можна досягти на територ> ях iз мiнiмальним господарським освоенням або ступенем забудови.
• Близько 36 % випадюв зсувiв характери-зуються циклiчною динамiкою, тобто активiзу-ються з перiодичнiстю, що збпаеться з максимальною сонячною активнютю. У 21 % випадюв виявлено тенденцшний розвиток, а саме, спостерпаеться вiдновлення рослинного покриву на мющ зсуву. По 43 % точках динамки не виявлено, що поясню-еться або впливом стороншх неврахованих фак-торiв, або виникненням зсуву в перюд, що не охоплюеться базою зшмюв Landsat.
• Установлено, що оптимальними значен-нями нормалiзованих iндексiв для дiагносту-вання зсувiв е NDBI - (0,08; 0,11) та NDVI -(0,13; 0,16).
Бiблiографiчш посилання
Booth A. M., Roering J. J., Perron J. J. (2009) Automated landslide mapping using spectral analysis and high-resolution topographic data: Puget Sound lowlands, Washington, and Portland Hills, Oregon. Geomorphology 109:132 - 147.
doi: 10.1016/j. geomorph.2009.02.027
Donnini, M., Napolitano, E., Salvati, P. et al. Impact of event landslides on road networks:a statistical analysis of two Italian case studies. Landslides (2017) 14: 1521.
https://doi.org/10.1007/s10346-017-0829-4 Duric, D., Mladenovic, A., Pesic-Georgiadis, M., Marjanovic, M., & Abolmasov, B. (2017). Using multiresolution and multitemporal satellite data for post-disaster landslide inventory in the Republic of Serbia. Landslides, 14(4), 1467 - 1482. doi:10.1007/s10346-017-0847-2
Fan, J. R., Zhang, X. Y., Su, F. H., Ge, Y. G., Tarolli, P., Yang, Z. Y., . . . Zeng, Z. (2017). Geometrical feature analysis and disaster assessment of the Xinmo landslide based on remote sensing data (vol 14,pg 1677, 2017). Journal of Mountain Science, 14(10), 2136 - 2136. doi: 10.1007/s11629-017-4497-6 Guzzetti F., Cesare Mondini A., Cardinali M., Fiorucci F., Santangelo M., Chang K.-T. Earth-Science Reviews. Volume 112, Issues 1-2, April 2012, Pages 42 - 66
Filipovich V., Mychak A., Krylova A. Use satellite data in monitoring ecological condition of urban landscape. 14th International Multidisciplinary Scientific GeoConference SGEM 2014. Albena, Bulgaria, Informatics, Geoinformatics and Remote Sensing, Section Cartography and Gis.// Conference Proceedings, 2014. — Vol. III, —P. 1061 - 1068, D0I:10.5593/sgem2014B23 Frodella, W., Ciampalini, A., Bardi, F. et al. Landslides (2017). https://doi.org/10.1007/s10346-017-0875-y
Klose M., Auerbach M., Herrmann C., Kumerics C., Gratzki A. (2017) Landslide Hazards and Climate Change Adaptation of Transport Infrastructures in Germany. In: Sassa K., Mikos M., Yin Y. (eds) Advancing Culture of Living with Landslides. WLF 2017. Springer, Cham Gaidzika K., Teresa Ramirez-Herrera M., Bunn M., Leshchinsky B. A., Measuring Vegetation (NDVI & EVI) Normalized Difference Vegetation Index (NDVI). (6.g.). no^yneHO H3 Nasa. Earth Observatory: https:// earthobservatory. nasa. gov/Features/Measuring Vegetation/measuring_vegetation_2.php Olsenb M. and Regmi N. R. Landslide manual and automated inventories, and susceptibility mapping using LIDAR in the forested mountains of Guerrero, Mexico. GEOMATICS, NATURAL HAZARDS AND RISK, 2017 http://dx.doi.org/10.1080/19475705.2017.12925 60
Pour, A. B., & Hashim, M. (2017). Application of Landsat-8 and ALOS-2 data for structural and landslide hazard mapping in Kelantan, Malaysia. Natural Hazards and Earth System Sciences, 17(7), 1285 - 1303. doi:10.5194/nhess-17-1285-2017 Rosi, A., Tofani, V., Tanteri, L. et al. Landslides (2017). https://doi.org/10.1007/s10346-017-0861-4
Shengwen Qi, Qian Xu, Hengxing Lan, Bing Zhang, Jianyou Liu. Spatial distribution analysis of landslides triggered by 2008.5.12 Wenchuan Earthquake, China. Engineering Geology Volume 116, Issues 1-2, 27 October 2010, P. 95 -108.
https://doi.org/10.1016Zj.enggeo.2010.07.011 Skibicki, J. D. (2017). The issue of uncertainty of visual measurement techniques for long distance measurements based on the example of applying electric traction elements in diagnostics and monitoring. Measurement, 113, 10 - 21. doi: 10.1016/j.measurement.2017.08.033 Tanya§, H., van Westen, C. J., Allstadt, K. E., Anna Nowicki Jessee, M., Gorum, T., Jibson, R. W., ... Hovius, N. (2017). Presentation and analysis of a worldwide database of earthquake-induced landslide inventories. Journal of Geophysical Research: Earth Surface, 122. https://doi.org/10.1002/2017JF004236
Tom R. Robinson, Nicholas J. Rosser, Alexander L. Densmore, Jack G. Williams, Mark E. Kincey, Jessica Benjamin, and Heather J. A. Bell. Rapid post-earthquake modelling of coseismic landslide intensity and distribution for emergency response decision support. Nat. Hazards Earth Syst. Sci., 17, 1521-1540, 2017 https://doi.org/10.5194/nhess-17-1521-2017 Wasowski, J., Bovenga, F., Nutricato, R., Nitti, D. O., & Chiaradia, M. T. (2017). High resolution satellite multi-temporal interferometry for monitoring infrastructure instability hazards. Innovative Infrastructure Solutions, 2(1), 9. doi:10.1007/s41062-017-0077-4 Zeng Z., Tang G., Hong Y., Zeng C. & Yang Y. (2017). Development of an NRCS curve number global dataset ussing the latest geospatial remote sensing data for worldwide hydrologic applications, Remote Sensing Letters, 8:6, 528-536, DOI: 10.1080/2150704X.2017.1297544
