Помощь студентам в учебе
Мониторинг нарушенных земель Ленинградской области на основе данных дистанционного зондирования и географических информационных систем
|
Введение 3
1 Мониторинг нарушенных лесных земель 6
1.1 Нормативное регулирование мониторинга нарушенных земель 6
1.2 Применение данных ДЗЗ для мониторинга лесных земель 7
1.3 Российские разработки мониторинга нарушенных лесных земель 10
2 Методы мониторинга нарушенных лесных земель 12
2.1 Основные методы картографирования нарушенных лесных земель 12
2.1.1 Визуальное дешифрирование 12
2.1.2 Применение вегетационных индексов 13
2.1.3 Методы автоматизированного дешифрирования 15
2.2 Исходные данные ДЗЗ и геоинформационная среда 19
2.2.1 Открытые данные ДЗЗ 19
2.2.2 Геоинформационная платформа Google Earth Engine для исследования
нарушения лесных земель 21
2.2.3 Нейронные сети для анализа данных ДЗЗ 24
3 Разработка методики картографирования нарушенных лесных земель с
использованием Google Earth Engine 26
3.1 Методика картографирования нарушенных лесных земель с использованием
Google Earth Engine 26
3.2 Результаты исследовательской работы 29
3.2.1 Сравнение вегетационных индексов NDVI и NBR 29
3.2.2 Классификация с учителем с использованием машинного обучения .. 32
3.2.3 Результаты модели классификации 35
Заключение 40
Список литературы 41
Приложение А 46
Приложение Б 47
Приложение В 48
Приложение Г 49
1 Мониторинг нарушенных лесных земель 6
1.1 Нормативное регулирование мониторинга нарушенных земель 6
1.2 Применение данных ДЗЗ для мониторинга лесных земель 7
1.3 Российские разработки мониторинга нарушенных лесных земель 10
2 Методы мониторинга нарушенных лесных земель 12
2.1 Основные методы картографирования нарушенных лесных земель 12
2.1.1 Визуальное дешифрирование 12
2.1.2 Применение вегетационных индексов 13
2.1.3 Методы автоматизированного дешифрирования 15
2.2 Исходные данные ДЗЗ и геоинформационная среда 19
2.2.1 Открытые данные ДЗЗ 19
2.2.2 Геоинформационная платформа Google Earth Engine для исследования
нарушения лесных земель 21
2.2.3 Нейронные сети для анализа данных ДЗЗ 24
3 Разработка методики картографирования нарушенных лесных земель с
использованием Google Earth Engine 26
3.1 Методика картографирования нарушенных лесных земель с использованием
Google Earth Engine 26
3.2 Результаты исследовательской работы 29
3.2.1 Сравнение вегетационных индексов NDVI и NBR 29
3.2.2 Классификация с учителем с использованием машинного обучения .. 32
3.2.3 Результаты модели классификации 35
Заключение 40
Список литературы 41
Приложение А 46
Приложение Б 47
Приложение В 48
Приложение Г 49
Деятельность человека, вызванная растущей урбанизацией, расширением сельского хозяйства, лесопользованием, оказывает весомое воздействие на экосистемы Земли. Изменения в землепользовании, вырубка лесов, добыча полезных ископаемых, загрязнение земель являются известными примерами нарушений, которые изменяют естественные ландшафты на антропогенные. Такие преобразования часто приводят к ухудшению качества почвы, утрате биоразнообразия, изменению гидрологических режимов и нарушению экосистем. Признавая серьезность этих проблем, важно проводить детальный мониторинг нарушенных земель для оценки степени и скорости изменений, а также экологических последствий антропогенных нарушений.
Леса как жизненно важные природные экосистемы выполняют множество функций, необходимых как для человека, так и окружающей среды. Они не только обеспечивают нас древесиной, но также служат важными местами обитания диких животных, очищают воздух, которым мы дышим, защищают качество водных ресурсов и действуют как значительные поглотители углерода, смягчая последствия изменения климата. Мониторинг ущерба, наносимого лесам, особенно в результате лесозаготовок и лесных пожаров, стали важнейшей задачей современного лесопользования.
Леса в Ленинградской области занимают 57% территории региона, по данным на 2014 год. Ленинградская область относится к давно освоенным регионам Русского Севера, значительное изменение природных ландшафтов обусловлено главным образом многократной вырубкой лесов и осушением большей части болот.
В Ленинградской области находится 54 особо охраняемые природные территории (ООПТ), занимающие 7,2% площади по данным на 2019 год. Федеральный статус имеют государственные природные заповедники «Нижне-Свирский» и «Восток Финского залива», государственный природный заказник «Мшинское болото», региональный - природные парки «Вепсский лес» и «Токсовский», 27 государственных природных заказников, 18 памятников природы.
Лесная, деревообрабатывающая и целлюлозно-бумажная промышленность - одна из базовых отраслей хозяйства области, при том, что Ленинградская область - один из ведущих регионов на российском Северо-Западе по объёму лесозаготовок, деревообработки и экспорту древесины. Основной район лесозаготовок - северо-восточная часть области [1].
Земли лесного фонда - самая динамичная категория земель, поскольку зачастую расширение других категорий земель происходит за счет лесных или сельскохозяйственных земель, что является следствием расширения населенных пунктов, строительства промышленных объектов и добычи полезных ископаемых. Понимание масштабов и воздействия этих нарушений крайне важно для обеспечения долгосрочного здоровья, биоразнообразия и функциональности лесов.
Эффективный мониторинг нарушения лесного покрова обеспечивает информацией для принятия обоснованных решений государственные и муниципальные органы власти, специалистов по охране природы и землепользователей. Мониторинг нарушенных лесных земель должен позволить осуществлять устойчивое лесопользование совместно с применением современных информационных технологий.
Мощной информационной поддержкой мониторинга нарушенных земель, в том числе лесных, являются данные дистанционного зондирования (ДЗЗ) при использовании географических информационных систем (ГИС). Данные ДЗЗ - важнейший источник своевременной и оперативной информации о природной среде для создания тематических слоёв в базе данных ГИС. Серверные части традиционных ГИС сталкиваются с серьезными ограничениями масштабируемости в результате появления больших данных в виде спутниковых изображений.
В ходе научно-исследовательской работы реализовано внедрение современных технологий облачных вычислений, позволяющих манипулировать большими пространственными данными вне стационарного традиционных настольных ГИС. Использованы алгоритмы машинного обучения для задач дешифрирования нарушенных лесных земель, которые позволяют упростить обработку спутниковых изображений, увеличить скорость и сократить трудозатраты на выполнение поиска и векторизации признаков нарушения лесного покрова.
Объектом магистерской научно-исследовательской работы выбраны нарушенные лесные земли Ленинградской области, предметом - методы картографирования нарушенных лесных земель по данным ДЗЗ с использованием ГИС.
Значимость исследования состоит в автоматизации мониторинга лесных ресурсов с целью своевременного обнаружения негативных процессов на нарушенных лесных землях и прилегающих к ним территориях, и в способствовании принятия управленческих решений ответственными органами власти.
Актуальность темы научно-исследовательской работы обусловлена проблемой оценки состояния и использования земель на фоне неизменно возрастающего техногенного воздействия на земельные ресурсы нашей страны, что приводит к ухудшению земельного фонда и изменению природных ландшафтов.
автоматизированного мониторинга нарушенных лесных земель по данным дистанционного зондирования Земли на территории Ленинградской области.
Сформулированы следующие задачи для достижения поставленной цели:
• Изучить накопленный российский и зарубежный опыт в решении проблемы картографирования нарушенных лесных земель;
• Сравнить методы картографирования нарушения и восстановления лесных земель по данным ДЗЗ;
• Подобрать наиболее подходящие методы, данные ДЗЗ и геоинформационное программное обеспечение;
• Провести опыт и составить схему разрабатываемой методики;
• Составить картографические материалы и представить результаты методики мониторинга.
Леса как жизненно важные природные экосистемы выполняют множество функций, необходимых как для человека, так и окружающей среды. Они не только обеспечивают нас древесиной, но также служат важными местами обитания диких животных, очищают воздух, которым мы дышим, защищают качество водных ресурсов и действуют как значительные поглотители углерода, смягчая последствия изменения климата. Мониторинг ущерба, наносимого лесам, особенно в результате лесозаготовок и лесных пожаров, стали важнейшей задачей современного лесопользования.
Леса в Ленинградской области занимают 57% территории региона, по данным на 2014 год. Ленинградская область относится к давно освоенным регионам Русского Севера, значительное изменение природных ландшафтов обусловлено главным образом многократной вырубкой лесов и осушением большей части болот.
В Ленинградской области находится 54 особо охраняемые природные территории (ООПТ), занимающие 7,2% площади по данным на 2019 год. Федеральный статус имеют государственные природные заповедники «Нижне-Свирский» и «Восток Финского залива», государственный природный заказник «Мшинское болото», региональный - природные парки «Вепсский лес» и «Токсовский», 27 государственных природных заказников, 18 памятников природы.
Лесная, деревообрабатывающая и целлюлозно-бумажная промышленность - одна из базовых отраслей хозяйства области, при том, что Ленинградская область - один из ведущих регионов на российском Северо-Западе по объёму лесозаготовок, деревообработки и экспорту древесины. Основной район лесозаготовок - северо-восточная часть области [1].
Земли лесного фонда - самая динамичная категория земель, поскольку зачастую расширение других категорий земель происходит за счет лесных или сельскохозяйственных земель, что является следствием расширения населенных пунктов, строительства промышленных объектов и добычи полезных ископаемых. Понимание масштабов и воздействия этих нарушений крайне важно для обеспечения долгосрочного здоровья, биоразнообразия и функциональности лесов.
Эффективный мониторинг нарушения лесного покрова обеспечивает информацией для принятия обоснованных решений государственные и муниципальные органы власти, специалистов по охране природы и землепользователей. Мониторинг нарушенных лесных земель должен позволить осуществлять устойчивое лесопользование совместно с применением современных информационных технологий.
Мощной информационной поддержкой мониторинга нарушенных земель, в том числе лесных, являются данные дистанционного зондирования (ДЗЗ) при использовании географических информационных систем (ГИС). Данные ДЗЗ - важнейший источник своевременной и оперативной информации о природной среде для создания тематических слоёв в базе данных ГИС. Серверные части традиционных ГИС сталкиваются с серьезными ограничениями масштабируемости в результате появления больших данных в виде спутниковых изображений.
В ходе научно-исследовательской работы реализовано внедрение современных технологий облачных вычислений, позволяющих манипулировать большими пространственными данными вне стационарного традиционных настольных ГИС. Использованы алгоритмы машинного обучения для задач дешифрирования нарушенных лесных земель, которые позволяют упростить обработку спутниковых изображений, увеличить скорость и сократить трудозатраты на выполнение поиска и векторизации признаков нарушения лесного покрова.
Объектом магистерской научно-исследовательской работы выбраны нарушенные лесные земли Ленинградской области, предметом - методы картографирования нарушенных лесных земель по данным ДЗЗ с использованием ГИС.
Значимость исследования состоит в автоматизации мониторинга лесных ресурсов с целью своевременного обнаружения негативных процессов на нарушенных лесных землях и прилегающих к ним территориях, и в способствовании принятия управленческих решений ответственными органами власти.
Актуальность темы научно-исследовательской работы обусловлена проблемой оценки состояния и использования земель на фоне неизменно возрастающего техногенного воздействия на земельные ресурсы нашей страны, что приводит к ухудшению земельного фонда и изменению природных ландшафтов.
автоматизированного мониторинга нарушенных лесных земель по данным дистанционного зондирования Земли на территории Ленинградской области.
Сформулированы следующие задачи для достижения поставленной цели:
• Изучить накопленный российский и зарубежный опыт в решении проблемы картографирования нарушенных лесных земель;
• Сравнить методы картографирования нарушения и восстановления лесных земель по данным ДЗЗ;
• Подобрать наиболее подходящие методы, данные ДЗЗ и геоинформационное программное обеспечение;
• Провести опыт и составить схему разрабатываемой методики;
• Составить картографические материалы и представить результаты методики мониторинга.
В результате проделанной за два года магистерской научно-исследовательской работы, посвященной разработке методики автоматизированного картографирования нарушенных лесных земель:
• проанализирован существующий опыт и методы картографирования
нарушения лесных земель;
• проведен опыт и составлена технологическая схема разработанной методики;
• разработан скрипт на языке JavaScript, реализующий методику на базе облачной геоинформационной платформы Google Earth Engine;
• составлены картографические материалы, приложенные к научно-исследовательской работе.
Можно заключить, что классификация на основе машинного обучения в сочетании с Google Earth Engine является мощным инструментом для мониторинга нарушенных лесов. Используя спутниковые снимки и современные алгоритмы машинного обучения, становится возможным автоматически обнаруживать и классифицировать различные типы нарушения лесов, такие как вырубки и лесные пожары.
Применение облачных технологий позволяет анализировать большие наборы данных спутниковых изображений без необходимости загружать на стационарный ПК, что позволяет выявлять и отслеживать нарушения лесов на обширных территориях и в течение продолжительных периодов времени в сжатые сроки, используя распределенные вычислительные мощности. Автоматизация процесса обнаружения и картографирования нарушенных лесных земель упрощает мониторинг, экономя время и ресурсы по сравнению с традиционными методами обработки данных ДЗЗ.
Сочетание этих технологий облегчает создание подробных карт и отчетов о нарушениях лесов, обеспечивая пространственной информацией и поддерживая принятие решений на основе фактических данных для государственных органов власти и органов муниципального самоуправления, исследователей и природоохранных организаций.
Развитие исследования может быть продолжено по направлению обработки данных ДЗЗ, предоставляемых GEE, с применением сверточных нейронных сетей на основе библиотеки TensorFlow, которая предоставляет возможности поиска нарушенных участков леса с большей достоверностью.
• проанализирован существующий опыт и методы картографирования
нарушения лесных земель;
• проведен опыт и составлена технологическая схема разработанной методики;
• разработан скрипт на языке JavaScript, реализующий методику на базе облачной геоинформационной платформы Google Earth Engine;
• составлены картографические материалы, приложенные к научно-исследовательской работе.
Можно заключить, что классификация на основе машинного обучения в сочетании с Google Earth Engine является мощным инструментом для мониторинга нарушенных лесов. Используя спутниковые снимки и современные алгоритмы машинного обучения, становится возможным автоматически обнаруживать и классифицировать различные типы нарушения лесов, такие как вырубки и лесные пожары.
Применение облачных технологий позволяет анализировать большие наборы данных спутниковых изображений без необходимости загружать на стационарный ПК, что позволяет выявлять и отслеживать нарушения лесов на обширных территориях и в течение продолжительных периодов времени в сжатые сроки, используя распределенные вычислительные мощности. Автоматизация процесса обнаружения и картографирования нарушенных лесных земель упрощает мониторинг, экономя время и ресурсы по сравнению с традиционными методами обработки данных ДЗЗ.
Сочетание этих технологий облегчает создание подробных карт и отчетов о нарушениях лесов, обеспечивая пространственной информацией и поддерживая принятие решений на основе фактических данных для государственных органов власти и органов муниципального самоуправления, исследователей и природоохранных организаций.
Развитие исследования может быть продолжено по направлению обработки данных ДЗЗ, предоставляемых GEE, с применением сверточных нейронных сетей на основе библиотеки TensorFlow, которая предоставляет возможности поиска нарушенных участков леса с большей достоверностью.