CC BY
29
УДК 528.88: 699.81: 574.23
DOI: 10.33764/2618-981Х-2020-4-1-12-20
ИСПОЛЬЗОВАНИЕ МНОГОЗОНАЛЬНЫХ КОСМИЧЕСКИХ ИЗОБРАЖЕНИЙ И ГИС-ТЕХНОЛОГИЙ ДЛЯ АНАЛИЗА ЛЕСОПИРОЛОГИЧЕСКОЙ ОБСТАНОВКИ ВДОЛЬ ТРАСС ТРУБОПРОВОДНЫХ СИСТЕМ
Даниил Валентинович Долгополов
АО «СпейсИнфо Геоматикс», 127490, Россия, г. Москва, ул. Декабристов, владение 51, кандидат технических наук, технический директор, тел. (905)714-13-77, e-mail: [email protected]
Вячеслав Анатольевич Мелкий
Институт морской геологии и геофизики Дальневосточного отделения Российской академии наук, 693022, Россия, г. Южно-Сахалинск, ул. Науки, 1Б, доктор технических наук, ведущий научный сотрудник лаборатории вулканологии и вулканоопасности, e-mail: [email protected]
Алексей Александрович Верхотуров
Институт морской геологии и геофизики Дальневосточного отделения Российской академии наук, Россия, 693022, г. Южно-Сахалинск, ул. Науки, 1Б, кандидат технических наук, старший научный сотрудник Центра коллективного пользования, e-mail: [email protected]
В настоящей работе рассматриваются возможности использования многозональных космических снимков и средств автоматизированной обработки материалов дистанционного зондирования Земли для решения задач информационного обеспечения эксплуатации трубопроводных систем в условиях пожарной опасности.
Продемонстрирована возможность классификации типов растительного покрова по спутниковым изображениям Sentinel-2А с учетом данных выборочного наземного обследования, а также оценки лесопирологической обстановки вдоль трасс трубопроводов.
Представлена методика использования многоспектральных космических снимков для анализа лесопирологической обстановки. На примере лесных массивов на севере Сахалина с использованием спутниковых изображений TERRA, показана возможность мониторинга растительного покрова на участках леса в местах прокладки трубопроводов. Предложенный и апробированный подход может быть использован для анализа состояния лесов в районах с развитой трубопроводной сетью.
Приведены комбинации каналов Landsat 8 (ETM+) и Sentinel-2 (MSI S2A) наилучшим образом позволяющие выявлять и осуществлять наблюдение за пожарами, а также пример реализации системы мониторинга лесных пожаров на базе ГИС.
Ключевые слова: многозональные космические снимки, ГИС-технологии, трубопроводная система, дистанционное зондирование Земли, спектральные характеристики, мониторинг, лесопирологическая обстановка.
POSSIBILITIES OF USING MULTI-ZONE SATELLITE IMAGES AND GIS TECHNOLOGIES FOR MONITORING PIPELINE SYSTEMS
Daniil V. Dolgopolov
JSC SpaceInfo Geomatics, 51, Dekabristov St., Moscow, 127490, Russia, Ph. D., Technical Director, phone: (905)714-13-77, e-mail: [email protected]
Vyacheslav A. Melkiy
Institute of Marine Geology and Geophysics of the Far Eastern branch of the Russian Academy of Sciences, 1B, Nauki St., Yuzhno-Sakhalinsk, 693022, Russia, D. Sc., Leading Researcher, Laboratory of Volcanology and Volcanic Hazards, e-mail: [email protected]
Alexey A. Verkhoturov
Institute of Marine Geology and Geophysics of the Far Eastern branch of the Russian Academy of Sciences, 1B, Nauki St., Yuzhno-Sakhalinsk, 693022, Russia, Ph. D., Senior Researcher, Center of Collective Use, e-mail: [email protected]
In this paper, we consider the possibility of using multi-zone satellite images and automated processing of Earth remote sensing materials for solving problems of information support of the operation of pipeline systems in fire hazard conditions.
The possibility of classifying vegetation types based on Sentinel-2A satellite images, taking into account data from selective ground inspection, as well as assessment of the forest-ecological situation along pipeline routes is demonstrated.
The method of using multispectral satellite images for analyzing the forest fire situation was presented. On the example woodlands of the North Sakhalin by TERRA satellite images it was shown that vegetation cover can be monitored in forest areas where pipelines are laid. The proposed and tested approach can be used for analysis of conditions in forests with a developed pipeline network.
The combinations of Landsat 8 (ETM+) and Sentinel-2 (MSI S2A) channels that best allow detecting and monitoring fires are shown, as well as example of implementing by GIS-based forest fire monitoring system.
Key words: multi-zone satellite images, GIS technologies, pipeline system, remote sensing of the Earth, spectral characteristics, monitoring, forest fire situation.
Введение
Оперативное реагирование при борьбе с лесными пожарами невозможно без осуществления мониторинга лесопирологической обстановки на контролируемых территориях, через которые проходят магистральные трубопроводы. Значительных успехов в этом направлении можно добиться при использовании данных дистанционного зондирования Земли. Информация, получаемая из космоса, позволяет синхронно отслеживать возгорания на обширных территориях; контролировать ситуацию в труднодоступных регионах; прослеживать динамику развития лесных пожаров.
Мониторинг лесопирологической обстановки требует системного подхода к сбору, хранению, анализу информации, обеспечивающего представление о ситуации на пожароопасных участках трассы и позволяющего прогнозировать развитие ситуации. Всем этим требованиям может удовлетворять геоинформационная система с функцией мониторинга пожарной обстановки. Такая система должна иметь хорошо организованную базу пространственных данных, открытую для оперативного пополнения свежими данными дистанционного зондирования Земли (ДЗЗ) и организованный доступ к ним для служб и подразделений, ответственных за безопасную эксплуатацию объектов магистральных трубопроводов. Помимо этого, важно иметь апробированные методы автоматизированной обработки материалов ДЗЗ, для оперативной обработки материалов съемки на протяженных территориях.
Методы и материалы
В работе были использованы следующие методы автоматизированной обработки материалов ДЗЗ:
1) метод классификации растительного покрова с использованием вегетационного индекса NDVI и снимков, полученных мультиспектральным сканером MSI S2A (спутник Sentinel-2A);
2) метод классификации с помощью спектрального анализа для детектирования действующих очагов горения по гиперспектральным данным TERRA (MODIS);
3) метод комбинирования данных, полученных в разных спектральных каналах, для получения псевдоцветного изображения и визуального мониторинга лесопирологической обстановки. Метод был апробирован с использованием данных Landsat 8 (ETM+) и Sentinel-2A (MSI S2A).
Характеристики космических изображений, использованных в настоящем исследовании, приведены в таблице.
Получение сведений о составе лесных массивов с использованием многозональных космических изображений
Прежде всего, следует отметить, что для ГИС, с помощью которой планируется осуществлять мониторинг лесопирологической обстановки, крайне важна информация о породном составе древостоев, так как горимость лесов находится в прямой зависимости от типологического состава [2].
Для получения новых сведений о составе лесных массивов целесообразно использовать данные многозональной космической съемки среднего пространственного разрешения, такие как данные Sentinel-2A или Landsat 8.
Древесный растительный покров хорошо выделяется на многозональных изображениях большинства космических систем. Наиболее информативны для дешифрирования растительного покрова спектрозональные космические снимки, выполненные в зонах спектра 660-720 или 600-700 нм с пространственным разрешением не менее 10-15 м. Используя индексные изображения, на основе данных нескольких зон электромагнитного спектра, можно выделять особенности состава древостоев, неразличимые на однозональном изображении.
Хорошие результаты оценки условий засушливости и, как следствие, пожа-роопасности лесов, по спутниковым данным в сезон вегетации получаются при использовании известного вегетационного индекса NDVI, разработанного в Национальном управлении океанических и атмосферных исследований (NOAA, США) Дж. Д. Тарпли, Ф. Н. Коганом с соавторами [3, 4]. При расчете индекса определяют отношение разницы отражения двух спектральных каналов, имеющих максимальную вариацию в поглощении и отражении радиации зеленой биомассой растительности, к их сумме. Для засушливых территорий значения NDVI достаточно хорошо отражают уровень водообеспеченности (с коэффициентами корреляции в диапазоне 0,7-0,9) [5-7].
Характеристики спектральных каналов TERRA (MODIS), Landsat 8 (ETM+), Sentinel-2A (MSI S2A) (по [1] с дополнениями)
TERRA (MODIS) Landsat 8 (ETM+) Sentinel-2A (MSI S2A)
Ка- Длина волны Разре- Ка- Длина волны Разре- Канал Центр. Разре-
нал X, нм шение, м нал X, нм шение, м X, нм шение, м
1 2 3 4 5 6 7 8 9
8 405-420 1000
9 438-448 500 1 430-450 30 B1 443 60
3 459-479 500 2 450-510 30
10 483-493 1000 B2 490 10
11 526-536 1000
12 546-556 1000 3 530-590 30
4 545-565 500 B3 560 10
1 620-670 250 4 630-670 30 B4 665 10
13 662-672 1000
14 673-683 1000
B5 705 20
15 743-753 1000 B6 740 20
B7 783 20
2 841-876 250 5 850-880 30 B8 842 10
16 862-877 1000 B8a 865 20
17 890-920 1000
18 931-941 1000 B9 940 60
19 915-965 1000
5 1230-1250 500
26 1360-1390 1000 9 1360-1380 30 B10 1373,5 60
6 1628-1652 500 6 1570-1650 30 B11 1610 20
7 2105-2155 500 7 2110-2290 30 B12 2202 20
20 3660-3840 1000
21 3929-3989 1000
22 3929-3989 1000
23 4020-4080 1000
24 4433-4498 1000
25 4482-4549 1000
27 6535-6895 1000
28 7175-7475 1000
29 8400-8700 1000
30 9580-9880 1000
31 10780-11280 1000 10 10600-11190 100
32 11770-12270 1000 11 11500-12510 100
33 13185-13485 1000
34 13485-13785 1000
35 13785-14085 1000
В процессе исследования были выделены лесные формации на территории прохождения трубопроводов на о. Сахалин по данным 8еп1ше1-2 с геодезической привязкой, радиометрической и геометрической коррекцией.
Пихтово-еловые леса хорошо выделяются при автоматизированном дешифрировании с использованием вегетационного индекса, особенно на зимних и весенних снимках [7]. Существенных отклонений значений индекса КОУ1 от модального значения на снимке не наблюдалось, что свидетельствует о благоприятной геоэкологической обстановке на исследуемой территории (рис. 1).
Рис. 1. Дешифрирование растительности разных типов территории Сахалина:
А - классифицированное изображение на основе вегетационного индекса КОУ1; Б - схема выделенных растительных формаций (по Сабирову и. др., 2019) [8]
Для изображений различных сообществ растительности были определены средние значения NDVI: в темнохвойных лесах на весенних снимках они составляют 0,49-0,62, а в каменноберезняках - 0,14-0,24.
Мониторинг лесопирологической обстановки с использованием материалов ДЗЗ, получаемых космической системой TERRA (MODIS)
Среди методик обнаружения и мониторинга пожаров с использованием материалов ДЗЗ стоит особо отметить методику классификации с помощью спектрального анализа по данным, получаемых системой TERRA (см. табл.1). Наличие большого перечня тепловых спектральных каналов и короткий период обновления информации позволяют использовать эти данные для эффективного мониторинга пожарной обстановки [9].
Методика обнаружения пожаров основана на сравнении температур (интен-сивностей входного сигнала, полученного радиометром MODIS) в двух спектральных каналах: 21 канал (3929-3989 нм) и 31 канал (10780-11280 нм). При этом считается, что чем выше температура пиксела в 21 канале, тем больше вероятность пожара. Соответственно, чем больше разность температур в каналах, тем больше вероятность пожара.
Рис. 2. Обнаружение лесных пожаров на севере о. Сахалин с использованием данных полученных радиометром MODIS космического аппарата TERRA (пространственное разрешение 250 м.)
Визуальные наблюдения за лесными пожарами с использованием метода комбинирования спектральных изображений и космических изображений среднего пространственного разрешения
Для визуального выявления лесных пожаров может использоваться метод комбинирования данных разных спектральных каналов и получения «псевдоцветного» изображения.
Наши исследования показывают, что при использовании данных Landsat 8 (ETM+) выявление лесных пожаров наиболее эффективно при использовании комбинации каналов: RGB - 7:5:4. (табл.1). В случае использования данных Sen-tinel-2 создают комбинацию каналов: RGB - B12, B8a, B4 (рис. 3). Комбинация этих каналов наилучшим образом позволяет выявлять и осуществлять наблюдение за пожарами.
Рис. 3. Наблюдение за пожаром на изображении в комбинации спектральных каналов B12, B8a, B4 с КА Sentinel-2.
Обработка спектральных космических изображений в ГИС
Большое число современных геоинформационных систем имеют в своем арсенале функционал необходимый для работы с многозональными космическими изображениями.
Например, для получения вегетационных (NDVI) и других индексов в QGIS можно использовать «калькулятор растров» - функциональный модуль, который позволяет, имея набор спектральных изображений, получить индексное изображение.
Для получения индексного изображения, достаточно знать какие спектральные изображения необходимо использовать и формулу для расчета. Так вегетационный индекс NDVI вычисляется по следующей формуле:
NDVI = (PNIR ~ PRED ), ^Pnir + Р RED '
где pnir - отражение в ближней инфракрасной области спектра, Pred - отражение в красной области спектра.
Пример реализации информационной системы мониторинга лесопирологической обстановки
Примером успешной реализации ГИС, с помощью которой осуществляется мониторинг лесопирологической ситуации, может служить Информационная системы дистанционного мониторинга лесных пожаров (ИСДМ-Рослесхоз) [10], созданная с использованием оптимизированной канадской прогнозной модели динамики природных пожаров Canadian Forest Fire Behavior Prediction System (CFFBPS) [11].
Система ИСДМ-Рослесхоз предоставляет пользователям доступ к большому набору дополнительной информации, необходимой для анализа пожарной ситуации, включая данные о текущих и прогнозных метеоусловиях с использованием web-интерфейса (рис. 4) [12].
Рис. 4. Фрагмент интерфейса информационной системы дистанционного мониторинга лесных пожаров (ИСДМ-Рослесхоз). Блок мониторинга пожарной опасности. Лесные пожары на территории Республики Бурятия 17 марта 2020 г.
Заключение
В настоящей работе продемонстрирована возможность классификации типов растительного покрова по спутниковым изображениям с использованием индекса NDVI и привлечением данных выборочного наземного обследования, а также оценки лесопирологической обстановки вдоль трасс трубопроводных систем, что способствует снижению рисков от пожарной опасности.
На примере анализа лесопирологической обстановки в лесных массивах с использованием многозональных спутниковых изображений TERRA, Landsat 8, и Sentinel 2А показаны возможности мониторинга пожарной опасности на участках леса в зонах прохождения трасс магистральных трубопроводов.
В качестве примера реализации ГИС, осуществляющей мониторинг за лесо-пирологической обстановкой с использованием материалов ДЗЗ, приводится информационная система дистанционного мониторинга лесных пожаров Росле-схоза, созданная с использованием оптимизированной канадской прогнозной модели динамики природных пожаров (CFFBPS).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Спутники и сенсоры // Сайт GIS-Lab [Электронный ресурс]. Доступно на: https://wiki.gis-lab.info/w/Сенсоры/MODIS (дата обращения 12.04.2020).
2. Мелкий В. А., Малинников В. А., Меньшиков К. С., Долгополов Д. В., Цареград-ский П. Ю., Черниговский Ю. М. Мониторинг лесопирологической обстановки по данным космических съемок // Интеграция фундаментальной науки и высшего образования по проблемам ускоренного воспроизводства, использования и модификации древесины: Материалы Международной научно-практической конференции (Воронеж, 13-16 июня 2000 г.): в 2-х т. -Воронеж, ВГЛТА, 2000. - Т. 2. - С. 23-27.
3. Tarpley J. D., Schneider S. R., Money R. L. Global vegetation indices from the NOAA-7 meteorological satellite // Journal of Climate and Applied Meteorology. - 1984. - No. 23(3). - 494 p.
4. Kogan F. N. Droughts of the late 1980s in the United States as derived from NOAA polarorbiting satellite data // Bulletin of the American Meteorology Society. - 1995. - No. 76 (5). - P. 655-668.
5. Kogan F. N. Application of vegetation index and brightness temperature for drought detection // Advances in Space Research. - 1995. - No. 15 (11). - P. 91-100.
6. Lui W. T., Kogan F. N. Monitoring regional drought using the vegetation condition index // International Journal of Remote Sensing. 1996. No. 17. P. 2761-2782. [Electronic resource]. Access point: https://www.researchgate.net/publication/248977064_Monitoring_regional_drought_us-ing_the_Vegetation_Conditi on_Index (reference's date 12.04.2020).
7. Дунаева Е. А., Плотников Д. Е., Хвостиков С. А., Ёлкина Е. С., Барботкина Е. С., Вечерков В. В., Барталев С. А. Использование данных дистанционного зондирования для ранней диагностики наступления засушливых условий // Таврический вестник аграрной науки. - 2019. - № 4 (20). - С. 28-45.
8. Сабиров Р. Н., Мелкий В. А., Верхотуров А. А. Анализ геоэкологического состояния пихтово-еловых лесных формаций по данным дистанционного зондирования // Регулирование земельно-имущественных отношений в России: правовое и геопространственное обеспечение, оценка недвижимости, экология, технологические решения. Материалы Третьей национальной научно-практической конференции (Новосибирск, СГУГиТ, 27-29 ноября 2019). [Электронный ресурс]. Доступно на: http://nir.sgugit.ru/wp-content/uploads/2020/01/Sabirov-ANALIZ-GEOEK-SOSTOYANIYA-PIH-ELOV-LESNYH-FORMATSIJ.pdf (дата обращения 12.04.2020).
9. Чабан Л. Н. Автоматизированная обработка аэрокосмической информации при картографировании геопространственных данных. Учебное пособие. - М.: МИИГАиК, 2013. - 96 с.
10. Информационная система дистанционного мониторинга Федерального агентства лесного хозяйства. [Электронный ресурс] - Режим доступа: https://nffc.aviales.ru/main_pages/ index.shtml (дата обращения 12.04.2020).
11. Forestry Canada Fire Danger Group. Development and structure of the Canadian Forest Fire Behavior Prediction System. Information Report ST-X-3. Canada, Ontario, Ottawa, Published by Forestry Science and Sustainable Development Directorate. - 1992. - 63 p.
12. Хвостиков С. А., Балашов И. В., Барталев С. А., Ефремов В. Ю., Лупян Е. А. Региональная оптимизация параметров прогнозной модели природных пожаров и оперативное моделирование динамики их развития с использованием данных спутниковых наблюдений // Современные проблемы дистанционного зондирования Земли из космоса. - 2012. - Т. 9. - № 3. -С. 91-100.
© Д. В. Долгополов, А. А. Верхотуров, В. А. Мелкий, 2020
