Московский экономический журнал 2/2017

image_pdfimage_print

УДК 528.88

bezymyannyj-12

Назаров Виктор Георгиевич,

начальник Военной кафедры, полковник

ФГБОУ ВО «Московский государственный университет геодезии и картографии».

Хабаров Денис Андреевич,

магистрант кафедры Кадастра и основ земельного права, профиль «Управление недвижимостью и развитие территорий»

ФГБОУ ВО «Московский государственный университет геодезии и картографии».

Азаров Дмитрий Андреевич,

бакалавр факультета «Кадастр недвижимости», направление «Оценка земли и недвижимости»

ФГБОУ ВО «Государственный университет по землеустройству».

          Nazarov V.G.            vk@miigaik.ru

Khabarov D.A.            khabarov177@yandex.ru

Azarov D.A.                 azarov.dima33@yandex.ru

Использование материалов космической съемки при оценке природно-ресурсного потенциала урбанизированных территорий

Use of space imagery materials for the estimation of natural-resource potential of urban territories

Аннотация

Рассматриваются вопросы совершенствования оценки природно-ресурсного потенциала городских территорий с использованием материалов космической съемки. Предметом исследования послужили визуальное и автоматизированное дешифрирование и методы классификации космического изображения. С помощью материалов космической съемки выявлена динамика площадей лесных массивов, поврежденных деревьев,  жилых зон, пахотных земель различных городских территорий, водных объектов. Представлены основные параметры современных спутников. Предлагается алгоритм оценки эффективности использования материалов дистанционного зондирования для решения различных задач мониторинга земель. С помощью автоматизированного дешифрирования авторы выделяют четыре класса качества древесной растительности урбанизированных территорий. Оцениваются достоинства и недостатки методов дешифрирования лесных вырубок при автоматизированном и визуальном распознавании вырубок. Распознаются конкретные участки затопления, входящие в состав рассматриваемой урбанизированной территории.

S u m m a r y

This article examines the issues of improving the methodology of assessing the natural resource potential of urban areas using space imagery. The subject of the study is based on a visual and automatic decryption and techniques of space image classification. With the help of space imagery materials, the dynamics of areas of forest tracts, damaged trees, residential areas, arable lands of various urban areas, water bodies have been revealed. The main parameters of modern satellites are presented. An algorithm for assessing the effectiveness of the use of remote sensing materials for solving various land monitoring problems is proposed. With the help of automated interpretation, the authors distinguish four classes of quality of woody vegetation in urbanized areas. The authors evaluate the advantages and disadvantages of methods for deciphering of forest felling with automated and visual recognition of felling. The authors identify areas of flooding of specific urbanized areas.

Ключевые слова: автоматизированное дешифрирование, визуальное дешифрирование, космическая съемка,  природно-ресурсный потенциал, состояние земель.

Keywords: automatic decryption, natural resource potential, space imagery, state of land, visual decryption.

Актуальность исследования заключается в том, что в последнее время для более эффективного детального обследования и мониторинга больших по площади территорий применяются методы спутниковых наблюдений, основанных на поэтапном фотографировании местности в различных спектральных каналах. Целью исследования явилась оценка природно – ресурсного потенциала Балашихинского городского округа и Ногинского района Московской области с использованием материалов космической съемки.

Природно-ресурсный потенциал территории – совокупность природных ресурсов этой территории, которые могут быть вовлечены в хозяйственный оборот с учётом экономической целесообразности.

Для комплексного исследования природных ресурсов какой-либо территории целесообразно и необходимо использовать данные дистанционного зондирования Земли. Такой способ исследования имеет несколько преимуществ над контактными методами исследования:

  • обзорность;
  • уровни генерализации (в каждом масштабе снимка или карты будет своя генерализация в зависимости от размеров исследуемых объектов);
  • доступ к труднодоступным территориям;
  • достаточно быстрый и простой расчет количественных изменений многих объектов территории.

Использование данных ДЗЗ и разработка автоматизированных технологий тематической обработки многозональных космических снимков для решения задач оценки природно-ресурсного потенциала территорий являются наиболее актуальными и перспективными направлениями.

Алгоритм определения эффективности применения материалов дистанционного зондирования в сфере мониторинга земель выглядит следующим образом:

  • 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 [1].

Исходными материалами для оценки природно-ресурсного потенциала городских территорий явились данные дистанционного зондирования со спутников ДЗЗ KA Landsat-5, KA Landsat-8 – табл.1., мозаика космических снимков сверхвысокого разрешения в естественных цветах (ICONOS – табл.2., КА QuickBird, DigitalGlobe, GeoEye), тематические карты (почвенные, растительности и т.д.), данные полевого дешифрирования, снимки с сервисов Google Earth и Яндекс карты.

Этапы оценки земельных ресурсов:

  1. Визуальное дешифрирование;
  2. Полевое дешифрирование;
  3. Автоматизированное дешифрирование снимков разных лет;
  4. Количественная оценка земельных ресурсов;
  5. Анализ динамики количественных и качественных изменений [2].

Таблица 1

Основные параметры спутника Landsat-8

Безымянный

Таблица 2

 Основные параметры спутника IKONOSБезымянный

Городской округ Балашиха — муниципальное образование в центре Московской области России, включающее 13 населённых пунктов. Площадь территории муниципального образования составляет 21 859 га. В Балашихинском районе доминируют разной степени оподзоленности дерново-подзолистые и подзолистые песчаные и супесчаные почвы [3].

На территории Балашихинского городского округа в ходе визуального дешифрирования было выявлено некоторое количество объектов, различных по дешифровочным признакам (рис.1). В соответствии с полученными результатами были выделены:

  • смешанная лесная растительность;
  • хвойная растительность;
  • угнетенная растительность (древостой) и др.

Безымянный

Рисунок 1. Результаты визуального дешифрирования Балашихинского городского округа, 2015

По результатам визуального дешифрирования были посчитаны площади зоны смешанных лесов, поросли леса, поврежденных лесов и др. (табл.3.).

Таблица 3

 Посчитанные площади по результатам визуального дешифрирования

Безымянный

При использовании космических снимков, полученных с спутников Landsat-5 и Landsat-7, применялась комбинация каналов «5 — 4 — 3», а в Landsat-8 –  «6 — 5 — 4».

В ходе автоматического дешифрирования была посчитана динамика изменения площадей поврежденной растительности, застроенных территорий и др. в Балашихинском городском округе (табл.4., рис.2.).

Таблица 4

Посчитанные площади по результатам автоматизированного дешифрирования

Безымянный

Безымянный

Рисунок 2. Результаты автоматизированного дешифрирования

Лесные массивы Балашихинского городского округа занимают 40%  территорий от общей площади района, за последние 20 лет их сократилась на 10%. Площадь поврежденных деревьев, в частности, пораженных жуком короедом, на 2015 год  по сравнению с 1995 годом уменьшилась на 8%. Выявлено восстановление части лесного фонда, начиная с 2007 года, к 2015 году площадь поросли леса составляет 12%. Площадь застроенной территории за 20 лет увеличилась почти на 4%. На 2015 год объем от общей площади  района составляет 13%. Площадь пахотных земель  менялась со временем то в сторону увеличения, то в сторону уменьшения и в (увеличение земель по сравнению с 1995 годом на 9 км2). К 2015 году их площадь сократилась на 3 км2 и составляет 10% занимаемой территории. Площадь луговой растительности за двадцатилетний период практически осталась неизменной, и к 2015 году она составляет 10%. Водные объекты, такие как озера и реки, на 2015 год занимают менее 1 % от общей территории района.

Ногинский район расположен на северо-востоке Московской области и занимает площадь в 893,9 км2. Основными отраслями здесь являются: химическое производство; производство пищевых продуктов, включая напитки; производство электронного и оптического оборудования; производство резиновых и пластмассовых изделий; производство прочих неметаллических продуктов и др. В микрорайоне Красный Электрик г.Ногинска расположена крупная электроподстанция «Ногинск».  Через Ногинский район с юго-востока на запад проходит крупный внешний московский кольцевой газопровод с ответвлениями на крупные населённые пункты, а также крупный нефтепродуктопровод (с юго-запада на восток).  Территорию района пересекают крупные федеральные автомобильные дороги, а также развита довольно густая сеть железных дорог.  Наличие полигона ТБО негативно влияет на экологическое состояние района.  Уровень загрязнения почв сельскохозяйственных угодий условно нулевой. Все водные объекты района являются достаточно загрязненными (рис.3).

Безымянный

                      а) весенний снимок, каналы 5-4-3;            б)летний снимок, каналы 5-4-3

Рисунок 3. Фрагмент снимка Landsat-8 на 2015 г, Ногинский район.

В период 1995-2015 гг.. с каждым годом значительно ухудшалось (и ухудшается) общее состояние леса Ногинского района, что не может не отразиться на экологическое состояние прилегающих к лесам территорий (табл.5., рис.4.).

Таблица 5

Площади классов качества древесной растительности

Безымянный

Безымянный

Рисунок 4. Результат неконтролируемой классификации алгоритмом IsoData композиции изображения 07.08.2015 (Landsat-8)

Класс темно-зеленого цвета (1) соответствует густой здоровой растительности. Класс салатового цвета (4) – разреженной или низкой растительности. Классы (2) и (3) – промежуточные, по мере угнетения древесного покрова [4].

Места вырубок хорошо отображаются на RGB-композиции снимков нескольких лет (табл.6.).

Таблица 6

Достоинства и недостатки методов дешифрирования вырубок[5]

Безымянный

Затапливаемые земли Ногинского района лежат в пределах высокой поймы рек, что не несет угрозы окружающей среде. На данных территориях встречаются дачные участки (рис.5.) [6].

Безымянный

Рисунок 5. Результат автоматизированной классификации затоплений

За период 1995-2015 гг.. на территории Ногинского района произошли следующие изменения земельных ресурсов:

  • Стало меньше хвойного и смешанного леса: либо стал поврежден, либо вырублен.
  • Поврежденного древостоя стало больше: это связано с антропогенной нагрузкой, увеличением числа очагов короеда-типографа и другими причинами.
  • Площадь, занимаемая луговой растительностью сократилась, а участков с открытой почвой стало больше: возможно, часть из них была занята сельскохозяйственными культурами, которые теперь не выращивают, либо наоборот, почва теперь обработана и на дату съемки – без растительности, другой вариант – площади застроены, либо подготавливаются к застройке.
  • Застроенных территорий стало больше на 9 %.
  • Увеличились площади, занимаемые водными: часть ранее разрабатываемых карьеров обводнилась, созданы новые водоемы.

Литература

  1. Пермитина Л.И. Оперативный спутниковый мониторинг состояния окружающей среды и землепользования// ARCREVIEW.-2005.-№3(34).-С. 18‒24.
  2. Крылов А.М., Соболев А. А., Владимирова Н. А. Выявление очагов короеда-типографа в Московской области с использованием снимков Landsat // Вестник Московского государственного университета леса Лесной вестник №4 2011 — с. 54–60.
  3. Лимонов А.Н., Гаврилова Л.А. Фотограмметрия и дистанционное зондирование. – М.: Академический проект, 2016. – 296 с.
  4. Сизов А.П. Мониторинг и охрана городских территорий. – М.: Издательский центр «Академия», 2016. – 224 с.
  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.