Московский экономический журнал 2/2017

image_pdfimage_print

УДК 528.88

bezymyannyj-12

Хабарова Ирина Андреевна,

старший преподаватель кафедры Землепользования и кадастров

ФГБОУ ВО «Государственный университет по землеустройству».

Воробьева Светлана Николаевна,

бакалавр по направлению «Кадастр недвижимости»

ФГБОУ ВО «Государственный университет по землеустройству».

Дручинин Сергей Станиславович,

аспирант кафедры Кадастра и основ земельного права

ФГБОУ ВО «Московский государственный университет геодезии и картографии».

Khabarova I.A.            irakhabarova@yandex.ru

Vorobyeva S.N.            cvetvorob@mail.ru

Druchinin S.S.              druchinin.sergei@yandex.ru

Использование материалов дистанционного зондирования для целей мониторинга земель

Use of remote sensing materials for land monitoring goals

Аннотация. В данной статье выносится на обсуждение алгоритм оценки эффективности использования материалов дистанционного зондирования для решения различных задач мониторинга земель с целью оптимизировать процесс планирования мероприятий мониторинга земель и его информационного обеспечения. На основании космических снимков дается оценка природно-ресурсному потенциалу Люберецкого района Московской области.

Summary. This article discusses the algorithm for assessing the effectiveness of using remote sensing materials to solve various tasks of land monitoring in order to optimize the process of planning activities for monitoring land and its information support. Based on space images, the authors evaluate the natural-resource potential of the Lyubertsy district of the Moscow Region.

Ключевые слова: мониторинг земель, дистанционное зондирование, экспертная оценка, природно-ресурсный потенциал, экология.

Keywords: land monitoring, remote sensing, expert evaluation, national-resource potential, ecology.

Использованием методов дистанционного зондирования при ведении государственного мониторинга земель является одним из основных способов получения информации о качественном и количественном состоянии земель, позволяет выявить изменения границ земельных участков, оценить степень развития опасных природных и антропогенных процессов.

Огромное значение имеет планирование мероприятий дистанционного зондирования исходя из определения наилучшего соответствия метода производства съёмки поставленной задаче. Авторы предлагают следующую упрощённую концептуальную схему алгоритма определения эффективности применения материалов дистанционного зондирования в сфере мониторинга земель:

  • Классификация материалов дистанционного зондирования.
  • Определение задач, решаемых в результате осуществления мониторинга земель.
  • Подготовка табличных шаблонов для производства экспертной оценки эффективности применения методов дистанционного зондирования для решения задач мониторинга земель.
  • Математическая обработка результатов экспертной оценки.
  • Использование полученных результатов при планировании мероприятий мониторинга земель.
  • Исследование с целью определения степени повышения/понижения качества решений после использования результатов экспертной оценки.

Материалы дистанционного зондирования можно разделить на несколько видов (могут быть различные варианты классификации методов):

  • Материалы фотосъёмки с беспилотных летательных аппаратов.
  • Материалы фотосъёмки с воздушных судов (самолёты, вертолёты).
  • Материалы фотосъёмки с космических летательных аппаратов.
  • Материалы специальных съёмок со всех видов летательных аппаратов (спектрозональные, радиолокационные, тепловизионные и проч.).

Задачи, которые возможно решить при ведении мониторинга земель с использованием материалов дистанционного зондирования, можно подразделить следующим образом (могут быть различные варианты классификации задач):

  • Правовые задачи (выявление самовольных изменений границ земельных участков и проч.).
  • Обеспечение территориального планирования (определение площадей, покрытых зелёными насаждения, определение плотности застройки, густоты транспортной сети и проч).
  • Архитектурно-строительные задач (создание трёхмерных моделей городских и сельских населённых пунктов).
  • Обеспечение безопасности жизнедеятельности (предупреждение стихийных бедствий).
  • Экологических мониторинг (отслеживание изменений в состоянии окружающей среды).
  • Картографирование результатов мониторинга земель.
  • Веб-картография (материалы дистанционного зондирования в качестве одного из слоёв (растровой подложки) федеральных, региональных или муниципальных геопорталов) [1].

Соотнесём названные задачи с вышеуказанными материалами дистанционного зондирования (таблица 1). С помощью данной таблицы (шаблона) необходимо произвести экспертную оценку эффективности применения различных материалов дистанционного зондирования при решении задач мониторинга земель путём присвоения балльных показателей. За наивысшую эффективность примем балльную оценку равную единице.

Таблица 1. Экспертная оценка применения материалов дистанционного зондирования в мониторинге земель

Безымянный

Таким образом, многократное повторение данной операции с привлечением экспертов из различных организаций, предприятий, регионов, городов и научных школ позволит получить усреднённый показатель эффективности применения тех или иных материалов дистанционного зондирования для решения конкретной задачи мониторинга земель. Самый простой способ определения приближённого значения данного показателя: вычисления среднего арифметического значения балльной оценки по каждому методу (полученным материалам) и задаче, однако имеется возможность и более точной математической обработки полученных результатов [2].

С точки зрения авторов, разработка и уточнение подобных алгоритмов путём широко их обсуждения в научно-производственном сообществе позволит существенно повысить эффективность применения материалов дистанционного зондирования в сфере управления земельными ресурсами [3].

Люберецкий район считается одним из самых маленьких в стране. Территория района — 122,31 км2. Последнее десятилетие территория Люберецкого района активно застраивается. Это влечет за собой угнетение растительного покрова, загрязнение воды и почв, а, следовательно, и всей экологии района. Космические снимки в данной статье подобраны таким образом, что можно проследить активность застройки (увеличение ее площади) и уменьшение площади других элементов ландшафта Люберецкого района за последние 20 лет. С сайта Earthexplorer.USGS.ru скачены следующие бесплатные космические снимки на территорию Люберецкого района:

  1. Landsat5, дата съемки 06.06.1995.
  2. Landsat7, дата съемки 26.05.2015.

Снимки имеют радиометрическую, геометрическую и атмосферную коррекцию. Исследуемая территория облаками не закрыта. Пространственное разрешение снимков Landsat составляет 30 м, то есть объекты размером менее 30 м невозможно распознать, и на схемах автоматизированного дешифрирования они не показаны (рисунок 1).

Безымянный

Рисунок 1. а) космический снимок Landsat5 в естественных цветах, 06.06.1995; б) Космический снимок Landsat7 в естественных цветах, 26.05.2015

Для обработки мультиспектральных снимков выбрана программа «ENVI 4.3», т.к. имеет широкий инструментарий для обработки космических снимков и понятный интерфейс. Для выполнения визуального дешифрирования выбрана программа ГИС-Карта, т.к. имеет открытый доступ, широкий инструментарий ГИС-обработки, понятный интерфейс. Для уточнения получаемых автоматизированных схем выполняется визуальное дешифрирование по снимкам более высокого разрешения с использованием топографических и тематических карт масштаба не мельче 1:100000 [4].

Для визуального дешифрирования приобретен космический снимок сверхвысокого разрешения в естественных цветах(КА «QuickBird»)на сайтеwww.google.ru/maps(рисунок 2).

Безымянный

Рисунок 2. Космический снимок Люберецкого района Московской области, июль 2017

Основной целью полевого дешифрирования явилось уточнение состава леса. В результате определены эталонные участки следующих объектов местности: хвойный лес, смешанный лес, лиственный лес, поврежденный лес, участки рубок (таблица 2).

Таблица 2. Результаты визуального дешифрирования, 2015

Безымянный

Первой задачей при автоматизированном дешифрировании является выбор спектральных каналов, в которых наиболее хорошо отражаются исследуемые объекты. Дешифрирование является ландшафтным, то есть необходимо распознать несколько объектов (растительность, застройку, водную поверхность и др.), которые имеют свои особенности отражения в каждом канале [5]. В связи с этим необходимо использовать все имеющиеся каналы (выполняя условие, что каналы имеют одно пространственное разрешение). Спутник Landsat7 имеет следующие каналы съемки (таблица 3).

Таблица 3. Спектральные каналы Landsat-7

Безымянный

Исходя из пространственного разрешения, остаются следующие каналы для работы:

  • Landsat 5: каналы 1-5,7 (ThematicMapper);
  • Landsat 7: каналы 1-5,7.

Обработка шести каналов для распознавания нескольких объектов ландшафта может быть нецелесообразной в связи с тем, что наиболее информативными каналами могут быть, например, четыре, а два – будут избыточной информацией. Для определения необходимых каналов следует проанализировать спектральные кривые эталонных объектов (рисунок 3).

Безымянный

Рисунок 3. Спектральные кривые эталонных объектов (снимок 2015г.) в каналах 1-2-3-4-5-7. По оси абсцисс – номер канала, по оси ординат – средние значения яркости пикселей

Таким образом, для ландшафтного автоматизированного дешифрирования следует использовать каналы 2,3,4,5. Следующим шагом является выбор способа автоматизированного дешифрирования. Так как в настоящей работе имеют место эталонные объекты – выполняется контролируемая классификация. Из всех имеющихся в ПК ENVI способов контролируемой классификации, по снимку 2015г. эмпирическим путем выбран способ Расстояние Махаланобиса. Этим же способом проведена классификация и по снимкам других годов. Параметры классификации подобраны для каждого снимка индивидуально таким образом, чтобы результат классификации был наиболее правдоподобным (по сравнению со схемой визуального дешифрирования и самим снимком). Полученная схема автоматизированного дешифрирования представлена на рисунке 4.

Безымянный

Рисунок 4. Общая схема автоматизированного дешифрирования, 2015

По обработанным схемам за 1995, 2007,2015 года посчитаны площади, занимаемые объектами ландшафта (таблица 4).

Таблица 4. Полученные площади земель, занимаемых объектами ландшафта на основании автоматизированного дешифрирования

Безымянный

Городские территории, включая крупные антропогенные объекты вне города, занимают 19% территории района по состоянию на 2015г., их площадь увеличилась на 2% за период с 1995-2015 г.  Луговая растительность занимает 10% территории района по состоянию на 2015г. Открытые почвы занимает 13% территории района по состоянию на 2015г., их площадь увеличилась на 3% за период с 1995-2015 г.

Эрозионные процессы на территории Люберецкого района представлены речной сетью. Овражная эрозия отсутствует. Длина эрозионной сети равна 41,83 км (рисунок 5). Развитие эрозионной сети отследить по космическим снимкам Landsat не представляется возможным ввиду недостаточного пространственного разрешения.

Нарушенными землями являются те участки земли, на которых в результате хозяйственной деятельности человека уничтожена растительность, разрушен почвенный покров, изменены гидрологический режим и рельеф местности [6].

Безымянный

Рисунок 5. Эрозионная сеть

Исходя из вышесказанного, на территории Люберецкого района нарушенными землями являются застроенные участки земли (другие причины нарушения отсутствуют). По снимкам Landsаt(1,2,3,4,5,7 каналы) выполнено автоматизированное дешифрирование застроенных участков земли методом Гиперпараллелепипеда (наиболее точное распознавание одного класса по эталонному участку). На рисунках ниже – схемы автоматизированного дешифрирования на 2015 и 1995 годы соответственно (рисунок 6). По полученным схемам посчитаны площади участков земли, занятых застройкой. Получилось, что в 1995 г. площадь застройки составляла 10,3 км2, в 2007 г. – 12,5 км2, в 2015 г. – 13,5 км2.То есть площадь застройки на территории Люберецкого района за период 1995-2015г. увеличилась на 3 км2, то есть на 2,5%.

Безымянный

Рисунок 6. Застроенные земли (розовый цвет) Люберецкого района Московской области: а) – 2015 год; б) 1995 год.

Лесные пожары на территории Люберецкого района имеют место только в летние месяцы, при этом площади горения небольшие (в отличие от других районов Московской области). Сравнивая снимки 1995, 2007 и 2015 г. видно, что только в период с 2007 по 2015 появился достаточно большой участок горелого леса, что связано с массовыми пожарами в 2010г. Причем на снимках видно невооруженным глазом, что часть леса вырублена, заросла травой (рисунок 7).

Безымянный

Рисунок 7. Лесные пожары, вырубка леса

Автоматизированное распознавание участков вырубленного леса и гарей выполнено по 2,3,4,5 каналам (рисунок 8).

Безымянный

Рисунок 8. Автоматизированное распознавание участков вырубленного леса и гарей, 1995-2015 гг.

По результатам распознавания подсчитаны площади гарей и рубок:

  • за 1995- 2007 гг. вырублено 0,36 км2
  • за 2007-2015 гг. вырублено 1,854 км2
  • площадь горелого леса к 2015г. составила 0,806 км2относительно 2007г.

За период 1995-2015 гг. на территории Люберецкого района площадь земли, покрытая лесной растительность, сократилась на 4%, причем:

  • лиственного леса стало на 0,7 км2 меньше;
  • смешанного леса – на 0,4 км2 меньше;
  • хвойного леса – на 1,5 км2 меньше (рисунок 9).

Безымянный

Рисунок 9. Схема автоматизированного дешифрирования лесной растительности по снимку 2015 г.

В настоящей статье исследован  природно-ресурсный потенциал Люберецкого района с использованием данных ДЗ. Выполнены следующие работы:

  • изучены материалы по тематике оценки природно-ресурсного потенциала, а также литературные и картографические материалы по Люберецкому району;
  • Подобраны космические снимки:

-Landsat5, дата съемки 06.06.1995,

-Landsat7, дата съемки 26.05.2015,

-QuickBird, 2011г;

  • выполнено полевое обследование эталонных объектов территории;
  • выполнено визуальное дешифрирование космических снимков в программе MapInfo и получены следующие схемы:

– схема ландшафтного дешифрирования,

– схема дешифрирования лесной растительности,

– схема эрозионной сети,

– схема дешифрирования застроенных земель;

  • выполнено автоматизированное дешифрирование космических снимков методом «Расстояние Махалонобиса», при этом для каждой схемы подбирались наиболее информативные каналы:

– для ландшафтного дешифрирования использовались каналы 2,3,4,5,

– для распознавания лесной растительности использовались каналы 3,4,5,

– распознавание участков вырубленного леса и гарей выполнено по 2,3,4,5 каналам.

Литература

  1. Лимонов А.Н., Гаврилова Л.А. Фотограмметрия и дистанционное зондирование. – М.: Академический проект, 2016. – 296 с.
  2. Сизов А.П. Мониторинг и охрана городских территорий. – М.: Издательский центр «Академия», 2016. – 224 с.
  3. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений – Часть 1. М.: Техносфера, 2010. – 560 с.
  4. Малинников В.А., Беленко В.В., Зеленков В.В. экспериментальные исследования тематического дешифрирования космических изображений для целей инженерно-экологических изысканий застраиваемых территорий / Естественные и технические науки №5 (67). М.: ООО «Издательство «Спутник+», 2013. – с. 182-187.
  5. Цыганков Д.Н., Сысенко В.И. Применение данных дистанционного зондирования для мониторинга использования земель сельскохозяйственного назначения /Ученые записки. Электронный научный журнал Курского государственного университета №2. М.: Курский государственный университет, 2012. – с.304-310.
  6. Уфимцев А.Е., Ермак А.А. Использование данных дистанционного зондирования Земли при организации рационального землепользования/ Вестник Югорского государственного университета №3(34). М.: Югорский государственный университет, 2014. – с. 70-73.