CC BY
62
УДК 519
КАРТОГРАФИЧЕСКОЕ ОТОБРАЖЕНИЕ СТРУКТУРЫ ЛАНДШАФТОВ ОСТРОВА ОЛЬХОН И ПРИОЛЬХОНЬЯ ПО РАЗНОВРЕМЕННЫМ КОСМИЧЕСКИМ СНИМКАМ LANDSAT
Юлия Григорьевна Никитина
Иркутский национальный исследовательский технический университет, 664074, Россия, г. Иркутск, ул. Лермонтова, 83, соискатель кафедры маркшейдерского дела и геодезии, тел. (395-2)40-51-02, e-mail: yul-nikitina@mail.ru
Борис Николаевич Олзоев
Иркутский национальный исследовательский технический университет, 664074, Россия, г. Иркутск, ул. Лермонтова, 83, кандидат географических наук, доцент кафедры маркшейдерского дела и геодезии, тел. (395-2)40-51-02, e-mail: bnolzoev@yandex.ru
Поставлена и достигнута цель исследования: получена и отображена на картах информация о структурной изменчивости ландшафтного выдела по космическим снимкам. При этом даны определения пространственно-временной структуры ландшафта, структурной изменчивости ландшафта.
Предложена методика и технологическая схема геоинформационного картографирования структурной изменчивости ландшафтов Прибайкальского национального парка на основе автоматизированного дешифрирования многозональных космических снимков Landsat. В ходе работы использовались следующие методы: обработка и дешифрирование разновременных космических снимков, геоинформационная обработка, математико-статистический анализ, сравнение результатов.
Рассчитаны суммы площадей и средневзвешенные проценты площадей классов изменений в каждом ландшафтном выделе. Также рассмотрены содержания созданных карт: «Карта изменений NDVI ландшафтов о. Ольхон и Приольхонья в период 2009-2015 гг.», «Карта средневзвешенной структурной изменчивости ландшафтов о. Ольхон и Приольхонья в период 2009-2015 гг.».
Сделан вывод, что разновременные космические снимки среднего разрешения предоставляют возможность выполнять пространственно-временной анализ состояния ландшафта.
Ключевые слова: структурная изменчивость ландшафтов, средневзвешенный процент, автоматизированные обработка и дешифрирование космических снимков, методика и технологическая схема геоинформационного картографирования, содержание карт, Прибайкальский национальный парк.
Введение
В классическом представлении под структурой ландшафта понимают состав его упорядоченных морфологических частей - фаций, урочищ и местностей, которые взаимосвязаны между собой и образуют характерный вид («лицо») ландшафта. Теория морфологической структуры ландшафтов была разработана Н. А. Солнцевым - одним из основоположников современного ланд-шафтоведения. Он впервые предложил выделять урочища в ландшафтах. Каждая из этих единиц имеет свои характерные признаки, по которым они могут быть распознаны [1].
Под пространственно-временной структурой ландшафта нами подразумевается соотношение величины структурной изменчивости ландшафтного выдела
с течением времени. Структурная изменчивость - это совокупность результатов благоприятного и негативного влияния на ландшафт. Опыт картографического отображения структуры ландшафтов был реализован на территории Прибайкальского национального парка по разновременным космическим снимкам.
Озеро Байкал и его побережье является крупнейшим в Восточной Сибири центром российского и международного туризма. С каждым годом поток отечественных и зарубежных туристов увеличивается, при этом большая их часть посещает Прибайкальский национальный парк (ПНП). «По богатству растительного и животного мира, количеству редких видов флоры и фауны, а также археологических объектов ПНП превосходит любой другой заповедник или национальный парк Байкальского региона» [2]. Парк, созданный в 1986 г., расположен в южной и самой густонаселенной зоне Иркутской области, с которой связан сетью автомобильных, железнодорожных дорог, водными и воздушными линиями.
Одними из самых посещаемых мест в ПНП и в Байкальском регионе считается территория о. Ольхон и Приольхонья, особенно побережья пролива Малого Моря, где сконцентрировано все многообразие природных ландшафтов байкальских берегов и других рекреационных ресурсов. «В зависимости от погодных условий, только район Малого Моря за лето посещают около 150 тыс. отдыхающих» [2]. В результате неорганизованной туристической деятельности и проживания местного населения природные ландшафты района подвержены значительному антропогенному воздействию [3].
Таким образом, на сегодня, в эпоху активного природопользования и немаловажных климатических изменений существует реальная необходимость проводить оценку и мониторинг состояния природной среды в целях обнаружения и прогнозирования негативных изменений ландшафтов и их компонентов. Использование картографического подхода при помощи дистанционного зондирования Земли (ДЗЗ) для наиболее эффективного решения данной проблемы позволяет получить наглядную высокоинформативную, объективную картину геоэкологического состояния природных комплексов в прошлом, настоящем и будущем [4].
Наилучшим индикатором происходимых изменений в ландшафтах признан растительный покров, так как он чутко реагирует на любые отрицательные или положительные изменения в природных комплексах. К тому же, именно растительность относится к наиболее физиономичным компонентам ландшафта на космических снимках [5].
Цель исследования: получение информации о структурной изменчивости ландшафтного выдела по космическим снимкам и ее отображение на карте.
Задачи исследования:
- сбор и анализ исходных материалов;
- обработка материалов в ГИС MapInfo и ENVI;
- согласование цифровых слоев ландшафтных выделов, результатов дешифрирования границ изменчивости по индексному вегетационному изображению;
- картографическое оформление результатов исследования.
Методы и методика исследования
Для проведения исследования применялись следующие методы: обработка и дешифрирование разновременных космических снимков, геоинформационная обработка, математико-статистический анализ, сравнение результатов.
На рис. 1 представлена общая технологическая схема методики исследования изменений растительного покрова в структуре ландшафтов с помощью ГИС и ДЗЗ.
I. Подготовительный л ап
Разработка программы исследования Выбор исходных данных
II. Сбод исходных данных
Полевые данные
Литературные данные
Карта. >ра-
фические
материалы
Данные ДЗЗ
Наземные фотоснимки, геодезические измерения
Сиравочно-статистическая, научная литература, материалы СМИ
Топографические карты, тематические карты
Разновременные многозональные космические снимки (радиомегричес кая калибровка и атмосферная коррекция)
III. Исринчния »бдаботка
IV. 'Гсмачичсскаи »ЯраПнтка
I "сопривязка в I ИС, формализация текстовой и числовой информации, геоинформационная обработка
Создание контуров для масок, i юстрое! ше ш i деке н ы\ изображений, построение изображения изменений, постклассификация, векторизация
У. Создание Пазы данных
VIH. C'ouamic карг
Формирование математической основы, формирование общегео1рафической основы, формирование тематической основы, генерализация изображения, построение легенды, компоновка и оформление карты
VI. ГИС-ана.ни
Составление SQI .-запросов
VII. maiemaiiiko-ciaihciiimcckiiii ана.пп
Расчет величин £S, S.e,
IX. Оценка результатов 11 hi>iko,u.i
Рис. 1. Общая технологическая схема методики изучения изменений растительного покрова в структуре ландшафтов с помощью ГИС и ДЗЗ
Исходя из схемы, методика исследования содержит следующие этапы:
I. Подготовительный этап.
II. Этап сбора анализа исходных данных.
III. Первичная обработка материалов ДЗЗ.
IV. Тематическая обработка материалов ДЗЗ.
V. Создание базы данных ГИС.
VI. ГИС-обработка, ГИС-анализ.
VII. Математико-статистические расчеты.
VIII. Создание карт.
IX. Оценка результатов и выводы.
Первый этап характеризуется разработкой программы исследования, включающей формулировку актуальности, цели, задач и назначения исследования, выбор видов и способов получения исходных данных.
Второй этап состоит в сборе и анализе исходных данных.
Основными исходными материалами для исследования послужили мультис-пектральные изображения многозональных космических снимков Landsat 5, 7, 8 за ряд лет, преимущественно за июль, так как именно к этому периоду наблюдается максимальная вегетация растений. Временной ряд выбранных сцен изначально был разбит на практические равные отрезки, с интервалами 5-7 лет, а именно 1995, 2002, 2009, 2015 гг., в статье представлен период 2009-2015 гг.
Среди картографических материалов для общегеографических элементов необходима цифровая топографическая карта масштаба 1 : 1 000 000. Для основного содержания были привлечены следующие электронные тематические карты: «Байкальская природная территория. Масштаб 1 : 1 000 000» [6] и «Природные ландшафты и их использование» [7].
Также немаловажную роль играют различные литературные и полевые данные.
Для этого были выбраны несколько ключевых участков о. Ольхон и При-ольхонья: окрестности пос. Еланцы, Сахюрта, Сарма, Курма, Хужир, Песчанка и др. Способами передвижения являлись пешие и автомобильные маршруты. Фиксирование наблюдений проходило путем визуального обнаружения, записи в полевой журнал, создания фотоизображения, координирования точек наблюдения.
Метод дешифрирования и технология обработки материалов ДЗЗ
Полный цикл работы с космическими снимками, включающий ряд операций первичной и тематической обработки (см. рис. 1), проводился в программном комплексе ENVI 5.2.
Третий этап исследования требует проведения первичной обработки космических снимков, состоящей из радиометрической калибровки, атмосферной коррекции, создания масок при необходимости.
1. Радиометрическая калибровка.
Информация на снимках, переданных непосредственно со спутника, представлена в виде «сырых значений» яркости (DN, Digital Number) [8]. Радиометрическая калибровка позволяет перевести эти значения в физические единицы, устранить влияние различий освещенности и дефекты изображения. К тому же, так как на указанных спутниковых системах установлены разные модели сенсорных приборов, для зональных снимков была применена радиометрическая калибровка космических изображений.
Вычисление отношения Рх отраженного потока излучения к падающему излучению осуществляется по формуле:
Рх- JU^r- (1)
J 0 х cos Z 0
где D0 - расстояние от Земли до Солнца в астрономических единицах на конкретную дату;
Лх - средняя солнечная внеатмосферная энергетическая освещенность, Вт/(м2нм);
Z0 - зенитное расстояние Солнца (угол, дополняющий высоту Солнца до 90°);
D0 и JDx берутся из справочных таблиц;
Z0 - из калибровочного файла, сопровождающего цифровой снимок.
2. Атмосферная коррекция.
При дистанционном зондировании электромагнитное излучение перед фиксацией на датчике дважды проходит через слой атмосферы, что вносит некоторые погрешности в значения пикселей на снимке. Для устранения влияния атмосферы проводится атмосферная коррекция.
Сущность метода «состоит в нахождении яркости однопроцентно темного объекта геоснимка с последующей коррекцией минимума значений каждого пикселя изображения относительно спектральной яркости найденного объекта... Вычислительный метод подразумевает, что суммарная яркость (от 0 до n) однопроцентно темного объекта будет соответствовать 0,01 % от суммарной яркости всех пикселей геоснимка» [9].
3. Использование масок.
В ходе подготовки и обработки дистанционных материалов были созданы маски, позволившие отделить из сцен снимков исследуемую территорию ПНП (рис. 2, а), а также вырезать участки, закрытые облаками на рабочем снимке, из других подходящих сцен снимков Landsat 8 (21.07.2013, 04.07.2015).
Четвертый этап подразумевает тематическую обработку ДДЗ.
1. Построение индексного изображения NDVI.
Для автоматизированной оценки продуктивности и состояния растительного покрова рассчитывают вегетационные индексные изображения, формирующие прямую зависимость между биомассой растительности, точнее количества хлорофилла, и ее спектральной отражательной способностью [8].
Главной чертой индексных изображений является то, что для диагностики объектов и их состояния требуются не принадлежащие им абсолютные значения яркости, а определенные соотношения между коэффициентами отражения в определенных спектральных диапазонах съемки. Для этой цели часто прибегают к известным минимуму отражательной способности зеленых растений в красной и резкому ее скачку в ближней инфракрасной зонах.
Спектральные индексы, применяемые для изучения и анализа состояния растительности, называются вегетационными индексами [5, 8]. Они не сильно связаны с высотой Солнца, и напрямую коррелируют с проективным покрытием фитоценозов. К наиболее удобному и эффективному относится нормализованный разностный вегетационный индекс (Normalised Difference Vegetation Index - NDVI), который изменяется в пределах от минус 1 до плюс 1, и для объектов растительного покрова с большей фитомассой и лучшим состоянием данное значение стремится к 1 со знаком плюс. NDVI также полезен для установления сезонной трансформации растительности, например прослеживания ее фенологических изменений.
В итоге были созданы два изображения NDVI: за 2009, 2015 гг.
2. Построение разностного изображения различий (изменений).
Разностное изображение различий (Change Detection) представляет собой совмещение двух разновременных снимков в определенных зонах электромагнитного спектра или двух индексных изображений за разные даты (рис. 2, б).
а) б)
Рис. 2. Космический снимок Landsat в программном комплексе ENVI: а) маска исследуемой территории; б) разностное изображение различий
«Различия вычисляются путем вычитания изображения начального состояния из изображения конечного состояния... Каждый класс определен порогом различия, который представляет собой количество различий между двумя изображениями... По умолчанию пороги классификации равномерно распределены между минус 1 и плюс 1 или минус 100 % и плюс 100 % для процентных различий» [10].
В рамках исследования создано разностное изображение различий в дробных числах, в котором установлено 9 классов различий (табл. 1) между значениями от минус 1 до плюс 1. Для периода 2009-2015 гг. характерны 4 класса изменений КОУ! (3, 4, 6, 7).
Таблица 1
Интервалы значений для классов различий
Класс 1 Класс 2 Класс 3 Класс 4 Класс 5 Класс 6 Класс 7 Класс 8 Класс 9
>0,5 0,3-0,5 0,1-0,3 0-0,1 0 0-(-0,1) (-0,1)-(-0,3) (-0,3)-(-0,5) <(-0,5)
На созданном изображении различий оттенками красного цвета и со знаком «плюс» обозначены пикселы, яркость которых на конечном снимке стала больше. Оттенками синего цвета и со знаком «минус» обозначены пикселы, яркость которых на конечном снимке стала меньше [10].
3. Постклассификация, векторизация и конвертация в ГИС.
После постклассификации и послойной векторизации каждого класса изменений готовые векторные слои разностного изображения различий были переконвертированы в ГИС MapInfo Professional 10-12 для дальнейшей геоинформационной обработки.
Геоинформационный метод
На пятом этапе производится формирование таблиц базы данных (БД), которые были составлены из переконвертированых в ГИС векторных слоев, включая маски, обрезанных по границам ПНП и береговой линии оз. Байкал и разрезанных по пронумерованным ландшафтным выделам цифровой ландшафтной карты.
Шестой этап опирается на ГИС-анализ, необходимый для количественной оценки изменений растительного покрова в структуре ландшафтов о. Ольхон и Приольхонья. Для этого в каждом слое класса изменений требуется определить суммарную площадь полученных полигонов во всех ландшафтных единицах.
«Выделение объектов по пространственным критериям осуществляется на основе поиска в пространственной БД объектов, удовлетворяющих заданному условию или условиям. Задание на такой поиск данных, называемый «запрос», формулируется посредством языка общения пользователя с СУБД» [11].
В качестве решения этой задачи применяют комбинированные SQL-запросы:
1) выборку полигонов каждого класса изменений для конкретного ландшафтного выдела с объединением между собой слоев ландшафтов и классов изменений;
2) подсчет суммарных площадей во всех классах изменений для каждого ландшафтного выдела.
Готовые результаты сведены в самостоятельную атрибутивную таблицу (табл. 2).
Таблица 2
Суммарные площади классов изменений NDVI в каждом ландшафте за период 2009-2015 гг. на примере о. Ольхон, км
Номер выдела Наименование ландшафта Классы изменений Общая площадь
3 4 6 7
15 Горно-степные 0,13 252,57 2,37 0,46 255,53
16 Низинные и долинные степные 0,00 23,33 0,03 0,00 23,36
17 Горнотаежные сосновые 6,73 271,20 3,88 1,17 282,98
18 Подгорные подтаежные сосновые и лиственнично-сосновые 0,00 8,33 0,43 0,00 8,76
19 Подгорные подтаежные сосновые и лиственнично-сосновые 0,04 8,44 0,25 0,00 8,74
20 Подгорные межгорных понижений и долин степные 0,00 28,38 0,53 0,00 28,91
31 Подгорные межгорных понижений и долин степные 0,00 69,96 9,37 0,00 79,33
Математико-статистический метод
На седьмом этапе для математико-статистического анализа полученных данных необходимо:
1) рассчитать процентное отношение площадей каждого класса изменений в структуре всех ландшафтных единиц по известной формуле:
, = (2) S л
где So/oкг• - процентное соотношение площади ¿-го класса изменения к общей площади выдела;
Sк¿• - площадь ¿-го класса изменения в структуре конкретного выдела; Sл¿• - общая площадь ¿-го ландшафтного выдела;
к - ¿-й класс изменения; л¿ - ¿-й ландшафтный выдел;
2) определить средневзвешенный процент площадей классов изменений в каждом ландшафте по формуле [12]:
о _ °%1 • Р1 + 0%2 • Р2 + 0%п • Рп (3)
°%ср _ П ' (3)
Е Рп
i _1
где Р - ранг значимости;
п - количество классов изменений.
Готовые результаты сведены в самостоятельную атрибутивную таблицу (табл. 3).
Таблица 3
Соотношение суммы площадей классов изменений КОУ1 в структуре каждого ландшафта за период 2009-2015 гг. на примере о. Ольхон, проценты
Номер выдела Наименование ландшафта Классы изменений Средневзвешенный %
3 4 6 7
15 Горно-степные 0,051 % 98,841 % 0,926 % 0,182 % 29,876 %
16 Низинные и долинные степные 0 % 99,877 % 0,123 % 0 % 29,988 %
17 Горнотаежные сосновые 2,379 % 95,836 % 1,371 % 0,413 % 30,018 %
18 Подгорные подтаежные сосновые и лиственнично-сосновые 0 % 95,136 % 4,864 % 0 % 29,514 %
19 Подгорные подтаежные сосновые и лиственнично-сосновые 0,482 % 96,625 % 2,893 % 0 % 29,759 %
20 Подгорные межгорных понижений и долин степные 0 % 98,174 % 1,826 % 0 % 29,817 %
31 Подгорные межгорных понижений и долин степные 0 % 88,185 % 11,814 % 0,001 % 28,818 %
Восьмой этап включает создание карт по полученным данным.
1. Картографическая основа.
Картографическая основа складывается из общегеографических элементов и математической основы, главной частью которой считается выбор масштаба карты.
Выявление воздействий, провоцирующих изменения в ландшафтах, с достаточной степенью детальности зависит от разрешения космических материалов, позволяющего «разглядеть» объекты минимального размера и в дальнейшем отобразить на карте предполагаемого масштаба (табл. 4).
Таблица 4
Соответствие пространственного разрешения космических снимков с размерами объектов на местности и масштабом карты
Разрешение космических снимков Местность Карта
Название Величина, м Минимальный линейный размер объекта, м Предлагаемый масштаб
Очень низкое Более 10 000 Более 100 000 Менее 1 : 10 000 000
Низкое 1 000-10 000 10 000-100 000 1 : 10 000 000-1 : 10 000 000
Среднее 100-1 000 1 000-10 000 1 : 1 000 000-1 : 10 000 000
Высокое 10-100 100-1 000 1 : 100 000-1 : 1 000 000
Очень высокое 1-10 10-100 1 : 10 000-1 : 100 000
Сверхвысокое 0-1 1-10 1 : 10 000
Так, карты созданы в картографической проекции долгота/широта WGS 84 в масштабе, наиболее оптимальном для снимков Landsat 5, 7, 8 с разрешением 30 м, 1 : 500 000 (в 1 см - 5 км) (рис. 3, 4, табл. 5).
Рис. 3. Карта изменений NDVI ландшафтов о. Ольхон и Приольхонья
в период 2009-2015 гг.
Тематическое содержание Шкала среднее мешанного процента
I боле« I 35--40
I 30 -35 I 25--30
Границы
Иркутск»» пбласп
Я
ландшафтных вы дел о в Прибайкальского национального парка
Обшсгеографическис элементы
Населённые пункты
о посёлки сельского типа • посёлки городского типа
Дороги
лесные, тропы
усовершенствованные с покрытием просёлочные без покрытия
Гидрографии
I озёра реки
А дм а а истративные границы
---субъектов РФ
Рис. 4. Карта средневзвешенной структурной изменчивости ландшафтов о. Ольхон и Приольхонья в период 2009-2015 гг.
Таблица 5
Пояснения к картам
Номер выдела Наименование ландшафта Общая площадь, км2
1 Горнотаежные сосновые 67,88
2 Подгорные межгорных понижений и долин степные 24,66
3 Горнотаежные лиственничные ограниченного развития 244,99
4 Подгорные подтаежные сосновые и лиственнично-сосновые 70,12
5 Подгорные межгорных понижений и долин степные 113,72
6 Горнотаежные сосновые 55,49
7 Гольцовые тундровые и альпинотипные, подгольцовые кустарниковые, лиственнично-редколесные, каменноберезовые и темнохвойно-редколесные 56,55
8 Горно-степные 236,45
9 Подгорные межгорных понижений и долин степные 45,50
10 Подгорные межгорных понижений и долин степные 38,89
Окончание табл. 5
Номер выдела Наименование ландшафта Общая площадь, км2
11 Подгорные межгорных понижений и долин степные 7,39
12 Горнотаежные темнохвойные ограниченного развития 0,56
13 Горнотаежные сосновые 6,93
14 Горно-степные 18,56
15 Горно-степные 255,53
16 Низинные и долинные степные 23,36
17 Горнотаежные сосновые 282,98
18 Подгорные подтаежные сосновые и лиственнично-сосновые 8,76
19 Подгорные подтаежные сосновые и лиственнично-сосновые 8,74
20 Подгорные межгорных понижений и долин степные 28,91
21 Гольцовые тундровые и альпинотипные, подгольцовые кустарниковые, лиственнично-редколесные, каменноберезовые и темнохвойно-редколесные 62,12
22 Горнотаежные темнохвойные 44,19
23 Горнотаежные сосновые 80,32
24 Подгорные межгорных понижений и долин степные 22,67
25 Горнотаежные темнохвойные 8,34
26 Гольцовые тундровые и альпинотипные, подгольцовые кустарниковые, лиственнично-редколесные, каменноберезовые и темнохвойно-редколесные 82,08
27 Подгорные межгорных понижений и долин степные 23,04
28 Горнотаежные сосновые 96,68
29 Подгорные межгорных понижений и долин степные 36,10
30 Горнотаежные темнохвойные 9,31
31 Подгорные межгорных понижений и долин степные 79,33
Масштаб карт является наиболее оптимальным для полного охвата всей исследуемой территории, что, в свою очередь, способствует анализу общих условий формирования и развития экологического состояния природных комплексов территории [5], а именно:
• обнаружению изменений растительности в ландшафтах Прибайкальского национального парка;
• получению количественной информации;
• оценке факторов воздействия, формирующих экологический фон территории, их пространственного распределения, структуры и сочетания.
Для общегеографической основы из цифровой топографической карты масштаба 1 : 1 000 000 заимствованы слои населенных пунктов, дорог, гидрографии, административных границ.
2. Тематическое содержание.
Содержание тематических основ карт состоит из количественных показателей, границ ПНП и ландшафтов (см. рис. 3, 4).
На «Карте изменений КОУ1» (см. рис. 3) способом количественного фона отражено пространственное распределение изменений КОУ1, выраженных двумя положительными и двумя отрицательными диапазонами значений от 0 до 0,3. В юго-западной части исследуемой территории представлен участок значений КОУ1 за период 2009-2013 гг., в связи с использованием маски.
Для картографического отображения величины средневзвешенного процента площади классов изменений КОУ1 построена картографическая поверхность «Диапазоны» (рис. 4) с равными интервалами значений от менее 25 до более 40, выраженных в процентах. Для каждого ландшафтного выдела данный показатель демонстрирован способом количественного фона.
Граница ПНП, визуализированная на картах линейным способом, посредством сплошной линии и примыкающими к ней поперечными отрезками, которые размещены через определенное расстояние, была перенесена с карты «Байкальская природная территория».
На готовые слои была привязана электронная ландшафтная карта, с которой были оцифрованы все ландшафтные выделы в пределах ПНП, и на предложенных картах линейным способом обозначены их границы, при этом в атрибутивной таблице слоя проставлены порядковые номера для каждого выдела. При оцифровке и отображении были учтены взаимное расположение основных ландшафтных выделов, их классификация и иерархия. Таким образом, соблюдено условие того, что фоновые элементы карты отвечают принципам ландшафтного отображения на картах. Разделение ландшафтных единиц по условиям развития не играет важной роли для данных картографических изображений, поэтому часть ландшафтных выделов были объединены [4].
3. Картографическая генерализация.
На картах, созданных с помощью обработки зональных космических снимков ЬапёБа1 5, 7, 8 с разрешением 30 м, минимальный размер объектов равен 1 пикселю на снимке, что составляет площадь 900 кв. м на местности (9 • 10-4 кв. км) (табл. 6).
Таблица 6
Соотношение реальных минимальных размеров объектов на снимке ЬапёБа! и карте масштаба 1 : 500 000
Линейный размер 1 пикселя Площадной размер 1 пикселя Линейный размер на карте 1 см Линейный размер на карте 1 мм Площадной размер на карте 1 мм
0,03 км 0,000 9 км2 5 км 0,5 км 0,25 км2
30 м 900 м2 5 000 м 500 м 250 000 м2
Из практики картографирования известно, что мелкие объекты на картах воспринимаются человеческим глазом размером 1 кв. мм. В данном масштабе карт объекты размером 1 кв. мм будут соответствовать объектам площадью 0,25 кв. км на местности.
Таким образом, в целях генерализации объекты площадью менее 0,25 кв. км были отсортированы и удалены. Группы близко расположенных полигонов были объединены цифрованием ручным способом в более крупные.
4. Построение легенды и компоновка карт.
Для карт было разработано общее содержание легенд, особенностью которых является отображение количественных показателей в виде шкал значений (см. рис. 3, 4). Согласно теории картографической семиотики система условных обозначений разработана с учетом состава и структуры легенды комплексных географических карт. Она представлена тематическим и общегеографическим блоками.
Компоновка карт подразумевает взаимное расположение элементов карты между собой: основное содержание карты, заголовок карты, легенду карты, пояснительную таблицу.
На заключительном девятом этапе производится оценка результатов и формулируются выводы.
Выводы
Наибольшая изменчивость растительности в структуре ландшафтов о. Ольхон и Приольхонья в период 2009-2015 гг., как положительная, так и отрицательная, наблюдается в местах лесных пожаров. Приуроченность изменчивости в большей степени характерно для горнотаежных и гольцовых ландшафтов, в меньшей степени - для степных. Результаты картографического отображения структурной изменчивости варьируют от 25,22 до 35,87 %, что показывает небольшую величину амплитуды. Это связано с тем, что территория является одновременно и природоохранной, и рекреационной.
Участки, обладающие большей величиной структурной изменчивости, тяготеют к местам интенсивной хозяйственной деятельности человека: населенным пунктам, промышленным и сельскохозяйственным территориям, площадям по добыче и производству полезных ископаемых, - которые на территории парка имеют локальный характер и для автоматизированного обнаружения требуют более высокого разрешения дистанционных материалов (см. табл. 4). Немало важную роль играет технология обработки космических снимков. В результате расчетов индексных изображений получаются относительные показатели спектральной яркости объектов, в отличие от исходных снимков с абсолютными значениями.
Таким образом, разновременные космические снимки предоставляют возможность выполнять пространственно-временной анализ состояния ландшафта,
который зависит от способа дешифрирования (визуальное или автоматизированное) и технологии обработки космических снимков. Созданные по данным материалам с помощью ГИС карты служат основой для проведения научных и прикладных разработок (в том числе картографических), таких как:
• проведение оценки и мониторинг состояния ландшафтов, акватории водных объектов;
• районирование территорий по степени экологической опасности, нару-шенности природных комплексов и т. д.
Информация о структурной изменчивости ландшафта позволяет понимать экологические проблемы, связанные с территориальным распределением и наличием факторов влияния на территорию, что расширяет знания по изучению геоэкологических условий территории.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Солнцев Н. А. Учение о ландшафте (избранные труды). - М. : Изд-во МГУ, 2001. -
384 с.
2. Особо охраняемые природные территории Иркутской области и Байкальского региона [Электронный ресурс]. - Режим доступа : http://www.irkobl.ru/sites/baikal/monitoring/kadastr/oopt/.
3. Никитина Ю. Г., Олзоев Б. Н. Изучение антропогенной трансформации ландшафтов Прибайкалья по космическим снимкам (на примере острова Ольхон) // Вестник Иркутского государственного технического университета. - 2014. - Т. 85, № 2. - С. 67-74.
4. Никитина Ю. Г., Олзоев Б. Н., Пластинин Л. А. Разработка содержания карты антропогенного воздействия на ландшафты Прибайкальского национального парка // Изв. вузов. Геодезия и аэрофотосъемка. - 2015. - № 5/С. - С. 211-217.
5. Кравцова В. И. Космические методы картографирования / Под ред. Ю. Ф. Книжни-кова. - М. : Изд-во МГУ, 1995. - 240 с.
6. Электронная карта «Байкальская природная территория. М-б 1 : 1 000 000 [Электронный ресурс]. - Режим доступа : http://geol.irk.ru/baikal/.
7. Электронная карта «Природные ландшафты и их использование» // Природные ресурсы, хозяйство и население Байкальского региона. Серия из 100 карт. CD диск. - Иркутск : Издательство Института географии им. В. Б. Сочавы СО РАН, 2009.
8. Книжников Ю. Ф., Кравцова В. И., Тутубалина О. В. Аэрокосмические методы географических исследований : учеб. для студ. высш. учеб. заведений. - М. : Издательский центр «Академия», 2004. - 336 с.
9. Атмосферная коррекция по методу DOS [Электронный ресурс]. - Режим доступа: http:// www.gis-lab.info/qa/atcorr-dos.html.
10. Программный комплекс ENVI : учеб. пособие. - М. : Совзонд, 2011. - 315 с.
11. Лурье И. К. Геоинформационное картографирование. Методы геоинформатики и цифровой обработки космических снимков : учебник. - М. : КДУ, 2008. - 424 с.
12. Лисьев В. П. Теория вероятности и математическая статистика : учеб. пособие. -М., 2006. - 199 с.
Получено 08.02.2017
© Ю. Г. Никитина, Б. Н. Олзоев, 2017
Вестник CTyTuT, Tom 22, № 2, 2017
MAPPING OF LANDSCAPE STRUCTURE OF OLHKHON ISLAND AND PRIOLHKHON REGION BY MULTI-TEMPORAL SATELLITE IMAGES LANDSAT
Yulia G. Nikitina
Irkutsk National Research Technical University, 664074, Russia, Irkutsk, 83 Lermontov St., Applicant, Department of Mine Surveying and Geodesy, phone: (395-2)40-51-02, e-mail: yul-nikitina@mail.ru
Boris N. Olzoev
Irkutsk National Research Technical University, 664074, Russia, Irkutsk, 83 Lermontov St., Ph. D., Associate Professor, Department of Mine Surveying and Geodesy, phone: (395-2)40-51-02, e-mail: bnolzoev@yandex.ru
Set and achieved the aim of the study: the information obtained on the structural variation landscape of a forest compartment using satellite images and displays it on the map. While this definition: "spatial-temporal structure of the landscape, "structural variability of a landscape."
The article suggests a methodology and the technological scheme of GIS-based mapping of the structural variability of the landscapes of Baikal national Park based on automated interpretation of multispectral satellite images of Landsat. During the work the following methods were used: processing and interpretation of multi-temporal satellite imagery, GIS processing, statistical analysis, comparison of the results.
The calculated sum of squares and weighted percentages of areas classes change in each landscape partition. Also reviewed content created maps: "Map of NDVI changes in the landscapes of Olkhon island and Preagonal the period of 2009-2015", "Map weighted average of the structural variability of the landscapes of Olkhon island and Olkhon region in the period 2009-2015".
It is concluded that multi-temporal space images of medium resolution provide the ability to perform spatial-temporal analysis of the condition of the landscape.
Key words: the structural variability of landscapes, the weighted average percentage, automated processing and interpretation of space images, the method and technological scheme of GIS mapping, maps contents, Pribaikalsky National Park.
REFERENCES
1. Solntsev, N. A. (2001). Uchenie o landshafte (izbrannye trudy) [The doctrine of the landscape (selectedworks)]. Moscow: MGU [in Russian].
2. Osobo ohranjaemye prirodnye territorii Irkutskoj oblasti i Baikal'skogo regiona [Specially protected natural areas in Irkutsk region and the Baikal region]. (n. d.). Retrieved from: http://www.irkobl.ru/sites/baikal/monitoring/kadastr/oopt/ [in Russian]
3. Nikitina, Yu. G., & Olzoev, B. N. (2014). Space image-based study of Baikal region landscape anthropogenic transformation (by example of Olkhon island). Vestnik IrGTU [Vestnik ISTU], 2, 67-74 [in Russian].
4. Nikitina, Yu. G., Olzoev, B. N., & Plastinin, L. A. (2015). Development of the man impact map content on Pribaikalsky national park's landscapes. Izvestia vuzov. Geodezija i ajerofotosemka [Izvestia Vuzov. Geodesy andAerophotography], 5/C, 211-217 [in Russian].
5. Kravtsova, V. I. (1995). Kosmicheskie metody kartografirovanija [Space methods mapping] . Moscow: MGU [in Russian].
6. Jelektronnaja karta "Baikal'skaja prirodnaja territorija. M-b 1 : 1 000 000" [Electronic map "The Baikal natural territory. Scale 1 : 1 000 000"]. (n. d.). Retrieved from: http://geol.irk.ru/ baikal/ [in Russian].
7. Electronic card "Natural landscapes and their use". (2009). In "Prirodnye resursy, hozjajstvo i naselenie Baikal'skogo regiona. Serija iz 100 kart". CD disk ["Natural resources, economy and population of the Baikal region. A series of 100 maps". CD]. Irkutsk: V. B. Sochava Institute of Geography SB RAS [in Russian].
8. Knizhnikov, Yu. F. (2004). Aerokosmicheskie metody geograficheskih issledovanij: [Aerospace methods of geographical research]. Moscow: Akademiya [in Russian].
9. Atmosfernaja korrekcija po metodu DOS [Atmospheric correction by the method of DOS]. (n. d.). Retrieved from: http:// www.gis-lab.info/qa/atcorr-dos.html [in Russian].
10. Programmnyj kompleks ENVI [The software package ENVI]. (2011). Moscow: Sovzond [in Russian].
11. Lur'e, I. K. (2008). Geoinformacionnoe kartografirovanie. Metody geoinformatiki i cifrovoj obrabotki kosmicheskih snimkov [GIS mapping. Geoinformatics and digital processing of space images methods]. Moscow: KDU [in Russian].
12. Lis'ev, V. P. (2006). Teorija verojatnosti i matematicheskaja statistika [Probability theory and mathematical statistics]. Moscow [in Russian].
Received 08.02.2017
© Yu. G. Nikitina, B. N. Olzoev, 2017
