CC BY
17
УДК 528.88
РАЗВИТИЕ МЕТОДА RST (ROBUST SATELLITE TECHNIQUE) ДЛЯ ВЫЯВЛЕНИЯ АНОМАЛИЙ ТЕМПЕРАТУРЫ ПОВЕРХНОСТИ НА ТЕРРИТОРИИ ГОРНОГО АЛТАЯ
Полина Владимировна Воронина
Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, кандидат физико-математических наук, научный сотрудник, тел. (383)330-78-26, е-mail: pol.voronina@gmail.com
Дмитрий Леонидович Чубаров
Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, научный сотрудник, тел. (383)334-91-15, е-mail: dchubarov@ict.nsc.ru
Николай Николаевич Добрецов
Институт геологии и минералогии им. В. С. Соболева СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Коптюга, 3, кандидат геолого-минералогических наук, ведущий научный сотрудник, тел. (383)330-76-37; Институт вычислительных технологий СО РАН, 630090, Россия, г. Новосибирск, пр. Академика Лаврентьева, 6, ведущий научный сотрудник, тел. (383)334-91-15, е-mail: nickdobretsov@gmail.com
Представлены результаты развития метода поиска статистических отклонений RST (Robust Satellite Technique) в пространственно-временных рядах спутниковых данных температуры поверхности Земли для территории Горного Алтая.
Ключевые слова: MODIS, обработка спутниковых данных, температура поверхности, температурные аномалии, статистические выбросы, метод RST (Robust Satellite Technique).
THE DEVELOPMENT OF RST (ROBUST SATELLITE TECHNIQUE) METHOD FOR DETECTION OF TEMPERATURE ANOMALIES ON THE TERRITORY OF MOUNTAIN ALTAI
Polina V. Voronina
Institute of Computational Technologies SB RAS, 6, Prospect Аkademik Lavrentiev St., Novosibirsk, 630090, Russia, Ph. D., Researcher, phone: (383)330-78-26, е-mail: pol.voronina@gmail.com
Dmitri L. Chubarov
Institute of Computational Technologies SB RAS, 6, Prospect Аkademik Lavrentiev St., Novosibirsk, 630090, Russia, Researcher, phone: (383)334-91-15, е-mail: dchubarov@ict.nsc.ru
Nikolay N. Dobretsov
V. S. Sobolev Institute of Geology and Mineralogy SB RAS, 3, Prospect Аkademik Koptyug St., Novosibirsk, 630090, Russia, Ph. D., Leading Researcher, phone: (383)330-76-37; Institute of Computational Technologies SB RAS, 6, Prospect Аkademik Lavrentiev St., Novosibirsk, 630090, Russia, Leading Researcher, phone: (383)334-91-15, е-mail: nickdobretsov@gmail.com
We present the results of the development of RST (Robust Satellite Technique) method to detect statistical deviations in spatial-time series of satellite land surface temperature data under the Altai Mountains.
Key words: MOIDS, satellite remote sensing data processing, Land Surface Temperature (LST), statistical deviations, method RST (Robust Satellite Technique).
Температура поверхности Земли представляет собой весьма интересный и значимый показатель состояния природных систем, на ее значение оказывают влияние биологические, химические процессы, протекающие как в приземном слое атмосферы, так и в коре Земли. Температура поверхности Земли, измеренная в ночное время, наименее зависит от неоднородности нагрева Солнцем в дневное время. Выбросы в пространственно-временных рядах данных температуры поверхности Земли связывают с катастрофическими природными явлениями, такими как лесные пожары, извержения вулканов, сейсмологические события.
Одним из способов определения выбросов в данных дистанционного зондирования является метод RST (Robust Satellite Techniques), предложенный в [1]. Этот метод применялся рядом исследователей для обнаружения аномальных отклонений температуры поверхности до и после сильных сейсмических событий [2-8].
Метод RST предназначен для проведения анализа пространственно-временных рядов спутниковых данных температуры поверхности с целью выявления статистических выбросов в этих рядах. С помощью метода RST выполнены исследования температурных режимов на различных территориях [2-7]. В основе метода лежит статистический анализ наборов спутниковых данных температуры земной поверхности для выделенной территории. Для того, чтобы исключить влияние сезонного хода температур и неоднородности рельефа данные преобразуются следующим образом: фиксируется временной интервал продолжительностью несколько десятков дней, содержащий исследуемое событие, извлекаются температуры в эти дни года за несколько предшествующих лет. Обычно рассматривается область на поверхности Земли, охватывающая основные геологические структуры, вовлеченные в современные процессы формирования поверхности. По выбранной области вычисляется индекс ij(r,t'), основным достоинством которого является то, что при выборе области и временного интервала подходящих размеров он позволяет исключить влияние вариаций температуры, вызванных климатическими процессами, неоднородностью рельефа и погодными условиями [8,9]:
r = (х, y) е D - географические координаты центра пикселя, T(r, t') -
В работе [9] был применен метод ЯБТ для сейсмически активной территории Горного Алтая по восстановленным по данным приборов МООТБ/Тегга зна-
^дт (r)
температура в момент времени в пикселе г, (Т (г, ? ^ - среднее по области значение температуры, (АТ(г, ?- среднее по времени значение температуры в пикселе г, сАТ (г) - среднеквадратичное отклонение Т(г,^) от (АТ(г, ?')) .
чениям ночных температур. Это восстановление проводится на основе двухка-нального (31 и 32 каналы сенсора MODIS) алгоритма [10] и содержится в продуктах MOD11. Были отмечены следующие факторы: Во-первых, пространственно-временные ряды ночных температур содержат пропуски, количество ко -торых для отдельных участков оказывается более 200 в течение календарного года. Пропуски вызваны либо облачностью в момент пролета спутника, либо какими-то нарушениями во время съемки. К сожалению, спонтанно проявляющаяся облачность не дает возможности судить о продолжительности и/или интенсивности аномалий. Во-вторых, количество и интенсивность аномалий очень сильно зависит от особенностей территории.
В качестве исходных данных для метода RST использовались значения ночных температур за период с 1 января по 31 декабря в течение 2001-2005 гг.
Требуемые данные организованы в виде файлового архива, к которому на основе технологии ИУаик осуществляется доступ как к реляционной СУБД [8], извлечение и преобразование данных происходит с помощью SQL-запросов.
На рис. 1 изображена область исследования. Это территория Горного Алтая со сложным геологическим строением, с высокой сейсмической активностью. Контур области Б выделен красным цветом, звездочкой отмечен эпицентр Чуйского землетрясения, произошедшего 27 сентября 2003 г.
87°0' 88°0' 8 9° 0' 9 СТО1 9 ГО'
V к- и
\ Щ Щвуи оэ Джулукуль оз. Хиндиктиг-хо. \ ]Ц и/АйГ}'
\ ю*но~ч Чуй екая сте1 >йсКийхре6ет 1Ь \ й
: 25 0 25 50 75 1 00 км ч
87°0' 88°0' 89°0' 90°0' 9 Г0'
Рис. 1. Область исследования (проекция Меркатора на сфере; отмывка рельефа: ОрепСус1еМар)
Участками с аномальной температурой считаются те, в которых пороговые значения индекса ]> 2. На рис. 2 представлены графики с количеством аномальных пикселей с различными пороговыми значениями для 5 лет, посчитанных отдельно для каждого года, но по единым средним по времени значениям.
Мы видим, что в течение каждого рассмотренного года аномальное распределение температуры поверхности присутствует с различной степенью интенсивности и продолжительности. Если рассматривать распределение индекса отдельно для каждого дня, как это было сделано в [9], то из-за облачности сложно судить о времени возникновения каждой аномалии, ее продолжительности и ее интенсивности.
Авторы предлагают воспользоваться следующим приемом. В ходе анализа пространственно-временных рядов температуры мы будем оставлять только те пиксели области, в которых получено превышение порогового значения индекса Т > 2, далее мы суммируем значения индекса в выбранных нами пикселях. Т.о. в нашем анализе остаются только те пиксели исследуемой области, в кото -рых хотя бы один раз за временной интервал произошло превышение порогового значения индекса. Результат такого анализа показан на рис. 3. Одновременно с подсчетом накопительной характеристики индекса мы получаем и количество вхождений с аномальным значением по каждому пикселю (рис. 4). Видно, что для исследуемой территории существуют участки, в которых за весь период анализа не зафиксировано ни одной температурной аномалии. В первую очередь, это Курайская и Чуйская котловины, а также оз. Джулукуль. Есть участки, в которых аномалии присутствуют регулярно, например, озеро Хиндиктиг-холь. Последний случай вызывает особый интерес, т.к. возникает вопрос о границе между аномальным и нормальным распределением температур на таком типе объектов.
Представляет интерес и распределение пикселей, в которых значение температуры не определено из-за облачности. Количество таких пикселей также просуммировано за весь период наблюдений, т.е. за весь календарный год построен индекс облачности (рис. 5). Интересно, что на территории Чуйской и Курайской котловин этот индекс - максимальный.
И, наконец, на рис. 6 представлено совмещение карт распределения тепловых аномалий за пять лет 2001-2002 и 2004-2005 гг. Каждый интервал выделен собственным цветом. Как уже упоминалось, отчетливо видно практически полное отсутствие аномалий в Чуйской и Курайской котловинах.
Предложенная модификация метода ЯБТ для обнаружения выбросов в пространственно-временных рядах данных температуры поверхности позволяет частично отфильтровывать их случайные проявления. С использованием модифицированной методики проведен анализ полей температуры поверхности для сейсмически активной территории Горного Алтая для интервала 2001-2005 гг., выявлены участки с устойчивыми по пространству и времени тепловыми аномалиями, а также участки с отсутствием аномалий.
2001
i
1 i и
j LI i , 1 i j i . fj P iJÜíM
0 í.fiiÍ..-J ¡L- 1 • uii .„r,.i¿ JL.J jJUfi И ¡: ! ÍJLiLJÍiíj.- u У № •JiÜÁ
ff
2002
Г
t
1 ,¡1
1 III 1 i
i $ л 1 H \ j I íe b.l j¿JÍ
с • 1 Лш jkjT flj ¡¡i ¿1 -Kt • AL. Lfil Ju
-1u
2003
s
fil II:'
¡3 si.
;
■ 1 i h
[i ! ,i 1 1 E I i i,
Li ! . ! jn Щ ! П I i Щ 1 J I 1 i К L a
ïi i 'S ? MM.. M. .îj" í Si i Я Iii ii ï 1 liijyijMJ riftjï I 1 Li! il l jJ JnJi ч ÏM \ lu
2005
Рис. 3. Накопительная сумма аномальных значений индекса
2003
2004
2005
Рис. 4. Количество аномальных пикселей
7"
V у % В \
у 1В г \\ и
Р V - 1 ' 1
\______ !
87.0576вЕ аВ-057б,!Ё 89.057бвЕ д0.0576аЕ
2003
2004
Рис. 5. Количество облачных пикселей
Рис. 6. Совмещение плотности тепловых аномалий за 2001-2002 и 2004-2005 гг.
Модифицированная методика теоретически позволяет разделять аномальные проявления на две категории. Первая - это «пролонгированные аномалии», при которых аномальные точки непрерывно проявляются несколько раз подряд, формируя тем самым некое событие, продолжающееся во времени. Оно аномально по отношению к фону, но достаточно длительное по отношению к частоте измерений. И вторая - это «пульсирующие аномалии», в которых аномальные точки проявляются несколько раз в течение исследуемого интервала времени, но по отношению друг к другу проявляющиеся в разное время.
Работа выполнена при финансовой поддержке программ ФНИ (проекты № 0316-2016-0002, № 0330-2016-0018).
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Tramutoli V. (2001) Robust satellite techniques for remote sensing of seismically active areas / Tramutoli V., Di Bello G., Pergola N. and Piscitelli S. // Ann. di Geofis., 44(2), 295-312.
2. Filizzola C. (2004) Robust satellite techniques for seismically active areas monitoring: a sensitivity analysis on September 7, 1999 Athens's Earthquake / Filizzola C., Pergola N., Pietrapertosa C., Tramutoli V. // Physics and Chemistry of the Earth, 29(4-9), 517-527, doi:10.1016/j.pce.2003.11.019.
3. Corrado R. (2005) Seismically active area monitoring by robust TIR satellite techniques: a sensitivity analysis on low magnitude Earthquakes in Greece and Turkey / Corrado R., Caputo R.,
Filizzola C., Pergola N., Pietrapertosa C., Tramutoli V. // Natural Hazards and Earth System Sciences. 5: 101-108.
4. Genzano N. (2007) Robust satellite technique for monitoring seismically active areas: The case of Bhuj-Gujarat Earthquake / Genzano N., Aliano C., Filizzola C., Pergola N., Tramutoli V. // Tectonophysics, 431, 197-210.
5. Aliano C. (2008) Robust TIR satellite techniques for monitoring Earthquake active regions: limits, main achievements and perspectives / Aliano C., Corrado R., Filizzola C., Genzano N., Pergola N., Tramutoli V. // Annals of Geophysics, Vol. 51, N. 1.
6. Genzano N. (2009) RST analysis of MSG-SEVIRI TIR radiances at the time of the Abruzzo 6 April 2009 Earthquake / Genzano N., Aliano C., Corrado R., Filizzola C., Lisi M., Mazzeo G., Paciello R., Pergola N., Tramutoli V. // Nat. Hazards Earth Syst. Sci., 9, 2073-2084.
7. Tramutoli V. (2013) On the possible origin of thermal infrared radiation (TIR) anomalies in Earthquake-prone areas observed using robust satellite techniques (RST) / Tramutoli V., Aliano C., Corrado R., Filizzola C., Genzano N., Lisi M., Martinelli G., Pergola N. // Chemical Geology, 339, 157-168, doi:10.1016/j.chemgeo.2012.10.042.
8. Шокин Ю.И. (2015) Информационная система приема, обработки и доступа к спутниковым данным и ее применение для решения задач мониторинга окружающей среды / Шокин Ю.И., Добрецов Н.Н., Мамаш Е.А., Кихтенко В.А., Воронина П.В., Смирнов В.В., Чуба-ров Д.Л.// Вычислительные технологии. Т. 20. № 5. С. 157-174.
9. Воронина П. В., Чубаров Д. Л., Кихтенко В. А. Статистические отклонения в пространственно-временных рядах спутниковых данных температуры поверхности Земли на территории юга Сибири // Интерэкспо ГЕО-Сибирь-2017. XIII Междунар. науч. конгр. : Ме-ждунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 17-21 апреля 2017 г.). - Новосибирск : СГУГиТ, 2017. Т. 2. - С. 46-50.
10. Wan Z. (1996) A generalized split-window algorithm for retrieving land-surface temperature from space / Wan Z., Dozier J. // IEEE Trans. Geoscience and Remote Sensing. Vol. 34. No. 4. P. 892-905.
© П. В. Воронина, Д. Л. Чубаров, Н. Н. Добрецов, 2018
