ИСПОЛЬЗОВАНИЕ ГИС-ТЕХНОЛОГИЙ И ДАННЫХ
ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ДЛЯ ИЗУЧЕНИЯ
ОВРАЖНОЙ ЭРОЗИИ НА ПРИМЕРЕ ВЕРХНЕУСЛОНСКОГО
МУНИЦИПАЛЬНОГО РАЙОНА РЕСПУБЛИКИ ТАТАРСТАН
Введение 3
1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПРИМЕНЕНИЯ ГИС-ТЕХНОЛОГИЙ И
ДДЗЗ В ИЗУЧЕНИИ ОВРАЖНОЙ ЭРОЗИИ 8
1.1. Возможности применения ГИС и ДДЗЗ в изучении овражной эрозии как
комплексного процесса в ландшафте 8
1.2. Анализ отечественного и зарубежного опыта в применении ГИС и ДДЗЗ
в изучении овражной эрозии 13
1.3. Факторы овражной эрозии 19
2. ИСХОДНЫЕ ГЕОДАННЫЕ И МЕТОДИКА ИССЛЕДОВАНИЯ 27
2.1. Исходные данные, относящиеся к факторам овражной эрозии и наличию
оврагов на территории исследования 27
2.2. Обработка исходных данных 34
2.3. Методика исследования 39
3. РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ ОВРАЖНОЙ ЭРОЗИИ НА ТЕРРИТОРИИ ВЕРХНЕУСЛОНСКОГО МУНИЦИПАЛЬНОГО РАЙОНА .... 48
3.1. Физико-географические условия протекания овражной эрозии в
Верхнеуслонском муниципальном районе 48
3.2. Оценка точности модели и факторный анализ 55
3.3. Построение карты подверженности овражной эрозии на территорию
Верхнеуслонского района 60
Заключение 68
Список использованных источников 72
Овражная эрозия является бедствием, распространенным в лесостепных и степных ландшафтах. На сельскохозяйственных угодьях овражная эрозия представляет собой ускоренный геоморфологический процесс из-за сильнейшего влияния человеческой деятельности на ландшафт. Преобразование хотя бы одного компонента ландшафта приводит к изменениям во всем природно-территориальном комплексе. Поэтому такие факторы как сведение лесов, распашка почв, ведущая к нарушению её структурности, уплотнение грунта в результате прокладки дорог значительно ускорили естественный геологический процесс оврагообразования. Как результат, с конца XIX в. происходит разрастание овражной сети, которая разрушает и уносит плодородный почвенный слой с потоками воды во время активного снеготаяния и ливневых дождей. Следствием овражной эрозии является повсеместное сокращение площади пригодных к сельскому хозяйству земель.
В Республике Татарстан, в особенности в аграрных районах Предволжья, происходит активный процесс сельскохозяйственной овражной эрозии, что является актуальной проблемой и одной из важнейших проблем в сельском хозяйстве данного региона.
В XX веке процесс и явление овражной эрозии изучались с помощью топографических карт и аэрофотоснимков, производились подсчет оврагов, измерение их длин, расчёт плотностей и площадей овражных бассейнов, что приводило к выводу об их неуклонном росте. Ручные измерения были трудоемкими и затратными по времени для исследователей. Однако с появлением и внедрением ГИС-технологий в геоморфологические и физикогеографические исследования, существенно упростились такие задачи как создание моделей рельефа земной поверхности, подсчет фундаментальных морфометрических показателей экспозиции, уклона, кривизны эродируемых склоновых поверхностей, а также гидрологический анализ. ГИС-технологии
предоставили широкие возможности в обработке и дешифрировании аэро- и
3
космоснимков, благодаря комбинациям каналов разных спектральных диапазонов яркости излучаемых объектов, а также их классификации.
Практическое значение изучаемой проблемы в том, что ГИС-технологии и данные дистанционного зондирования Земли (ДДЗЗ) позволяют сократить затраты на инвентаризацию земельного фонда по сравнению с классическими полевыми и камеральными методами, в короткие сроки выявляя пригодные для того или иного вида деятельности земли и их площади. ДДЗЗ различных разрешений находятся в свободном доступе (Landsat, Sentinel), либо могут быть заказаны у поставщиков данных, присутствующих и на Российском сегменте рынка ДДЗЗ (СКАНЭКС). Кроме того, технологии фотограмметрии (БПЛА) и наземного лазерного сканирования (LIDAR) позволяют создавать собственные цифровые модели высот с помощью беспилотных летательных аппаратов. Возможности ГИС заключаются в быстрой основной и тематической обработке ДДЗЗ, извлечении новой информации посредством пространственного анализа, а также подготовке пространственных данных для машинного обучения.
Теоретическое значение изучаемой проблемы - выявление значимости факторов, которые влияют на процесс овражной эрозии на исследуемой территории.
Научная новизна данного исследования состоит не просто в широко используемых в сфере землепользования ГИС-технологий, данных дистанционного зондирования, а в интеграции геоданных в алгоритм машинного обучения (логистической регрессии). Опыт использования технологии машинного обучения в исследовании овражной эрозии распространён за рубежом, но в России встречается крайне редко.
Цель данной работы состоит в изучении процесса овражной эрозии путём моделирования предрасположенности территории к овражной эрозии с помощью методов ГИС-технологий и ДДЗЗ, а также возможностей алгоритмов машинного обучения.
Задачи, поставленные для достижения цели:
- изучение литературы по теме исследования;
- сбор материалов, находящихся в свободном доступе;
- обработка материалов в ГИС;
- создание набора данных для модели логистической регрессии;
- тестирование и оценка точности модели;
- выявление значимости факторов влияния на овражную эрозию;
- построение карты предрасположенности территории исследования к овражной эрозии.
В данной работе объектом исследования является овражная эрозия на территории Верхнеуслонского района Республики Татарстан. Территория относится к лесостепной зоне Предволжья с плодородными серыми лесными почвами и расположена на крайнем северо-востоке Приволжской возвышенности. Длительное экстенсивное земледелие привело к деградации почв, интенсивной овражной эрозии. Площадь района составляет 1268 км2.
Предмет исследования - изучение овражной эрозии с помощью ГИС- технологий и данных дистанционного зондирования Земли (ДДЗЗ).
В работе были использованы как ДДЗЗ, так и данные, полученные с помощью пространственного анализа в ГИС. Геоморфометрические данные были получены из глобальной ЦМР ASTER (разрешение 30 м на пиксель). Антропогенные факторы (близость к дорогам и рекам) рассчитаны на основе векторных данных открытого ресурса OpenStreetMap (OSM). Нормализованный вегетационный индекс NDVI был получены на основе данных Sentinel-2 (разрешение 10 м на пиксель). Для определения эталонных дешифровочных признаков использовались аэрофотоснимки на ключевом участке полевого исследования. Обработка данных производилась в ПО ArcGIS, QGIS.
Методы исследования:
- геоинформационное моделирование;
- пространственный анализ;
- наблюдение в натуре (полевой);
- аэрофотосъемка с БПЛА;
- дешифрирование ДДЗЗ;
- статистическая выборка;
- моделирование логистической регрессии;
- многофакторный анализ
- вероятностное картографирование.
Проведенное исследование делится на следующие взаимосвязанные этапы:
- построение в ГИС карт морфометрических и гидрологических показателей, расстояний до рек и дорог, NDVI;
- дешифрирование космических снимков с помощью установленного эталона и создание полигонов, включающих или не включающих в себя овражную эрозию;
- подготовка тестовой и проверочной выборок путём создания случайных точек внутри полигонов, которым присваивалось значение наличия или отсутствия оврага;
- извлечение информации из растровых слоёв факторов овражной эрозии в тестовую и проверочную выборки в ГИС;
- моделирование логистической регрессии на языке обработки данных
R;
- оценка точности модели и значимости факторов;
- вероятностное картографирование овражной эрозии с использованием выборки из регулярных точек на всю территорию исследования.
В работе были использованы литературные, картографические, и вебисточники, всего - 44 ед. Работа содержит введение, три основных главы и заключение.
В первой главе ВКР рассматриваются теоретические аспекты применения ГИС-технологий и ДДЗЗ в изучении овражной эрозии: кратко описываются сущность ГИС-технологий и ДДЗЗ, приводятся примеры их применения в изучении овражной эрозии, приводится анализ российского и зарубежного опыта в изучении данной проблемы, а также даётся описание факторов овражной эрозии.
Вторая глава описывает практический опыт работы с исходными данными: их анализ, процесс получения и обработки, дешифрирование овражной сети с помощью эталонных признаков, обследованных в ходе наблюдений в поле и снимков с БПЛА. Методика исследования и описание технических аспектов построения модели логистической регрессии также приводится во второй главе.
В третью главу включены физико-географические условия протекания овражной эрозии на территории исследования, смоделированные в ГИС, оценка точности модели, аналитическая часть о значимости факторов в созданной модели и оценка полученной карты предрасположенности территории исследования к овражной эрозии.
В данной работе овражная эрозия на территории Верхнеуслонского муниципального района была изучена как многофакторный процесс. Были изучены факторы, влияющие на овражную эрозию, оценены возможности применения данных, находящихся в свободном доступе, исходя из чего выбраны факторы, включённые в модель.
Изучение факторов овражной эрозии позволяет понять её сущность как явления в абиотической части ландшафта. Так, было выявлено, что NDVI, отражающий состояние растительного покрова, уклон поверхности, абсолютная высота, расстояние до дорог - наиболее значимые факторы в построенной модели овражной эрозии. Северо-восточная экспозиция показала большую значимость в ряду восьми основным экспозиций, плановая кривизна оказалась более значимым фактором, чем профильная. Наименее значимый фактор - расстояние до речной сети.
В работе были решены задачи технического преобразования факторов в набор пространственных данных с помощью ГИС. ГИС-технологии в данной работе имеют первоочередное значение в подготовке, обработке и визуализации данных не только факторов, но и изучаемого явления в целом.
Данные дистанционного зондирования Земли и такой их продукт, как глобальная ЦМР, заключают в себе множество разноплановой информации об объекте исследования, поэтому в данном исследовании они также сыграли ключевую роль. Для уточнения ДДЗЗ был совершён полевой выезд на ключевой участок, где была произведены аэрофотосъёмка с БПЛА и визуальное наблюдение за растущими оврагами.
Алгоритм машинного обучения логистическая регрессия в данной работе использовался как инструмент сведения пространственных данных воедино. Без него было бы невозможно представить овражную эрозию в качестве системного процесса, создать ее модель и оценить значимость каждого из факторов. Такие возможности, встроенные в ГИС пока присутствуют в новейших и дорогостоящих программных продуктах ArcGIS Pro.
В ходе работы были встречены следующие проблемы, связанные с недостаточностью данных и изученности. ДДЗЗ, в частности полученные с их помощью глобальные ЦМР, в свободном доступе имеют разрешение не более 30 м/пиксель (низкое), а коммерческие данные не превышают разрешения 1 м/пиксель (высокое). На территории Российской Федерации свободно не распространяются качественные и высокоточные данные, на основании которых можно построить цифровую модель высот с высоким уровнем предсказания.
ЦМР низкого разрешения непригодны для целей высокоточного сельского хозяйства, поэтому рекомендуется использовать более точные данные. В связи с этим автор даёт рекомендацию: для более точных моделей, основывающихся на морфометрических показателях, необходимо делать съемку облаков точек с помощью высокоточных лидарных технологий наземного сканирования, либо с помощью фотограмметрического сканирования с БПЛА.
Несмотря на невозможность использования построенной модели для целей ведения сельского хозяйства, данная модель может быть полезна в качестве пробной модели овражной эрозии, которая отражает распределение оврагов на территории района. Модель также будет полезна для ознакомления с возможностями применения ГИС-технологий и ДДЗЗ в моделировании природных бедствий методами машинного обучения. Методику построения модели, приведённую в данной работе, возможно повторить на более точных данных. Тем не менее всегда следует учитывать региональные особенности овражной эрозии при выборе факторов, проводить факторный анализ и оценивать точность полученной модели, чтобы не допустить переобучения.
Алгоритм логистической регрессии подошёл в качестве средства решения поставленной задаче о моделировании и оценке независимых факторов. Тем не менее, он не является единственным возможным средством, учитывая быстрое развитие алгоритмов свёрточных нейронных сетей для распознавания объектов. Опыт их применения постоянно расширяется, и вполне вероятно, что появятся задачи детектирования овражной эрозии и других неблагоприятных и опасных для жизнедеятельности человека природных процессов, которые будут способствовать развитию оперативного картографирования опасных природных процессов.
В данной работе фактор NDVI превалировал над другими факторами, вместе с тем повышая общую точность модели. Однако именно из-за гипертрофированной значимости NDVI появились такие артефакты как распознавание лесных массивов в качестве овражной сети. Причиной подобных артефактов явилось то, что все удобные плакорные склоны, по-видимому уже распаханы, и следовательно, имеют меньший объём фитомассы и меньшее значение NDVI, поэтому в оврагах концентрируется древесная и кустарниковая растительность. Поэтому можно сделать вывод, что все удобные земли с минимальными уклонами поверхности распаханы, а в оврагах зачастую находятся леса, однако это не значит, что рост оврагов на территории муниципального района прекратился. Необходимо внимательно следить за землями, не затронутыми овражной эрозией и проводить мероприятия, способствующие прекращению овражной эрозии. В этих задачах приобретает значение мониторинг земель с помощью БПЛА. Можно также создавать ЦМР на территорию конкретных бассейнов и моделировать изменения, которые могут возникнуть при проведении работ по защите земель от овражной эрозии.
Помимо использования данных средней и низкой точности в проведении исследования, была также встречена проблема недостатка мощностей для обработки больших массивов информации или т. н. «big data». ЦМР с разрешением 30 м/пиксель имеет на территории Верхнеуслонского муниципального района более 3 млн точек. Учитывая то, что подобных слоёв было 10, эффективно оперировать ими с помощью настольного ПК, не представлялось возможным. Поэтому для уменьшения времени, затраченного на создание вероятностных карт автором ВКР была разработана собственная методика, которая предполагала уменьшение разрешения карты до 90 м/пиксель и разбиение набора данных на 7 листов карты.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
