Введение

В настоящее время на берегах многих водоемов практически во всех населенных районах России появилось большое количество объектов недвижимости. Очень часто они располагаются в пределах водоохранных зон водоемов, что является нарушением требований законодательства РФ. Соблюдение закона в данном случае является больше исключением из правил, чем нормой. Ежегодно, при проверке по Москве и Московской области выявляются нарушения застройки в водоохранных зонах в 20-30% случаев от общего числа проверенных объектов. Эта проблема в полной мере отражена и в Тверской области [6].

Объектом изучения является река Волга в районе г. Дубна. Для объекта, согласно статье 65 Водного Кодекса РФ, установлена водоохранная зона в размере 200 метров, так как протяженность водоема составляет 120 км. То же самое касается и его притоков [2].

Цель работы: провести анализ динамики возникновения новых объектов на территории г. Дубна за период 1998-2018 гг. с помощью снимков со спутника.

Были поставлены следующие задачи:

ознакомиться с методами дистанционного дешифрирования

подобрать материал для исследования

синтезировать космические снимки в зависимости от поставленной задачи

сделать классификацию эталонных участков и составить дешифровочный атлас объектов

сделать выводы и прогноз дальнейшего изменения состояния изучаемой территории

Актуальность данной проблемы обусловлена резким увеличением количества застроенных участков в пределах водоохранной зоны, являющейся буферной системой, задерживающей загрязняющие компоненты.

Объектом изучения в данной работе является река Волга после плотины Иваньковской ГЭС (г. Дубна) до начала Угличского водохранилища.

Дубна — это наукоград, находящийся в 121 км от Москвы. Город является крупнейшим в России центром исследования ядерной физики. По данным 2018 года, население города составляет 75144 человек [4].

Глава 1. Используемое программное обеспечение

В ходе написания работы были использованы две программы: MultiSpec и QuantumGis. Снимки со спутника получены с помощью открытой системы Glovis.

1.1 Получение космических снимков Landsat с помощью Glovis

Одним из основных источников материалов ДЗЗ, в том числе и бесплатных, является архив Геологической службы (ГС) США (USGS[1]). Доступ к нему возможен как для простого просмотра каталога, так и для непосредственного получения хранимых в нём материалов. Во втором случае потребуется регистрация на сайте архива. Ниже на примере сервиса EarthExplorer описывается методика работы с каталогом ГС США для просмотра хранимых в нём материалов, способ регистрации и авторизации на сайте архива и технология получения снимков из него.

Одним из главных источников для получения бесплатных данных дистанционного зондирования Земли является сайт Геологической службы США https://www.usgs.gov. Данный интернет-ресурс содержит в себе архив доступных для изучения и скачивания космических снимков с различных спутниковых систем, таких как OrbView-3, Sentinel-3, Global Land Survey, Landsat 1-8 и многих других. В данной работе используются данные со спутника Landsat 4-5 и Landsat-8.

Космические снимки со спутника Landsat имеют ряд преимуществ по сравнению с

другими космическими снимками. К основным преимуществам этих снимков следует отнести:

Наличие в фондах снимков от начала 1970-х годов до настоящего времени, что позволяет проанализировать многолетние изменения площади термокарстовых озерза период современного потепления климата.

Высокую регулярность съемки. Снимки на одну и ту же территорию получают с интервалом в 16 дней; даже учитывая неизбежные потери информации из-за облачности, это позволяет проанализировать годовые и сезонные изменения площади озер, не ограничиваясь только многолетними изменениями.

Наличие снимков в свободном доступе (www.glovis.usgs.gov), что позволяет без особых трудностей и временных затрат получить необходимые материалы.

Наличие снимков в ближней инфракрасной зоне (а для съемочных систем TM/ETM+ также в средней инфракрасной зоне), которые обеспечивают надежное выделение водной поверхности озер по яркостным признакам в автоматизированном режиме.

Большой охват территории одним снимком (185*185 км), который позволяет проанализировать изменения площади большего количества озер, распределенных на большей территории [3].

Получение данных со спутника происходит в несколько этапов. Рассмотрим их подробнее.

1 этап: осуществить вход в интернет ресурс и пройти процедуру регистрации

2 этап: выбор снимка с территории. Нужную местность можно найти на интерактивной карте или ввести в графу поиска координаты

3 этап: в разделе Data Sets выбрать нужный нам спутник. В данном случае, Landsat 4-5 или Landsat-8

4 этап: определение параметров снимка. В отдельном поле нужно задать временной диапазон снимка, количество облаков на снимке (значение от 0 до 100 %)

5 этап: вывод результатов и скачивание снимков. Для дальнейшего анализа нужно загрузить самый большой по размеру архив со снимками – он содержит фотографии местности со спутника в различных диапазонах съемки. Смешивая эти диапазоны, мы сможем получить необходимые снимки для дальнейшего анализа и дешифрирования.

1.2. Программа MultiSpec

MultiSpec – это программа для компьютерной обработки многозональных снимков. Программа проста в использовании, имеет широкий набор функций. Система позволяет обрабатывать многозональные снимки (например, получаемые со спутников Ресурс-О, Landsat) а также гиперспектральные снимки (получаемые недавно разработанными системами, например сканерами AVIRIS и MODIS).

В пакет постоянно добавляются новые возможности. Любая версия включает следующие основные функции:

Импорт данных, как из двоичных, так и текстовых файлов.

Визуализация многозональных изображений с помощью множества черно-белых и цветных режимов; показ создаваемых типизированных растров. Наложение векторных данных поверх изображений.

Расчёт гистограмм по многозональным изображениям.

Переформатирование данных, включающее изменение каналов, объединение файлов, создание мозаик, изменение геометрии и др.

Создание новых каналов из существующих с помощью извлечения информации из многозонального изображения или в результате попиксельных алгебраических вычислений.

Кластерный анализ (классификация без обучения) в отношении многозональных изображений и создание в результате типизированных растров.

Классификация с обучением после подготовки набора эталонов для основных классов наземных объектов, видимых на многозональном изображении.

Построение графика спектральных значений для выделенных участков многозонального изображения.

Экспорт исходных данных и их трансформант в текстовый файл.

Экспорт изображений в графический файл и буфер обмена.

Программа MultiSpec использовалась для создания зональных снимков со спутника Landsat 4 и Landsat 8. В дальнейшем, эти снимки были обработаны в программном комплексе QuantumGis.

1.3. Геоинформационная система QGIS

В качестве программы для анализа космических снимков была выбрана геоинформационная система QGIS. QGIS (Quantum GIS) — свободная кроссплатформенная геоинформационная система.

В ряд возможностей данной системы входит:

возможность просматривать и накладывать друг на друга векторные и растровые данные в различных форматах и проекциях без преобразования во внутренний или общий формат.

С помощью удобного графического интерфейса можно создавать карты и исследовать пространственные данные.

В QGIS можно создавать и редактировать векторные данные, а также экспортировать их в разные форматы.

Анализировать векторные пространственные данные в PostgreSQL/PostGIS и других форматах, поддерживаемых OGR, используя модуль Processing, написанный на языке программирования Python. В настоящее время QGIS предоставляет возможность использовать инструменты анализа, выборки, геопроцессинга, управления геометрией и базами данных. Также можно использовать интегрированные инструменты GRASS, которые включают в себя функциональность более чем 300 модулей GRASS.

QGIS может быть адаптирован к особым потребностям с помощью расширяемой архитектуры модулей. QGIS предоставляет библиотеки, которые могут использоваться для создания модулей. Можно создавать отдельные приложения, используя языки программирования C++ или Python [5].

Глава 2. Практические результаты

В ходе выполнения работы была проанализирована территория г. Дубна в период 1998 – 2018 гг.

Были проведены синтез космических снимков, классификация эталонных участков в программе MultiSpec и рассмотрена динамика процессов за 30 лет. Карты динамики процессов были построены в программе QGIS.

2.1. Подбор исходного материала

Для анализа территории и просмотра динамики процессов, проходящих на ней, были выбраны космические снимки спутника Landsat за 1998 и 2018 гг. Снимки были взяты с Хранилища ГС США с сайта https://earthexplorer.usgs.gov.

2.2. Синтез космических снимков

В программе MultiSpec были синтезированы космические снимки со спутника Landsat 1998 и 2018 года. Снимки были синтезированы в стандартной комбинации «искусственные цвета». Данная комбинация позволяет изучать состояние растительного покрова, почв и застройки территории. Растительный покров отображается в красных тонах, застройка – в светло-голубых.

Для получения синтезированного снимка со спутника Landsat 4-5 были использованы каналы 4-3-2, Landsat-8 – 5-4-3. Снимки представлены на рисунках .

Рисунок 1. Снимок со спутника Landsat 4-5 1998 года

Рисунок 2. Снимок со спутника Landsat 8 2018 года.

2.3. Классификация эталонных участков

Классификация эталонных участков была проведена в программе MultiSpec. Программа MultiSpec позволяет выполнять автоматическое выделение на многозональном изображении участков, сходных с эталонными по спектральным характеристикам. Такая операция называется классификация с обучением. Перед тем как делать классификацию, предварительно требуется произвести обучение алгоритма на эталонных образцах – участках изображения с характерными спектральными портретами, иначе при дешифрировании могут возникнуть сложности.

Были сделаны два образца эталонных участков – с обучением и без него. Сравним их.

Рисунок 3. Классификация эталонных участков без обучения

Рисунок 4. Классификация эталонных участков с обучением

В ходе сравнения было выяснено, что классификация с обучением является более правильным способом определения эталонных участков. В обоих случаях были определены 8 участков.

У обоих снимков есть преимущества и недостатки. На снимке без обучения более детально просматривается городская территория. Здесь можно выделить отдельными классами как здания, так и асфальтированные покрытия. Однако программа в автоматическом режиме плохо определяет разницу между породами деревьев и травянистую растительность.

В случае классификации с обучением мы наблюдаем другую картину. Здесь мы можем более детально рассмотреть два типа воды в водохранилише – замутненную и чистую. Также более детально выделяется травянистая растительность и разные типы лесов. В целом, рисунок эталонных участков с обучением выглядит более естественно и лаконично, по сравнению с примером без обучения.

Подобная классификация проводилась для снимка 1998 года, однако его разрешение не позволяет грамотно составить эталонные участки, так как большинство кластеров сливаются друг с другом.

Разделение синтезированного снимка на эталонные участки позволяет нам составить дешифровочный атлас объектов.

2.4. Дешифровочный атлас объектов на снимке г. Дубна 2018 года

Объект	Эталонное изображение	Описание
Городская застройка		Имеет четкие очертания, как правило, прямоугольной формы. Цвет на синтезированном изображении – голубой или темно-голубой. Это зависит от вида покрытия на крыше зданий. Часто можно видеть зеленоватые пикселы.
Облака		Имеют округлые очертания с рваными краями, характерными для кучевых и перисто-кучевых облаков. Цвет на изображении – от темно-зеленого до темно-коричневого.
Вода чистая		Водные объекты имеют вытянутую форму, характерную для нешироких рек. Края ровные, объект сильно выделяется на снимке из-за своего темного цвета. Может иметь различную форму, которая зависит от типа гидрографической сети территории. Цвет – черный.
Вода взмученная		Имеет черты водных объектов, описанные в предыдущем пункте. Отличие состоит в цвете – мутная вода на синтезированном снимке отражается зеленоватым цветом, что ярко заметно при сравнении двух картинок.
Травянистая растительность		Травянистая растительность имеет лиловый цвет. Имеет вид пятен с краями разного типа. Цвет может колебаться от светло-лилового до темно-лилового.
Хвойные леса		Естественные хвойные леса имеют вид рваных пятен от темно-красного до красно-коричневого цвета. Часто леса на территории расположены квадратами, особенно если это лесопосадки. Занимают большую часть территории снимка.
Лиственные леса		Лиственные леса имеют вид полигонов с округлыми краями, связанный с неравномерностью распространения данных пород по территории. Цвет: от светло-красного до красного.
Открытая почва		Имеет различные очертания в зависимости от производимой антропогенной деятельности. Участки могут иметь как прямоугольную, так и округлую и любую другую произвольную форму. Цвет: коричневый.

2.5. Антропогенная и природная динамика изучаемых территорий

Одной из главных целей работы является изучение динамики природных и антропогенных процессов. С помощью системы QGIS были построены карты динамики постройки новых дорог, зданий, коттеджных поселков и появления строительных площадок.

Анализ карт динамики за 20 лет показал тенденцию к возникновению на территории г. Дубна достаточно крупных коттеджных поселков. Помимо этого, возникло большое количество зданий и асфальтированных покрытий в городе. Инфраструктура города постоянно развивается, возникают новые дороги, которые связывают возникающие экономические зоны и поселки. Несколько дешифрированных строительных площадок показывают то, что город продолжает расширяться.

С одной стороны, развитие городских территорий является несомненным плюсом, однако этот процесс может оказывать и негативный вклад в экологическое состояние окружающей среды.

Так, например, за последние 20 лет произошло резкое увеличение количества коттеджных поселков в водоохранной зоне Угличского водохранилища. Этот процесс ведет к увеличению антропогенной нагрузки на исследуемый водоем. Проблема является типичной для многих водохранилищ Волжского каскада.

Хозяйственная деятельность в пределах изучаемой территории приводит к смыву в водоем нитратных, нитритных, аммонийных, фосфатных соединений, что нарушает сложившийся баланс в экосистеме водохранилища.

Увеличение количества дорог приводит к возникновению большого количества газообразных выбросов в атмосферный воздух. Загрязняющие вещества, такие как сернистый газ (SO2), оксид углерода (СО), диоксид углерода (СО2), оксид азота (N2О, NO, NO2) ухудшают состояние окружающей среды города. Что касается экосистемы водохранилища, то многие загрязняющие компоненты могут оседать на снег или почвенный покров, с дальнейшим смывом в водоемы с дождевым или талым стоком.

Постройка новых объектов связана с развертыванием строительных площадок. Зачастую, они также являются причиной загрязнения водоемов. В качестве примера можно взять космический снимок 2018 года, на котором отчетливо виден след мутной воды недалеко от строящегося моста и площадки экономической зоны.

Появление нового моста в городе имеет как положительные, так и отрицательные черты. С одной стороны, мост позволяет соединить две части города Дубна. Это весьма удобно для жителей, так как поможет сократить расстояние от точки до точки. Косвенными экологическими факторами является то, что длина автомобильного или автобусного маршрута также уменьшается, что приводит к меньшему выбросу в атмосферный воздух загрязняющих веществ.

С другой стороны, как уже было отмечено выше, при строительстве моста происходило взмучивание воды в результате бурения скважин для установки свай. Также возможны выбросы горюче-смазочных материалов и топлива в водоем, как при постройке, так и при эксплуатации моста, что может негативно сказаться на качестве вод. Есть еще один фактор, который может повлиять на загрязнение окружающей среды города. Это большой потом грузовых машин, которые ранее не заходили в город из-за отсутствия предусмотренной для этого автомагистрали. В настоящий момент ситуация может кардинально измениться.

Заключение

Таким образом, в ходе работы была рассмотрена территория г. Дубна в динамике с 1998 по 2018 гг.

Были построены карты динамики изучаемой территории, дешифровочный атлас, а также проведена классификация эталонных участков. В целом, можно отметить тенденцию к расширению территории города Дубна, а также увеличению количества построек на территории города. Данные процессы имеют ряд плюсов и минусов. Одним из главных недостатков является то, что застройка может негативно влиять на состояние водных объектов, а именно на качество воды в Угличском водохранилище.

Для предотвращения негативных последствий антропогенной деятельности человека необходимо вести тщательное наблюдение и мониторинг попадания загрязняющих веществ в водоемы, а также установка и модернизация очистных сооружений города. Немаловажным является укрепление берегов водохранилища, что поможет избежать смыва веществ в водоем.

Список литературы

Каманина И.З., Савватеева О.А. воздействие автотранспорта на окружающую среду г. Дубны. Журнал «Фундаментальные исследования», № 8-7, 2014, с. 1612-1616.

Водный кодекс Российской Федерации от 03.06.2006 N 74-ФЗ (ред. от 03.08.2018) (с изм. и доп., вступ. в силу с 01.01.2019).

Географические информационные системы и дистанционное зондирование URL.: http://gis-lab.info/qa/multispec-sat.html Режим доступа свободный. Дата обращения 16.12.2017 г

Город Дубна // Особая экономическая зона «Дубна». URL: http://dubna-oez.ru/city_dubna. Режим доступа: свободный. Дата обращения: 05.09.2018.

Сайт геоинформационной системы URL.: https://www.qgis.org/en/site/ Режим доступа свободный. Дата доступа 16.12.2017 г.

Строительство в водоохранных зонах // СтройЭксперт. URL: http://expert74.com/nomer.php?art=249. Режим доступа: свободный. Дата обращения: 05.09.2018.

Код для цитирования: Скопировать