CC BY
22УДК 502.568: 577.4
опыт дистанционного мониторинга
степных ландшафтов в районах нефтепромыслов
на основе снимков landsat К.В. Мячина
Федеральное государственное бюджетное учреждение науки
Институт степи Уральского отделения Российской академии наук, Оренбург, Россия
Исследована возможность использования космических снимков среднего пространственного разрешения для оценки показателей трансформации степных ландшафтов в районах нефтепромыслов. Показано, что на территории, значительная часть которой используется в сельском хозяйстве, в большинстве случаев представляется возможным определить наличие объектов в границах нефтяных и газовых месторождений, однако является затруднительным с достаточной степенью точности оценить плотность скважин и количество узловых сооружений нефтепромыслов.
In this article a possibility to use medium resolution satellite imagery to evaluate the transformation of steppe's oil-fields are described. It is possible to define the presence of manmade objects in the borders of the oil and gas fieldsin the territory mainly used for agricultural purposes. However, it is difficult to define the density of drills and the number of nodal structures of oil and gas fields using only satellite imagery within the agricultural territories.
В районах развития нефтегазодобывающей инфраструктуры Оренбургской области складывается специфическая экологическая ситуация, образуется особый тип техногенных экосистем, природные компоненты которых подвергаются многообразным интенсивным нагрузкам,влияющимнаспособностьландшафтовкэффективномувыполнениюнеобходимых экологических функций. При этом, используя исключительно традиционные наземные методы исследований, сложно организовать необходимый уровень геоэкологического мониторинга обширных площадей в районах нефтегазодобывающего производства. В частности, достаточно затруднительно выявить реальное количество ландшафтов, измененных и нарушенных в процессе внедрения объектов нефтяных промыслов. С целью решения указанной задачи в настоящее время для нефтегазодобывающих территорий Оренбургской области, наряду с традиционными наземными методами наблюдения, используются данные дистанционного зондирования. В частности, выполняется оценка возможности использования космических снимков среднего пространственного разрешения со спутников Landsat (TM, ETM, OLI) для оценки показателей, определяющих величину техногенной нагрузки в нефтегазодобывающих районах [1, 3, 4, 5]. Так, сделана попытка выявления объектов инфраструктуры нефтегазовых промыслов и земель, нарушенных в результате их функционирования, на основе применения автоматической неконтролируемой классификации разновременных космических изображений [5]. В качестве ключевого участка была выбрана территория в границах Бобровского нефтяного месторождения, расположенного на границе Бузулукского и Курманаевского административных районов Оренбургской области. Бобровское месторождение находится в разработке более 40 лет, является одним из самых крупных нефтяных месторождений региона, занимает площадь более 100 км2 и обладает инфраструктурой высокой плотности: более 250 скважин, наличие узловых сооружений и трубопроводов, многочисленные полевые дороги, соединяющие объекты месторождения. Ландшафты Бобровского месторождения характеризуются внушительным объемом техногенного вмешательства, способствующего значительной трансформации природных комплексов.
В качестве исходных данных использовался космический снимок со спутника Landsat-5 (сканер TM) c пространственным разрешением 30 м с датой съемки 13.06.2009 г. Для дешифрирования изображения использован программный комплекс ERDAS Imagine, в частности, метод неконтролируемой классификации Isodata. Наиболее приемлемые результаты были получены при первоначальном разбиении пикселей космического
снимка на 70 классов, с дальнейшим выявлением и объединением классов, относящихся к классу «Инфраструктура» (рисунок 1). Основную часть объектов инфраструктуры месторождения составляют кустовые площадки добывающих скважин, а также площадки нагнетательных и законсервированных скважин, факельных установок, технологических объектов, цеха добычи нефти и газа и др. Кроме того к классу «Инфраструктура» были отнесены дороги и коммуникации. Верификация результатов дешифрирования указанных объектов инфраструктуры Бобровского нефтяного месторождения, за исключением дорог и коммуникаций, производилась по векторному слою, содержащему 462 объекта (рисунок 2), который был получен ручной оцифровкой данных космических снимков высокого пространственного разрешения, представленных в программе GoogleEarth.
555000.000 558000.000 561000.000 564000.000 567000.000 570000.000 573000.000 576000.000
и 555000.000 558000.000 561000.000 564000.000 567000.000 570000.000 573000.000 576000.000 Я
Рисунок 1. Результаты классификации фрагмента космического снимка Landsat-5 территории Бобровского месторождения.
Точность распознавания объектов инфраструктуры Бобровского нефтяного месторождения с использованием метода неконтролируемой классификации Isodata составила 56%. Столь низкая точность обусловлена тем, что часть пикселей, отображающих объекты инфраструктуры, попало в классы, которые также содержат значительное количество пикселей, относящихся к территориям, нарушенным в результате сельскохозяйственного освоения. Т.е. указанные пиксели имеют практически идентичные спектральные яркости, что также затрудняет применение методов классификации с обучением.
Далее, задача выявления реального количества ландшафтов, измененных и нарушенных в процессе внедрения объектов инфраструктуры нефтяных промыслов, решалась путем расчета индексов отношений спектральных яркостей космических изображений [4]. Территории, находящиеся в процессе интенсивного недропользования, отличаются угнетенным или отсутствующим растительным покровом, что позволило авторам из большого многообразия спектральных индексов выбрать ряд тех, которые помогают дешифрировать обнаженные участки земной поверхности: Bare Soil Index, Land Degradation Index в 2-х вариациях: на основе NDVI, и на основе канала «влажность» трансформации
Tasseled Cap, TopSoil Grain Size Index. Анализ и расчет индексов были произведены для сцены Landsat-7ETM+ от 15 мая 2013 года, включающей исследуемую территорию. Для вычисления индексов по указанной сцене Landsat применялось ПО Exelis ENVI. Затем, в среде ArcGIS каждому объекту были присвоены значения соответствующих пикселов из результирующих изображений рассчитанных индексов. Для полученных массивов значений каждого индекса рассчитаны медиана, верхняя и нижняя квартили. Значения последних послужили границами значимых диапазонов внутри каждого изучаемого индекса. Диапазон, определенный статистическими методами, был выделен из общего растра каждого индекса и переведен в векторную форму. Верификация вычислений производилась по тому же векторному слою, содержащему 462 объекта инфраструктуры Бобровского нефтяного месторождения (рисунок 2).
Спутниковое изображение изучаемой территории
© Обьекты инфраструктуры месторождения Границы месторождения
Рисунок 2. Объекты инфраструктуры Бобровского нефтяного месторождения, идентифицированные в процессе ручной оцифровки данных Google Earth (задний план - снимок Landsat-5TM, визуализация RGB 4-3-2).
Результаты сравнения индексов BSI, LDI-NDVI и LDI-TCW показывают разную точность распознавания объектов нефтяной инфраструктуры (таблица 1).
Таблица 1
Процент совпадений объектов инфраструктуры и территорий, выделенных
идексами
Количество скважин внутри значимого диапазона индекса Доля совпадения, в %
BSI 308 66,66666667
LDI NDVI 242 52,38095238
LDI TCW 229 49,56709957
Всего скважин 462
Относительно невысокая точность распознавания связана, по нашему мнению, в первую очередь с активным сельскохозяйственным использованием земель на территории месторождения. Как видно на рисунке 2, значительная часть скважин находится внутри площадей сельскохозяйственных посевов. Стоит также учитывать тот факт, что значительная часть объектов имеет небольшие размеры (100-200 м2), поэтому даже их визуальное распознавание на спутниковых снимках среднего разрешения (Landsat - пространственное разрешение 30 м) не является абсолютно достоверным. Такое пространственное разрешение обеспечивает точность данных Landsat в масштабе до 1:200 000. Исходя из этих соображений, процент совпадения результатов BSI и данных контрольного слоя (67%) можно считать удовлетворительным для поставленной задачи.
Наличие полей, которые подвергаются сезонной обработке (распашка, боронение, парование, химическая обработка сорняков) приводит к тому, что доля обнаженных земель, спектральный ответ которых аналогичен таковому промышленных территорий, значительно возрастает и вносит ощутимую путаницу в распознавание объектов антропогенной инфраструктуры. При использовании сходных методов обработки спутниковой информации в условиях, например, тундры, растительный покров которой отличается равномерностью, стабильностью и высокой степенью уязвимости (медленное возобновление после механического повреждения) была достигнута весьма высокая степень точности дешифрирования промышленных объектов [2]. На рисунке 3 показан результат совмещения слоя оцифрованных объектов с результатами распознавания по наиболее информативному индексу - BSI. Хорошо видно, что существенная часть значимого диапазона индекса приходится именно на поля, лишенные растительного покрова, что обуславливает смешивание значений условных классов «объект нефтепромысла» и «пашня».
Индекс ВБ1
Рисунок 3. Распределение значимых диапазонов индекса BSI в границах месторождения.
Выводы
Преимуществами изучения ландшафтов на основе космических снимков являются масштабность исследований и возможность получения в процессе их дешифрирования архивной или оперативной информации о состоянии природных объектов. При этом, использование методов автоматической классификации снимков среднего пространственного разрешения практически не позволяет с достаточной точностью разделить ландшафты, нарушенные в результате двух видов природопользования: нефтегазодобычи и сельскохозяйственного освоения. Метод расчета отношений спектральных яркостей является более информативным, однако, и здесь нельзя однозначно утверждать, что причиной обнаруженных изменений является только процесс нефтегазодобычи. Поэтому, с целью повышения точности распознавания объектов нефтяной инфраструктуры представляется целесообразным вывести из расчетов площади, занятые сельскохозяйственными землями. Для этого авторы планируют провести анализ многолетней серии спутниковых изображений представленной территории и затем, сочетая вегетационные индексы с индексами деградации, получить точную маску сельскохозяйственных угодий. Применение указанной маски будет соответствовать поставленной задаче выведения площадей полей из расчетов.
Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (.14-05-31467- мол а «Применение данных дистанционного зондирования Земли для анализа степных ландшафтов Оренбургской области в районах нефтегазодобычи»).
Список литературы
1. Mjachina Ksenya V., Baynard Chris W., Chibilyev Alexandr A. Oil and gas development in the Orenburg region of the Volga-Ural steppe zone: qualifying and quantifying disturbance regimes // International Journal of Sustainable Development and World Ecology. -2013. - Latest articles. - P. 1-16.
- ISSN 1350-4509 (Print), 1745-2627. - (Online) Published online: 17. Dec.2013. URL: http://www. tandfonline.com/doi/full/10.1080/13504509.2013.867908
2. Елсаков В.В., Щанов В.М. Дистанционный мониторинг разновременных нарушений растительного покрова в районах добычи и транспортировки нефти // Современные проблемы дистанционного зондирования Земли из космоса. 2004. № 1. С. 152-155.
3. Мячина К.В., Дубровская С.А. Анализ динамики природно-техногенных комплексов нефтяного месторождения в Оренбургской области на основе использования неконтролируемой классификации космоснимков // Бюл. Оренб. науч. центра УрО РАН : науч. электрон. журн. - 2013.
- № 2. - URL : http://elmag.uran.ru.
4. Мячина К.В., Малахов Д.В. Опыт применения данных дистанционного зондирования среднего пространственного разрешения для выделения объектов нефтепромыслов в условиях техногенно-модифицированного ландшафта (на примере Оренбургской области) // Известия Самарского научного центра РАН. - 2013. - Т.15, №3 (7). - С. 2341-2345.
5. Мячина К.В., Токарева О.С. Геоэкологический анализ степных ландшафтов в районах нефтегазодобычи (на примере Оренбургской области) // Известия Томского политехнического университета. - 2014. - Т.324, №1. - С.196-202.
