УДК 911.2: 502.62

ОЦЕНКА СОСТОЯНИЯ ПЕРСПЕКТИВНЫХ УЧАСТКОВ ЦЕЛИННЫХ И ЗАЛЕЖНЫХ ЗЕМЕЛЬ ОРЕНБУРГСКОЙ ОБЛАСТИ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ

 

Ряхов Р.В.

Федеральное государственное бюджетное учреждение науки Институт степи Уральского отделения Российской академии наук, Оренбург, Россия

 

В настоящее время остро стоит проблема мониторинга состояния степных ландшафтов. Результаты дешифрирования данных дистанционного зондирования Земли из космоса позволяют оценить динамику и направление изменения ландшафтной структуры. Исследование направлено на определение трендов на территорию перспективных степных участков: «Предуральская степь», «Кувайская степь», степной участок «Никольский».

Currently acute problem of monitoring the state of the steppe landscapes. The results of decoding remote sensing of Earth from space data allow us to estimate the dynamics and direction of the change of landscape structure. The research is aimed at identifying trends in the area looking steppe areas: «Predural'skaya steppe», «Kuvayskaya steppe», a steppe land «Nikol'skiy».

Введение. Дистанционное зондирование Земли (ДДЗ) из космоса и данные, получаемые с его помощью, на современном этапе развития географических исследований, в общем, и физико-географических исследований в частности, позволяют поднимать их на качественно новый уровень. Колоссальные объемы графической информации, получаемой с космических аппаратов, стали доступны для изучения и решения широкого круга задач только в последние десятилетия, вследствие развития информационных технологий, в том числе ГИС. Геоинформационные системы позволяют проводить автоматизированное дешифрирование, существенно ускоряя процессы обработки данных, которые могут применяться в качестве вспомогательных при полевых исследованиях, либо служить самостоятельной основой для разнонаправленного изучения территорий любых масштабов, создают предпосылки для все более активного применения ДДЗ в практике ландшафтных исследований. В этой связи встает вопрос о кодификации методических и методологических принципов использующих эти технологии.

Дистанционное зондирование Земли один из наиболее перспективных методов географических исследований на сегодняшний день. Визуальная классификация изображений все больше уступает место автоматизированной, что позволяет значительно ускорить процесс дешифрации. Космические снимки, обработанные при помощи геоинформационных систем, позволяют получать как картографические материалы различной направленности, так и довольно большие массивы данных, выражающихся в численных значениях.

Базы данных, полученные в результате обработки мультиспектральных спутниковых изображений, дают возможность для проведения объективного анализа, основывающегося на математических расчетах, и, следовательно, объективного результата. Однако дистанционные методы невозможно использовать, не основываясь на ранее проведенных исследованиях. Также, в большинстве случаев, результаты дешифрации требуют проверки полевыми методами. В первую очередь это касается расчетов различных вегетационных индексов и автоматизированных классификаций снимков в картографических целях.

Данная работа направлена на оценку антропогенной трансформации наиболее перспективных участков целинных и залежных земель Оренбургской области при помощи дистанционных методов исследования, которые в последнее время активно используются наряду с ГИС-системами [1]. Данные дистанционного зондирования позволяют оценить динамику состояния степных участков за длительный промежуток времени, что создает возможность дальнейшего прогнозирования их развития и создания необходимых условий для их сохранения. Создание особо охраняемых природных территорий является крайне важной составляющей для сохранения типичных биогеоценозов и улучшения экологической обстановки региона [2, 3].

Материалы и методы. Для исследования применимости данных дистанционного зондирования в изучении степных территорий были выбраны три объекта: Предуральская степь, Кувайская степь и Никольский степной участок [4, 5].

Для проведения исследования использованы снимки со спутников Landsat 5, Landsat 7 и Landsat 8, дешифрированные с использованием программных комплексов ENVI, QGIS и ArcGIS. Обработка данных дистанционного зондирования осуществлялась при помощи расчета значений и трендов вегетационного индекса NDVI, а также проведения кластеризации с применением алгоритма неконтролируемой классификации IsoDATA.

Предварительная калибровка каналов проводилась с использованием утилиты «Landsat Calibration», входящей в состав прогрмаммного комплекса ENVI, в которой для каждого из слоев задавались такие параметры как дата съемки, порядковый номер, максимальные и минимальные значения диапазона светимости. Полученные космоснимки представляют собой монохромные изображения запечатленного участка поверхности Земли. Следующий этап - объединение всех калиброванных слоев в общее изображение с широким динамическим диапазоном, позволяющим производить кластеризацию и расчет индекса. После, при помощи утилиты «ROI Tool» осуществлена обрезка снимка на территорию объектов исследования.

В первую очередь был рассчитан нормализованный относительный индекс растительности - NDVI (Normalized Difference Vegetation Index), показывающий относительную биопродуктивность (1). Он основывается на разнице поглощения растительностью солнечной радиации в красной области спектра (RED) и отражении в ближнем инфракрасном диапазоне (NIR):

NDVI=(MR-RED)/(NIR+RED) (1)

Значения NDVI меняются в диапазоне от -1 до 1. Для растительности индекс NDVI принимает положительные значения, чем больше фитомасса, тем его показатели выше. На значения индекса также влияют видовой состав растительности, ее сомкнутость, состояние, почва под разреженным растительным покровом, экспозиция и угол наклона поверхности. [6]

Вычисление значений индекса проводилось с использованием утилиты «Vegetation Index Calculator», входящей в состав программного комплекса ENVI и позволяющей автоматизировать процесс расчета значений, что в свою очередь сокращает время на обработку данных. Результаты дешифрации окрашены градиентной заливкой, позволяющей оценить состояние растительности на каждом пикселе изображения. Экспорт изображений производился в формате GeoTIFF, обеспечивающим сохранение пространственной привязки.

Вторым этапом стал расчет изменения значений вегетационного индекса NDVI (2), за период с 1985 по 2015 год, который проводился при помощи утилиты «Raster Calculator», входящей в состав программного комплекса QGIS. Для определения направленности трендов использовалась формула, позволяющая определить уровень колебаний индекса в каждом конкретном пикселе:

TREND=NDVIn – NDVIn-1 —- NDVI2,-NDVI1 (2)

где, TREND - значение изменения вегетационного индекса NDVI за период исследования;

- NDVIn - значение вегетационного индекса NDVI за последний год наблюдения;

- NDVIi - значение вегетационного индекса NDVI за первый год наблюдения. Ранжирование полученных результатов производилось в программном комплексе

ArcGIS, на основании методики, разработанной сотрудниками Московского государственного университета. Значения трендов были разделены на 5 ступеней по степени изменения: 1 -устойчивый негативный тренд, 2 - значимый негативный тренд, 3 - тренд отсутствует, 4 -значимый позитивный тренд, 5 - устойчивый позитивный тренд [7].

Следущим этапом дешифрирования космоснимков стала неконтролируемая классификация «IsoData», представляющая собой кластерный анализ, основанный на разнице спектральной яркости пикселей в видимом диапазоне. Перед началом классификации необходимо указать минимальное и максимальное количество классов. Этот параметр является основным способом пользователя влиять на результат. Также устанавливалось число итераций. Все остальные параметры, такие как порог сходимости в 5%, минимальное количество пикселей в классе — 1 и другие, установлены согласно стандартным настройкам программы. Нами проведены классификации на 5-10, 10-15, 15-20 и 20-25 классов и количеством итераций 10. Реальное число итераций было меньше, что обусловлено достижением порога сходимости.

Наиболее показательной, на наш взгляд, является классификация на 10-15 классов, с итоговым числом в 15 классов. Обусловлено это тем, что меньшее количество не отражает в должной мере ландшафтное разнообразие урочища, а большее чрезмерно перегружает изображение, что способствует искажению восприятия.

В качестве постклассификацинной обработки применялся алгоритм «Majority / Minority Analysis», позволяющий генерализировать изображение путем объединения небольших полигонов, вызванных погрешностью классификации а также тенями или бликами, присутствующими на исходном снимке. Векторизация итоговых данных изначально проводилась в формат EVF, а после конвертирована в формат SHP, для удобства обработки в программном комплексе ArcGIS [8].

Полученные аналитические результаты, впоследствии, были структурированы в виде таблицы SWOT-анализа, что позволило определить основные слабые и сильные стороны, а также оценить возможности для развития и потенциальные угрозы для разработки стратегии сохранения уникальных степных ландшафтов.

Результаты и обсуждения. Результаты неконтролируемой классификации (рисунок 1) наглядно отображают состояние пространственной структуры урочища на момент проведения съемки. Сопоставление разновременных снимков между собой, а также с существующей ландшафтной картой позволяет оценить расположение основных элементов урочища, а также выделить более динамичные и более статичные объекты.

Рисунок 1. Результаты неконтролируемой классификации IsoData на территории: А - Кувайская степь, Б - степной участок Никольский, В - Предуральская степь.

Совпадение существующей ландшафтной карты с результатами классификации прослеживается по следующим объектам: водные объекты, овражно-балочная сеть, основные гряды и антропогенно-нарушенные территории. Сосредоточение в пределах подурочищ полигонов разного типа обусловлено различиями в экспозиции склонов и составе растительных сообществ, что в свою очередь может являться критериями выделения фациальных особенностей, и применятся для изучения динамики их изменений.

Результаты расчета вегетационного индекса и сравнение многолетних тенденций изменения показывают общее снижение показателей, что свидетельствует о достаточно сильном снижении биопродуктивности степных биоценозов в Предуральской степи (рисунок 2). Достаточно резко упали показатели на водораздельных частях, в то время как растительность овражно-балочной сети напротив показывает достаточно позитивные тренды. Также рост показателей индекса наблюдается на участках выведенных из сельскохозяйственного оборота, что свидетельствует о процессах восстановительной сукцессии с образованием вторичных степных сообществ.

Рисунок 2. Результаты расчета вегетационного индекса NDVI на 2015 и трендов изменения в период с 1985 по 2015 гг., на территорию Предуральской степи.

По результатам дешифрирования спутниковых снимков на территорию Никольского степного участка можно утверждать, что снижение интенсивности хозяйственного воздействия положительно сказалось на распределении естественных геобиоценозов (рисунок 3). Снижение показателей вегетационного индекса в северо-западной части участка связано с аналогичными процессами происходящими в Предуральской степи - снижение биопродуктивности на водоразделах с одновременным повышением в овражно-балочной сети.

Территория Кувайской степи испытывает трансформационные нагрузки, выражающиеся в снижении биопродуктивности на большой площади (рисунок 4). Резко выделяется овражно-балочная сеть, показывающая довольно большое снижение показателей вегетационного индекса. Также теряет биопродуктивность северная часть степного участка, где одновременно снижаются показатели овражной и водораздельной растительности. При этом наблюдаются положительные тренды на участках, выведенных из сельскохозяйственного оборота.

Проведенный SWOT-анализ показывает существующую ситуацию, определяющую современное состояние и многолетние тенденции изменения биопродуктивности растительного покрова залежных и целинных степных участков, а также показывает потенциальные негативные факторы, угрожающие как биологическому, так и ландшафтному разнообразию данных территорий (таблица). Обработанные данные выделяют основные позитивные критерии состояния исследуемых объектов, такие как положительное влияние выведения территории из под влияния техногенной нагрузки, способствующие положительной сукцессионной динамике. Наряду с этим присутствуют резко негативные факторы, снижающие биопродукивность растительного покрова на достаточно большой площади. Отсутствие каких-либо тенденций для сохранения ландшафтного и биологического разнообразия может привести, в конечном итоге, к утрате исключительного статуса территорий. Но при этом существуют положительные факторы, препятствующие развитию негативных воздействий, которые создают предпосылки к созданию на их основе геоэкологического степного каркаса Оренбургской области.

Рисунок 3. Результаты расчета вегетационного индекса NDVI на 2015 и трендов изменения в период с 1985 по 2015 гг., на территорию степного участка «Никольский».

Рисунок 4. Результаты расчета вегетационного индекса NDVI на 2015 и трендов изменения в период с 1985 по 2015 гг., на территорию Кувайской степи.

Таблица 1 SWOT-анализ результатов исследования

Выводы. Масштабы территории Оренбургской области затрудняют проведение комплексных географических исследований ее территории в целом. В этом случае наиболее эффективным будет использование геоинформационных технологий с применением данных дистанционного зондирования Земли, получаемых путем космической съемки, и позволяющей охватывать как большие территории, так и локальные объекты.

Описанные в работе способы применения данных дистанционного зондирования в геоинформационных технологиях позволяют, путем автоматизированной дешифрации космических снимков проводить картографический анализ изучаемой территории. Вегетационный индекс NDVI и алгоритм неконтролируемой классификации Isodata, представляет собой метод кластерного анализа растрового изображения с одновременной векторизацией и выделением подобных друг другу участков земной поверхности. После проведения дешифрации одним из обязательных этапов работы является интерпретация полученных данных путем их сопоставления с оригинальным космическим снимком и выделения сходных классов, которые по тем или иным причинам могут быть разделены.

Возможность использования неконтролируемой классификации (кластеризации) для изучения территории в масштабах региона и применение кластеризации и вегетационных индексов при анализе разновременных снимков к территориям участков степных и залежных земель. Сопоставление результатов классификации разновременных космических снимков позволяет проследить и спрогнозировать некоторые ландшафтообразующие процессы степных участков. Выявлена эффективная возможность использования вегетационного индекса для изучения растительности степных территорий. Используя разновременные мультиспектральные изображения можно в целом оценить экологическую обстановку степных ландшафтов. Вегетационный индекс - инструмент, который дает возможность создания картографических основ и генеральных планов перспективного развития.

Показана оценка геоэкологических признаков ландшафта по результатам расчета вегетационного индекса. Получена картографическая картина наиболее сохранившихся биогеоценозов Оренбургской области. Эти результаты в свою очередь могут быть использованы для целей территориального планирования и туристско-рекреационной деятельности.

Результаты исследования являются новым взглядом на проблему сохранения степей в Оренбургской области. Они позволят оценить состояние и динамику территорий на протяжении последних десятилетий и помочь в выработки стратегии охраны последних сохранившихся участков. Полученные данные являются первым этапом в изучении ландшафтной структуры Оренбургской области и могут послужить основой для продолжения более детальных исследований и в том числе проведения геоинформационного мониторинга региона в целом.

Список литературы

  1. Петрищев В.П., Яковлев И.Г. Разработка и внедрение геоинформационного кадастра охраняемых природных территорий (на примере Оренбургской области) // Поволж. экол. журн., 2008.-№4. -С. 389-392.
  2. Петрищев В.П., Яковлев И.Г. Проблемы антропогенной трансформации объектов природного наследия Оренбургской области // Природное наследие России в 21 веке. II Междунар. науч.-практ. конф., 2008. - С. 327-332.
  3. Ряхов Р.В. Норейка СЮ. Оценка изменения состояния перспективных степных участков Оренбургской области по данным дистанционного зондирования // Молодые ученые Оренбуржья -науке XXI века: материалы ежегодной областной молодежной науч.-практ. конф. - Оренбург: ООО ИПК «Университет», 2015. - С. 73-74.
  4. Ландшафтно-типологическая карта Оренбургской области как основа оптимизации структуры земельного фонда / А.А. Чибилев, А.И. Климентьев, Е.В. Блохин, И.В. Грошев, СВ. Левыкин, В.П. Петрищев // Степи Северной Евразии. Материалы VII международного симпозиума. - Оренбург, 2015. - С. 152-153.
  5. Чибилёва В.П., Петрищев В.П., Левыкин СВ. Построение ландшафтно-экологических моделей степного землепользования на основе кадастрово-землеустроительных систем / Степи Северной Евразии // Материалы V Международного симпозиума. - Оренбург, 2009. - С. 722-725.
  6. Петрищев В.П., Дубровская С.А., Ряхов Р.В. Сравнительный анализ состояния растительности в г. Оренбурге по результатам обработки мультиспектральных космических снимков // Проблемы региональной экологии, 2014. - № 4. - С. 213-217.
  7. Калуцкова Н.Н. Тельнова Н.О., Дронин Н.М. Динамика биологической продуктивности степных экосистем Оренбургского заповедника: анализ по данным дистанционного зондирования // Оренбургский заповедник: значение для сохранения степных экосистем России и перспективы развития: Труды Государственного природного заповедника «Оренбургский». Вып. I. - Оренбург: ИПК «Газпромпечать», 2014. - С. 89-91.
  8. Петрищев В.П. Географические и земельные информационные системы. — Оренбург: ИПК ГОУ ОГУ, 2009. - 114 с.

Для того чтобы оставить комментарий вы должны авторизоваться на сайте! Вы также можете воспользоваться своим аккаунтом вКонтакте для входа!