CC BY
3DOI: 10.24412/cl -37269-2024-1-363-366
КАРТИРОВАНИЕ УРОВНЯ ОПАСНОСТИ НАВОДНЕНИЯ НА УЧАСТКЕ ПОДВОДНОГО ПЕРЕХОДА ГАЗОПРОВОДА С ИСПОЛЬЗОВАНИЕМ МЕТОДА АНАЛИТИЧЕСКОЙ ИЕРАРХИИ, ДАННЫХ ДЗЗ И ГИС
Тихонова С.А., Капитонова Т.А., Стручкова Г.П., Тарская Л.Е. Институт физико-технических проблем Севера им. В.П. Ларионова СО РАН, г. Якутск
Риск наводнений определяется вероятностью возникновения наводнения и его последствиями, поэтому он может быть очень высоким, если районы густонаселены и содержат жизненно важные объекты инфраструктуры. Карты опасности наводнений являются полезными инструментами для планирования застройки новых районов населенных пунктов, строительства критически важных промышленных объектов. Потенциально опасными объектами в исследуемых районах являются подводный переход газопровода и планируемое строительство моста через реку Лена. Было обнаружено, что комбинация ГИС, ДДЗЗ и метода процесса аналитической иерархии (AHP) многокритериального анализа решений является надежным способом оценки зон риска затопления, поскольку учитывает и взвешивает параметры, способствующие затоплению.
Концепция анализа риска нефтегазодобывающих территорий Сибири рассмотрена в [1], где предложены модели и критерии антропогенного риска, основанные на непрерывном геотехническом мониторинге. В особенности, это важно для районов подверженных воздействию опасных природных процессов, способных оказать влияние на трубопроводную систему и деградацию прилегающего ландшафта. Как указано в [2, 3] для предупреждения техногенных аварий и катастроф необходима оценка комплексных рисков, включающая разнородные факторы, которая основывается на достоверной информации о техногенной сфере, полученной с помощью мониторинга и построение карты риска.
Для решения поставленной задачи визуализации фактически сложившейся прогнозируемой гидрологической обстановки, а также картирования зон затоплений при прохождении паводков и половодий была создана тематическая база пространственных данных, содержащая информацию о речной сети, рельефе.
Факторы, обусловливающие наводнения, были определены с помощью обзора литературы, анализа результатов предыдущих работ, экспертных оценок. Мы определили 6 предикторов, связанных с наводнением на данном участке, которые включают максимальный уровень воды на участке во время половодья - фактические зоны затопления, расстояние до водотоков, топографию (высоты и склоны), растительность на территории - лес, кустарник, луг, пустырь, вода, грунты. Обработка данных и визуализация были выполнены с использованием ГИС и ДДЗЗ с растровыми данными, и пространственным разрешением 30 м, были определены классы для всех факторов, использованы снимки Landsat8-OLI, ASTER GDEM 2013 г.
Метод процесса аналитической иерархии (AHP) многокритериального анализа решений. В литературе приводятся многочисленные тематические исследования оценки опасности наводнений [1-6]. Многокритериальный анализ решений позволяет проводить комплексное моделирование, включая как количественные, так и качественные параметры, и может сочетаться с процессом аналитической иерархии (AHP) и ГИС для оценки весов предикторов и составления карт подверженности наводнениям. Основные критерии в качестве факторов, способствующих наводнениям, были определены на основе обзора литературы, анализа результатов предыдущих работ, экспертных оценок. Методы многокритериального анализа используются в качестве инструментов поддержки принятия решений для принятия сложных групп решений, где необходимо учитывать технологические, экономические, экологические и социальные аспекты, хорошо комбинируются с географическими информационными систе-
мами (ГИС) [7-12]. Нашей основной целью в исследовании многокритериального анализа решений на основе ГИС была количественная оценка подверженной затоплению территории в пяти зонах потенциального затопления (очень высокая, высокая, умеренная, низкая и очень низкая). Основные критерии в качестве факторов, способствующих наводнениям, были определены на основе обзора литературы, анализа результатов предыдущих работ, экспертных оценок.
В среде ГИС AHP используется для вычисления весов, приписываемых слоям пространственных данных, представляющих критерии, и для создания комбинированных карт с помощью инструмента «взвешенного наложения» в Arc GIS.
Факторы, используемые для моделирования опасности наводнения.
Тематическое изображение - высоты. Карта высот была подготовлена путем преобразования ЦМР в треугольную нерегулярную сеть, а затем в растровые слои с помощью инструмента преобразования ArcGIS. Растровые слои рельефа были переклассифицированы на пять подгрупп, используя классификацию в ArcGIS. Мы также извлекли из ЦМР (цифровая модель рельефа) уровни высоты (elevation), уклона (slop).
Тематическое изображение - растровые слои уклонов. Растровые слои склонов были определены с помощью DEM в инструменте генерации склонов в ArcGIS. Затем карта склонов была переклассифицирована на пять подгрупп, используя классификацию в ArcGIS.
Тематическое изображение - расстояние от водотоков. Для определения расстояния от реки использовался алгоритм евклидова расстояния из spatial analyst toolbox в Arc GIS. Затем растр был переклассифицирован на пять классов для подготовки тематического слоя удаленности от рек. Наивысшей категории (т. е. наибольшему расстоянию от реки) присвоена оценка 1, тогда как низшей категории (т. е. ближайшему расстоянию от реки) присвоена оценка 5, что указывает на очень высокий и очень низкий риск наводнений соответственно.
Тематическое изображение - растительность на территории участка. Для определения плотности, видов растительности были использованы нормализованные дифференциальные индексы растительности (NDVI) по изображениям Landsat 8. Затем растр был переклассифицирован на пять классов: лес (очень низкая), кустарники (низкая), травянистые угодья, сельскохозяйственные земли (средняя), пустыри (высокая) и вода (очень высокая) по степени риска наводнений (задержки водостока).
Тематическое изображение - грунты. Была сформирована карта грунтов входящих в литологический состав пород на территории участка. Затем уровень данных был переклассифицирован на пять субфакторов, с использованием метода равных интервалов по степени потенциальной потери устойчивости при увлажнении.
Методология исследования была сосредоточена на анализе основных факторов, влияющих на возможность затопления: расстояние до водотоков, топографию (высоты и уклоны), растительность, грунты, расстояние от трубопровода.
Таблица 1. Результирующие нормализованные веса предикторов
Расстояние до воды 0,333329
Высота 0,203813
Расстояние до трубопровода 0,241928
Уклон 0,032622
Грунты 0,139274
Растительность 0,048974
В таблице 1 приведены результирующие нормализованные веса показателей. Коэффициент согласованности СЯ = 0,09. Наиболее важный показатель с точки зрения веса был определен как «расстояние от водотоков» - 0,333329; следующими важными предикторами были определены «расстояние от трубы» - 0,241928; «высот» - 0,203813. Слоям «грунты» и «растительность» были присвоены следующие по важности значения весов (0,139274 и 0,048974). Наименьший вклад в опасность наводнения вносит фактор - «уклон». Затем были рассчитаны общие баллы с использованием простой взвешенной суммы. Соответственно, каждый пиксель выходной карты был рассчитан с использованием следующего суммирования каждого слоя,
умноженного на свой вес. Конечным продуктом аналитической иерархии (АНР) многокритериального анализа решений была карта подверженности затоплениям с пятью зонами потенциального затопления, рис. 1. Результаты этого исследования показали, что комбинация ГИС, ДДЗЗ и АНР является надежным методом оценки зон риска затопления, поскольку она учитывает многочисленные элементы, обусловливающие затопление, и взвешивает компоненты, способствующие затоплению.
Эффективное планирование, основанное на оценке рисков, направлено на минимизацию ущерба людям и имуществу до наступления стихийного бедствия, но его эффективность в смягчении последствий стихийных бедствий требует высокого уровня технического и организационного сотрудничества и координации всех ответственных организаций и обществ.
а) б)
Рис. 1. Карта а) потенциальной опасности всплытия участков трубопровода при затоплении и б) места всплытия трубопровода, обнаруженные в результате аэровизуального облета участка газопровода Хатассы-Павловск
в 2015 г.
Работа выполнена в рамках государственного задания Министерства науки и высшего образования Российской Федерации (Рег. № 1023030900073-8-2.3.3, научная тема FWRS -2024-0032) и Российского научного фонда проект: 24-27-20095.
Литература
1. Лепихин А.М., Москвичев В.В., Чернякова Н.А., Ничепорчук В.В. Оценка антропогенных рисков нефтегазодобывающих территорий Сибири // Проблемы безопасности и чрезвычайных ситуаций. - 201. - № 5. - С. 42-52.
2. Махутов Н.А., Ахметханов Р.С., Дубинин Е.Ф., Куксова В.И. Информационные аспекты безопасности в техногенной сфере // Проблемы безопасности и чрезвычайных ситуаций. - 2015. - № 6. - С. 136-151.
3. Использование аэровизуального обследования для оценки геологических рисков нефтегазопроводов Севера / Г.П. Стручкова, Т.А. Капитонова, П.В. Ефремов, Л.Е. Тарская // Международный журнал прикладных и фундаментальных исследований. - 2014. - № 9. -С. 38-41. www.rae.m/upfs/?section=content&op=show_artide&artide_id=5784.
4. Корниенко, С.Г. Аэрокосмические методы контроля состояния природной среды при разработке и эксплуатации нефтегазовых месторождений криолитозоны // Фундаментальные проблемы разработки месторождений нефти и газа // В сб. ст. Всеросс. конф. (Москва, 15-18 нояб. 2011 г.). М. - ИПНГ РАН. - 2000. - С. 125-128.
5. Оценка опасности возникновения аварийных ситуаций на нефте-газопроводах с использованием дешифровки космоснимков / Г.П. Стручкова, Т.А. Капитонова, С.М. Тимофеева, П.В. Ефремов // Горный информационно-аналитический бюллетень. Научно-технический журнал. Геомеханические и геотехнологические проблемы освоения недр Севера. - 2015. -№ 30. - С. 365-370.
6. Стручкова Г.П., Капитонова Т.А., Попов К.А., Ефремов П.В. Использование геоинформационной базы данных разнородной информации для оценки состояния линейных технических систем в условиях криолитозоны // Успехи современного естествознания. - 2016. -№ 4. - С. 183-187.
7. Deepak Chaulagain, Parshu Ram Rimal, Same Noel Ngando, Benyoh Emmanuel, Kigha Nsafon, Dongjun Suh, Jeung-Soo Huh // Flood susceptibility mapping of Kathmandu metropolitan city using GIS-based multi-criteria decision analysis // Ecological Indicators. - 2023. -Vol 154, 110653.
8. Gemechu Shale, Amare Bantider, Ketema Abebe, Davide Geneletti. Geographic information system (GIS)-Based multicriteria analysis of flooding hazard and risk in Ambo Town and its watershed, West shoa zone, oromia regional State, Ethiopia // Journal of Hydrology: Regional Studies. - 2020. - Vol. - 27, 100659.
9. V. Stelzenmuller, J. Lee, E. Garnacho, S.I. Rogers. Assessment of a Bayesian Belief Net-work-GIS framework as a practical tool to support marine planning // Marine Pollution Bulletin. -2010. - Vol. - 60. - Issue 10. - P. 1743-1754. https://doi.org/10.1016/j.marpolbul.2010.06.024.
10. Yekenalem A., Golam K., Solomon T. Assessing urban areas vulnerability to pluvial flooding using GIS applications and Bayesian Belief Network model // Journal of Cleaner Production. - 2018. - Vol. 174. pp. 1629-1641. https://doi.org/10.1016/j.jclepro.2017.11.066.
11. Yun Chen, Rui Liu, Damian Barrett, Lei Gao, Mingwei Zhou, Luigi Renzullo, Irina Emelyanova. A spatial assessment framework for evaluating flood risk under extreme climates // Science of The Total Environment. 2015 - Vol. 538. - P. 512-523. https://doi .org/10.1016/j. scitotenv.2015.08.094.
12. Sharareh Rashidi Shikhteymour, Moslem Borji, Mehdi Bagheri-Gavkosh, Ehsan Azimi, Timothy W. Collins. A novel approach for assessing flood risk with machine learning and multi-criteria decision-making methods // Applied Geography. - 2023. - Vol. - 158. 103035.
DOI: 10.24412/cl-37269-2024-1-366-369
ИССЛЕДОВАНИЯ ВЛИЯНИЯ ТИРИСТОРНОГО СТАБИЛИЗАТОРА НА ЗНАЧЕНИЯ ПАРАМЕТРОВ ЭЛЕКТРОПЕРЕДАЧИ
Хоютанов А.М.
Институт физико-технических проблем Севера им. В.П. Ларионова СО РАН, г. Якутск
В настоящее время для регулирования энергетических потоков в линиях электропередачи предлагаются различные активно-адаптивные технические устройства, предназначенные для улучшения общих динамических характеристик в электроэнергетической системе, обозначенные как устройства FACTS (flexible ac transmission systems). Одной из вариацией данных устройств является разработанный тиристорный стабилизатор параметров (ТСП). В работе рассмотрена тестовая модель, предназначенная для гармонического анализа изменений значений тока и напряжения при работе регулятора-стабилизатора, а также его влияние на составляющие полной мощности.
Для улучшения общих динамических характеристик в электроэнергетической системе, применяются устройства FACTS (flexible ac transmission systems) [1-3]. Одной из вариацией данных устройств является разработанный тиристорный стабилизатор параметров (ТСП). Для исследования работы ТСП в качестве компенсатора реактивной мощности была смоделирована тестовая трехфазная схема (рис.1) с источником электрической энергии, нагрузкой и регулятором-стабилизатором. Заданная модель предназначена для гармонического анализа изменений значений тока и напряжения при работе регулятора-стабилизатора, а также его влияние на составляющие полной мощности.
В качестве источника электрической энергии используется блок с амплитудным напряжением 400 В с начальной фазой равной 0 градусов, в качестве нагрузки - блок с активно-индуктивным сопротивлением, потребляющий 10+j10 кВА полной мощности.
