CC BY
64
Павлова А.И.
Новосибирский государственный университет экономики и управления (НГУЭУ) г.Новосибирск, к.т.н., доцент кафедры прикладных информационных технологий
pavlova ann2014@ mail.ru
Применение нейронной экспертной системы и ГИС для классификации эрозионных земель
КЛЮЧЕВЫЕ СЛОВА
Геоинформационные системы, искусственные нейронные сети, эрозионные земли, агроэкологические группы земель.
АННОТАЦИЯ
В статье предложен методический подход классификации эрозионных земель, основанный на использовании нейронной экспертной системы, интегрированной с ГИС.
Современные задачи в области автоматизированной агроэкологической оценки земель сельскохозяйственного назначения связаны с обработкой больших объемов тематически ориентированной информации, а также со сложностью построения математической модели объекта исследования. При классификации различных таксономических единиц в системе агроэкологической оценки земель исследователь вынужден иметь дело с нечеткостью информации, поскольку доступные источники интерпретируются в большинстве случаев качественно и неопределенно. Поэтому выделение агроэкологических групп земель с помощью общепринятых количественных методов анализа данных представляется недостаточным.
В связи с этим исследования, связанные с развитием и использованием в прикладных целях гибридных интеллектуальных систем, являются актуальными. Особенность таких систем состоит в интеграции различных технологий обработки информации, представляющих собой синтез геоинформационных и экспертных систем, а также искусственных нейронных сетей [1-3]. Среди множества задач, решаемых с помощью искусственных нейронных сетей в различных областях человеческой деятельности, выделяют классификацию, прогнозирование, принятие решений, распознавание образов, ассоциативную память, снижение размерности данных и др. [4-8].
В настоящей работе предложен подход, основанный на использовании нейронной экспертной системы (НЭС), интегрированной с ГИС. Он реализован в задачах классификации эрозионных земель при региональном картографировании.
Исходными материалами служили: космические снимки Landsat-7
ETM+, топографическая карта М 1:100 000 (разработана ЗападноСибирским филиалом ФГУП "Госземкадастрсъемка" ВИСХАГИ); почвенная карта (М 1:600000), карта природно-сельскохозяйственного районирования (М 1:400 000), результаты научных исследований на территорию Омской области.
В работе предложен подход классификации эрозионных земель, который состоит из взаимосвязанных этапов:
1. Предварительная тематическая обработка космических снимков с выделением ландшафтных выделов (контуров) на исследуемой территории;
2. Формирование ГИС территории, путем интеграции различных материалов в виде растровых и векторных слоев;
3. Сбор и систематизация научных исследований для формирования шкал оценок степени развития эрозионных процессов;
4. Разработка картографической базы знаний (БЗ);
5. Интегрирование полученных знаний о территории и выполнение вычислительных экспериментов по обучению НЭС;
6. Использование обученной НЭС для классификации земель и отображение результатов;
7. Оформление электронных карт эрозионных земель с соответствующими базами данных.
Распознавание космических снимков осуществлялась методами визуального и автоматического дешифрирования с помощью программного комплекса ENVI. Это позволило составить карту ландшафтных контуров в векторном формате ГИС MapInfo (MapInfo Professional). Результаты дешифрирования позволили изучить структуру ландшафтов и почвенного покрова, определить масштабы сельскохозяйственного освоения территории.
В дальнейшем разработана ГИС-территории путем интегрирования данных через пространственную и атрибутивную составляющие в виде космической информации, топографической и тематических карт. В структуре ГИС выделены тематические слои с атрибутивными базами данных:
- карта элементарных операционно-территориальных единиц (ОТЕ);
- топографическая карта в виде тематических слоев с отражением сведений об административном делении области, населенных пунктах, объектах гидрографии и растительности и др.;
- почвенная карта;
- карта почвообразующих пород;
- карта эрозионного районирования;
- морфометрические карты рельефа в виде тематических слоев (уклонов, базисов эрозии, расчленения гидрографической и долинно-балочной сетью, озерно-западинными формами рельефа, экспозиции склонов) [9-10].
Для построения шкал оценок степени развития эрозионных процессов использованы литературные данные [11-13]. Дополнительно привлечены сведения морфометрического анализа рельефа, полученные автором в работах [9-10]. Это позволило сформировать БД шкал оценок по следующим показателям: угол наклона рельефа, горизонтальное расчленение рельефа, глубина базиса эрозии, расчленение западинными формами рельефа, длина и экспозиция склонов, почвообразующие породы, величина потенциального смыва почв (табл. 2).
Таблица 1
Фрагмент частных шкал оценок по степени проявления отдельных _признаков для классификации эрозионных земель_
Градации по горизонтальному расчленению рельефа, км/км2 Степень расчленения территории линейными формами рельефа Группа земель
0-0,3 нерасчлененные
0,3-0,5 слаборасчлененные слабоэрозионные
0,5-1,0 среднерасчлененные среднеэрозионные
1,0-1,5 сильнорасчлененные сильноэрозионные
Более 1,5 очень очень
сильнорасчлененные сильноэрозионные
Градации по глубине местных базисов Степень расчленения территории по базисам
эрозии, м эрозии
менее 5 нерасчлененные не эрозионные
5-20 слаборасчлененные слабоэрозионные
20-40 среднерасчлененные среднеэрозионные
40-50 глубокорасчлененные сильноэрозионные
Более 50 очень очень
глубокорасчлененные сильноэрозионные
Тематические наборы показателей описаны в таблицах частных шкал оценок с ранжированием порогов ограничений. Данные таблицы включают знания экспертов и хранятся в БД Microsoft Access.
Этап разработки картографической БЗ для целей классификации формируется при использовании тематических слоев ГИС при их послойном наложении. Структура БЗ формируется согласно критериям классификации земель: угол наклона рельефа (Ki), горизонтальное расчленение рельефа (К2), глубина базиса эрозии (Кз), расчленение западинными формами рельефа (К4), длина (К5) и экспозиция склонов (Кб), почвообразующие породы (К7), величина потенциального смыва почв (Кв) (табл. 2).
В структуре БЗ определено поле, содержащее уникальный идентификатор (ID), указывающий номер операционно-территориальной
единицы (ОТЕ). Этот идентификатор задается автоматически и служит для отображения классификации на карте.
Таблица 2
Фрагмент базь1 знаний, используемой для обучения НЭС
Горизо Глуб Угол
н- тально Огра ни-чени я для К1 ина базис Огр ани накл она Огра ни-чени я для К3
ш е расчлен ов эроз чен ия релье фа Группа земель
ение ии для (К),
(К1), км/км2 (К), м К2 граду сы
4 0,67 0,30,5 5 5-10 0°49' Мене е 0,5 Слабоэрозионные
11 0,93 0,51,0 15 1020 2°45' 1,5-3 Средне-эрозионные
43 1,82 1,52,0 45 2050 4°08' 1,5-3 Сильноэрозионные
59 1,23 1,52,0 35 2050 3°09' 1,5-3 Сильноэрозионные
Пространственно-координатная привязка результатов обучения НЭС связана с операционно-территориальными единицами (ОТЕ), в качестве которых используют ячейки регулярной или нерегулярной сетки [14-16]. В работе территориальная привязка результатов обучения НЭС осуществлялась через геотопы, образующие в пространстве сеть нерегулярных контуров. По существу геотоп представляет собой элементарный участок земной поверхности, обладающий в достаточной мере неизменными характеристиками (уклон, подстилающие породы, экспозиция склонов) [17-18]. Поэтому с помощью инструментария ГИС выполнено разделение земной поверхности предварительно на генетические поверхности, а затем на элементарные участки, или геотопы.
В результате морфодинамического анализа на изучаемой территории установлены генетические типы поверхностей и соответствующие им элементы мезорельефа (табл.3).
Таблица 3
Генетический тип поверхности Формы рельефа
Пойма реки Иртыш Основные поверхности пойменных площадок
Первая надпойменная терраса Основная поверхность террасовой площадки, западины, обширные депрессии, ложбины
Вторая надпойменная терраса Основная поверхность террасовой площадки, западины
Третья надпойменная терраса Основная поверхность террасовой
площадки, западины, приречные склоны
Плоская водораздельная равнина Обширные депрессии с озерами
Полого-увалистая равнина Гривы и межгривные понижения
Для детализации генетических поверхностей на элементарные участки предварительно создана карта пластики рельефа путем установления точек нулевой плановой кривизны и соединения их изолинией — морфоизографой. Морфоизографы разделяют изучаемое пространство на две плоскости повышения (потоковые структуры) выпуклости и понижения (вогнутости). Эти структуры образуют систему естественных ареалов, динамических потоков [19-20]. При этом каждый такой поток имеет начальную точку (репеллер), а его концевые части всегда «устремлены» к самым низким точкам (или линиям) бассейна стока — аттракторам.
Использование метода пластики рельефа и морфометрических карт позволило более объективно выделить структурные линии рельефа для картографирования элементарных поверхностей. Пространственная структура геотопов образует инвариант геосистемы, относительно устойчивый каркас, определяющий пространственно-временной набор процессов, распределения и перераспределения важнейших потоков (тепла, влаги, минеральных и химических веществ).
Математическая постановка задачи классификации. Исходная информация об изучаемой территории, поступающая на входы нейронной экспертной системы представляется в виде двумерной матрицы R размерности nxm, т.е. R={xij} (i=1,2... n, где n — число строк в БД или число ОТЕ; j= 1,2...m, где m — количество полей БЗ, или количество тематических свойств).
Отдельная ОТЕ описывается в виде вектора данных по набору тематических свойств объектов, используемых при классификации: K = {Kj}, представляет собой множество критериев оценки состояния объекта исследования.
По каждому критерию К имеется шкала оценки с порогами ограничений, задаваемая экспертами, и считается определённым некоторое множество возможных оценок. Оценки упорядочены по убыванию характерности признака, которое определяется экспертами на этапе составления частных шкал оценок и отвечает целевому критерию задачи классификации.
Целевой критерий задачи классификации сводится к отнесению каждой ОТЕ к одному из заданных классов решений (Ci — не эрозионные земли, С2 — слабоэрозионные, Сз — среднеэрозионные, С4 — сильноэрозионные и С5 — очень сильно эрозионные). Процесс обучения
многослойного персептрона является итеративным для каждой группы эрозионных земель и реализован с помощью SPSS Statistics (Statistical Package for the Social Sciences).
По структуре, разработанная НЭС, реализует многослойный персептрон с двумя скрытыми слоями. Каждый вектор входных данных используемых для обучения нейронной сети задавался следующим образом
Km= iKj} =(Ki, K2, K3, K4, K5, Кб, K7,KB), (2) где — значение показателя из набора признаков, ранжированных по порогам ограничений.
Для обучения сети использовался алгоритм обратного распространения ошибки, как наиболее эффективный при обучении многослойного персептрона. Использована также непрерывная
униполярная сигмоидальная функции активации следующего вида:
f(s)=^, (3)
где a — коэффициент, характеризующий крутизну сигмоидальной функции. Путем экспериментальных исследований данный коэффициент установлен равным 0,5.
В результате исследований составлены карты эрозионных земель, на рис.1 представлен фрагмент цифровой карты эрозионных земель южнотаежной лесной подзоны территории Омской области в междуречье рек Иртыш и Уй, расположенном на юго-восточном склоне Васюганского плато.
.................................ШшшЖтт
ш
я
г"1::::::::: ШШ^^Шл^ШМ^Ш
[11111 не эрозионные I I среднеэрозионные
ШШ слабоэрозионные | сильноэрозионные
Рис. 1. Фрагмент карты агроэкологической группировки эрозионных земель
(М 1:50 000)
В рельефе территории преобладают плоские и слабовыпуклые водораздельные равнины и увалы. Здесь преимущественно развиты глееподзолистые и болотные (болотные верховые и низинные торфяные, болотные низинные торфянисто- и торфянисто-глеевые, подстилаемые озерно-болотными отложениями), подзолистые и дерново-подзолистые
почвы.
Слабоэрозионные земли выделены на приречных склонах с незначительными углами наклона (до 2 градусов, при небольших базисах эрозии до 10-15 м, смыв почв составляет до 5 т/га в год).
Среднеэрозионные земли классифицированы как участки, прилегающие к средней части приречных склонов с углами наклона рельефа от 3 до 6 градусов, глубиной базисов эрозии до 30 м, потенциальным смывом почв от 10 до 15 т/га.
Сильэрозионные земли выделяются в средней и нижних частях склонов. Земли характеризуются следующими показателями: значительно расчленены базисами эрозии (от 30 до 50 м), углы наклона рельефа (от 5 до 7 градусов), смыв почв может достигать до 20 т/га.
Очень сильноэрозионные встречаются преимущественно по нижним частям склонов. Углы наклона рельефа могут превышать 9 градусов, базисы эрозии составляют более 50 метров, смыв почв более 20 т/га.
Таким образом, в результате исследований разработан подход для задачи классификации эрозионных земель. Особенность подхода состоит в интегрированном использовании ГИС и НЭС. Процесс агроэкологической группировки земель по существу является итерационным и сводится к необходимости выделения ОТЕ, разработке частных шкал оценок, формирование базы знаний для обучения НЭС, обучение сети и отображение результатов на карте. Сведения, получаемые в результате классификации эрозионных земель, могут быть использованы для создания региональных нормативов эрозионных земель и дополнены сведениями о структуре почвенного покрова, качественной оценкой земель.
Литература
1. Гаврилов А.В. Гибридные интеллектуальные системы. — Новосибирск: НГТУ 2003. — 163 с.
2. Колесников А.В. Гибридные интеллектуальные системы: теория и технология разработки. — СПб.: Изд-во СПбГТУ 2001. — 710 с.
3. Гибридные нейросетевые методы моделирования сложных объектов / А. А. Усков [и др.].Смоленск: Смоленский филиал Российского ун-та кооперации, 2011. — 131 с.
4. Круглов В.В., Дли М. И., Голунов Р. Ю. Нечёткая логика и искусственные нейронные сети. — М.: Физматлит, 2001. — 221 с.
5. Хайкин С. Нейронные сети. Полный курс: пер. с англ. — 2-е изд. — М.: ИД Вильямс, 2006. -1103с.
6. Комарцова Л.Г. Использование нейросетевых методов для решения задач проектирования вычислительных систем. — М.: МГТУ, 2000. — 70 с.
7. 7. Барский А. Б. Нейронные сети: распознавание, управление, принятие решений. — М.: Финансы и статистика, 2007. — 175 с.
8. Каллан Р. Основные концепции нейронных сетей. — М.: ИД Вильямс, 2003. — 287 с.
9. Application of Automated Geoimage analysis methods for Agro-Ecological Assessment of Lands / Kalichkin V.K., Pavlova A.I. // Bulg. Journ. of Agric. Sci. — 2011. — V.17. — № 5. — РР. 649-654.
10. Павлова А.И. Морфометрический анализ рельефа с помощью ГИС // Интерэкспо ГеоСибирь -2013 IX междунар. науч. Конгресс (16-26 апреля 2013 г., Новосибирск). Сб. матер в 4 т. Т4. — Новосибирск: СГГА, 2013. — С. 166-170.
11. Рейнгард Я.Р. Деградация почв экосистем юга Западной Сибири. — Омск, ОмГАУ Лодзь
[Польша], 2009. — 634 c.
12. Рейнгард Я.Р. Эрозия почв и изменение почвенного покрова Омской области. — Омск: Вариант, 2011. -205 с.
13. Ларионов Г.А. Эрозия и дефляция почв: основные закономерности и количественные оценки. — М.: МГУ, 1993. — 200 с.
14. Кирпичева Е.Ю., Кузнецов В.В. Методика геолого-прогнозного моделирования // Геоинформатика. — 2006. — № 2. — С. 58-61.
15. Кирпичева Е.Ю. Решение геолого-прогнозных задач на основе базы экспертных знаний о поисковых признаках эталонных объектов // Sanse.ru: электрон. журнал «Системный анализ в науке и образовании». 2009. Вып. 4. URL: http: http://www.sanse.ru (дата обращения: 15.01.2014 г.)
16. Тикунов В.С. Классификация в географии: ренессанс или увядание? (опыт формализованных классификаций). — М.-Смоленск: Смоленский ун-т, 1997. — 367 с.
17. Ласточкин А.Н. Морфодинамический анализ.- Л.: Недра, 1987. — 256 с.
18. Ласточкин А.Н. Системно-морфологическое основание наук о Земле: (Геотопология, структур. география и общ. теория геосистем). — СПб. : СПбГУ 2002. — 762 с.
19. Степанов И.Н. Теория пластики рельефа и новые тематические карты. — М.: Наука, 2006. — 230 с.
20. Степанов И.Н. Потоки карт пластики рельефа — формализованные экологические системы // Материалы конференции «Математическое моделирование в экологии» ЭкоМатМод-2009, г. Пущино, Россия.- С.262-263.
