CC BY
31
Научно-технические разработки
УДК 614.8
С.Г. Дорошенко, Е.В. Щербенко, к.с.-х.н.
ОПРЕДЕЛЕНИЕ УЩЕРБА, НАНЕСЕННОГО ПАВОДКОМ СЕЛЬСКОХОЗЯЙСТВЕННЫМ КУЛЬТУРАМ В ГУЛЬКЕВИЧСКОМ РАЙОНЕ КРАСНОДАРСКОГО КРАЯ
При наличии данных о прогнозируемой урожайности преобладающей с/х культуры в районе и стоимости 1 ц с/х продукции можно получить экспресс-оценку нанесенного паводком ущерба, выраженную в рублях
Е.В. Щербенко
На территории России наводнения являются наиболее разрушительными и часто происходящими (35 % от общей частоты возникновения опасных событий) природными ЧС. Угроза наводнений существует в России более чем для 40 городов и нескольких тысяч других населенных пунктов. Общая площадь пойменных земель, периодически затопляемых речными и озерными водами, составляет примерно 500 тыс. кв. км. Огромный материальный ущерб наносится сельскохозяйственным угодьям в результате ливневых дождей, при которых смываются, затапливаются и в результате этого гибнут сельскохозяйственные культуры. Среднестатистический ущерб от наводнений по стране составляет 3,25 млрд. долларов в год [1].
Традиционные методы сбора информации о площадях сельскохозяйственных культур, погибших в результате паводков, не отвечают современным требованиям, так как сбор необходимой информации только наземными данными занимает несколько недель, а иногда и месяцев. Оперативное получение необходимой информации может обеспечить только использование данных космических съемок, которые позволяют получить интересующую информацию в течение 1-3 дней. Большое значение при получении оценки ущерба потерь сельскохозяйственных культур от паводков имеет объективность получения такого результата, так как известно, что местные органы управления склонны эту оценку либо завышать, либо занижать в зависимости от сложившейся ситуации. Поэтому, объективная оценка ущерба может быть получена только от независимых источников, прежде всего по данным космических съемок. К тому же только космическая съемка, охватывающая большие территории, в состоянии обеспечить оптимальный обзор пострадавших от паводка районов, а значит получить более правильную оценку ущерба.
Цифровая обработка изображений необходима не только для более оперативного и объективного получения результатов; это также единственный способ выделить площади сельскохозяйственных культур с одинаковым состоянием и дать количественную оценку их состояния, а также выделить участки с одинаковой степенью затопления и дать количественную оценку затопления.
В статье проведена экспресс-оценка ущерба, нанесенного наводнением сельскохозяйственным культурам в Гулькевичском районе Краснодарского края. Для этого использовались два космических снимка, полученных со спутника «Landsat» (аппаратура ETM+) до и после наводнения, которые представлены на рис. 1 и
2, соответственно.
В работе предложен новый метод совместного дешифрирования двух изображений, основанный на анализе изменения спектральных кривых природных объектов. Площади погибших сельскохозяйственных культур и их географическая привязка вычисляются автоматически. При необходимости результаты распознавания могут быть представлены на растровой (векторной) топографической карте.
Рис. 1. Исходное космическое изображение территории Гулькевичскогорайона Краснодарского края
полученное с КА «ЬинёвШ» 21 июня 2002 г.
Рис. 2. Исходное космическое изображение территории Гулькевичского района Краснодарского края
полученное с КА «Landsat» 7 июля 2002 г.
Для проведения совместного дешифрирования двух изображений, необходимо добиться очень точного совмещения последних. Для этого использовался метод географической коррекции изображения по хорошо различимым опорным точкам. После этого было проведено распознавание природных объектов, отображенных на снимке, методом классификации ISODATA (кластерный анализ) без обучения [2]. При классификации для более точного выделения объектов задается 30 классов. Классификация ISODATA
применялась к космическому изображению, состоящему из 3, 4, 5 и 7 каналов аппаратуры ETM+ до паводка и тех же каналов после паводка (всего восемь «каналов»). В результате кластерного анализа была получена кластерная схема с выделенными объектами и таблица статистик, в которой представлены средние значения кластеров (классов) для получения спектральных кривых объектов. Затем была проведена идентификация выделенных на кластерной схеме объектов методом анализа их спектральных кривых.
Научно-технические разработки
Научно-технические разработки
Для анализа выбирались только те объекты, спектральные кривые которых изменились в результате паводка. Для этого просматривалась спектральная кривая каждого кластера, визуально сравнивался ее ход в первых трех и последних трех слоях, соответствующих разным датам съемки. Если ход спектральной кривой не изменился, значит не изменилось и состояние природного объекта. К таким объектам относятся леса, населенные пункты, некоторые сельскохозяйственные поля. Открытые почвы, подтопленные в результате паводка, не относятся к объекту-ам оценки и не выбираются. Если ход спектральной кривой класса изменился, то определяется, был ли этот объект растительностью. Отбираются только те классы, которые соответствуют погибшей растительности после паводка, т.е. имеющие характерный для растительности ход кривой до паводка и характерный для открытой (мокрой, частично или полностью затопленной или подтопленной) почвы ход спектральной кривой после паводка.
На рис. 3 представлены спектральные кривые сельскохозяйственных полей с погибшими после паводка культурами. Видно, что до паводка (1-3 слои) спектральные кривые соответствуют зеленой растительности с разным проективным покрытием, т.е. в разном состоянии. После паводка (4-6 слои) спектральные кривые соответствуют мокрой почве, что говорит о том, что как раз эти объекты изменили
свое состояние, т.е. были растительностью, а стали почвами. Принимая во внимание, что космические снимки имеют небольшой временной разброс, можно сделать вывод, что эти изменения носят не естественно-природный характер, а обусловлены влиянием чрезвычайной ситуации.
По падению спектральной кривой можно также судить о степени затопления и подтопления территории, но в данном случае это не имеет большого значения, так как наличие воды на поверхности почвы означает, что все находящиеся на этом участке культуры погибли.
Состояние сельскохозяйственных культур до паводка можно оценить по величине проективного покрытия. Известно, что нормализованный вегетационный индекс (NDVI) линейно связан с проективным покрытием почвы растительностью [3, 4]. Поэтому для выявления количественной характеристики растительного покрова (его проективного покрытия) необходимо вычислить нормализованный вегетационный индекс. В качестве входных параметров служат средние значения кластеров, отобранных как «сельскохозяйственные объекты, пострадавшие от паводка». Выражение проективного покрытия в качественном виде нужно для получения оценочных значений количества прогнозируемого урожая с единицы площади. Более точные расчеты в данном случае нецелесообразны.
Рис. 3. Спектральные кривые сельскохозяйственных угодий, изменивших свое состояние в результате паводка
После выявления погибшей с/х растительности, находившейся до паводка в том или ином состоянии, были определены площади погибших с/х культур, которые непосредственно используются при оценке ущерба.
Ущерб, нанесенный сельскохозяйственным культурам в результате паводка, в денежном эквиваленте (руб.) равен количеству прогнозируемого с этой территории урожая (ц), умноженный на стоимость 1 ц. с/х продукции (руб./ц).
и = DC,
где: D — прогнозируемый урожай до паводка с затопленной площади (ц), С — стоимость 1 ц с/х продукции (руб./ц). Прогнозируемый с затопленной
площади урожай Б равен сумме площади каждого участка (га) с разным состоянием сельскохозяйственных культур, умноженного на прогнозируемый урожай с этой площади Р. (ц/га):
-“и
На рис. 4 представлен итоговый результат экспресс-оценки ущерба от паводка.
При наличии данных о прогнозируемой урожайности преобладающей с/х культуры в районе и стоимости 1 ц с/х продукции можно получить экспресс-оценку ущерба, выраженную в рублях.
Рис. 4. Выявление сельскохозяйственной растительности на территории Гулькевичского района Краснодарского края, погибшей в результате паводка 20.06.02 — 02.07.02. Распознавание по методу ISODATA (ERDAS Imagine)
Литература
1. Воробьев Ю.Л., Локтионов Н.И., Фалеев М.И., Шахраманьян М.А., Шойгу С.К., Шолох В.П. Катастрофы и человек. Книга 1. Российский опыт противодействия чрезвычайным ситуациям. — М.: «Издательство АСТ-ЛТД», 1997. - 255 с.
2. ERDAS Field Guide. Fourth Edition, Revised and Expanded. ERDAS, Inc. Atlanta, Georgia. — 1997, 655 p.
3. Виноградов Б.В. Дистанционное измерение фитомассы. Исследование Земли из космоса. — 1982. — № 5. — С. 36-45.
4. Huete A.R., Jackson R.D., Post D.F. Spectral response of a plant canopy with different soil backgrounds // Remote Sensing of Environmental. — 1985. — Vol. 17. — No 1. — Р. 37-54.
Научно-технические разработки
