Размещено на http://www.allbest.ru/

Автореферат

диссертации на соискание ученой степени доктора сельскохозяйственных наук

Специальность 06.03.04 - агролесомелиорация и защитное лесоразведение; озеленение населенных пунктов

АГРОЛЕСОМЕЛИОРАТИВНОЕ КАРТОГРАФИРОВАНИЕ И МОДЕЛИРОВАНИЕ ДЕГРАДАЦИОННЫХ ПРОЦЕССОВ НА ОСНОВЕ АЭРОКОСМИЧЕСКОГО МОНИТОРИНГА И ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

Юферев Валерий Григорьевич

Волгоград - 2009

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. Антропогенное воздействие на окружающую среду, особенно в агроландшафтах к началу 21 века привело к трансформации их в неустойчивые, деградированные экосистемы, поддержание которых в относительном равновесии требует постоянного увеличения затрат, что снижает конкурентоспособность продукции и повышает ее себестоимость. Даже использование современных ресурсосберегающих технологий агропроизводства не гарантирует сохранение плодородия почв и продуктивности пастбищ без использования средств и лесной мелиорации.

Наиболее уязвимым элементом агроландшафтов является почва, так как именно она подвержена максимальному воздействию внешних природно-климатических и антропогенных факторов. На Юге Европейской части России из 210 млн га сельскохозяйственных угодий деградацией и опустыниванием затронуто около 94 млн га (44, 8% общей площади) [К. Н. Кулик, 2004].

Для значительных площадей агроландшафтов Юга Европейской части России, подверженных деградации и опустыниванию, необходимо точное научное обоснование землеустройства на основе современных компьютерных картографических продуктов, отражающих как агроэкологическое состояние таких площадей, так и основные факторы, влияющие на их продуктивность. Для выполнения этих работ обычно проводятся трудоемкие и дорогостоящие наземные обследования, которые в силу значительной площади территории не могут с достаточной объективностью и точностью описать и картографировать деградационные процессы. Применение аэрокосмических методов для изучения и картографирования агроландшафтов сокращает затраты на проектно-изыскательские работы, ускоряет темпы их проведения, повышает качество и точность проектной документации, обеспечивает высокую точность определения местоположения объектов, что в совокупности с системами GPS и ГЛОНАСС создает условия для точного, координатного земледелия. Аэрокосмические фотоснимки (АКФ) необходимы, в том числе, для инвентаризации и оперативного картографирования агролесомелиоративных объектов одновременно на больших площадях и в короткое время.

Для предотвращения деградации почв и улучшения экологической обстановки необходимо знать региональные особенности деградационных процессов. Это требует сопряженного анализа всех компонентов агролесоландшафтов. Решению этих задач в значительной мере могут способствовать методы дистанционного зондирования и многопараметрического анализа на базе современных компьютерных технологий.

Присутствие на рынке аэрокосмической информации фотоснимков с заранее заданными сроками, условиями и периодичностью позволяет осуществлять практически непрерывный мониторинг состояния агролесоландшафтов.

Результаты реализации диссертационной работы будут способствовать дальнейшему развитию агролесомелиорации, как составной части аграрного комплекса России, создадут фундамент для дальнейшего развития точечных (координатных) технологий агролесомелиоративного обустройства ландшафтов.

Основные результаты работы реализованы при осуществлении дистанционной оценки опустынивания ландшафтов Черноземельских и Кизлярских пастбищ на территориях республик Калмыкия, Дагестан, Чеченской Республики, Ставропольского края, Волгоградской и Астраханской области. При разработке картографических моделей состояния особо охраняемых природных объектов (Бузулукский бор, Оренбургская обл., Волго-Ахтубинская пойма), при картографо-аэрокосмическом мониторинге деградационных процессов на территории Убсу-Нурского аймака Республики Монголия, при составлении тематических карт деградации сельскохозяйственных угодий.

Диссертационная работа выполнялась с 1999 г. в соответствии с заданиями РАСХН, ГКНТ по тематическим планам ГНУ ВНИАЛМИ Россельхозакадемии (№№ Госрегистрации - 01.960 009784; 01.960 009790; 01.2.00 109312; 01.2.00 109326; 01.2.00 611909).

Исследования проводились в рамках проекта, поддержанного РФФИ (грант 04-05-96505), в котором автор являлся исполнителем.

Цель и задачи исследований. Целью работы являлась разработка теоретических и методологических основ математико-картографического моделирования состояния агроландшафтов с использованием компьютерных технологий и геоинформационных систем.

Задачи:

- прогнозно-динамическое компьютерное моделирование пространственно-временной динамики состояния агроландшафтов на основе регрессионного анализа;

- многопараметрическое компьютерное картографирование деградационных процессов в агроландшафтах с использованием геоинформационных технологий;

- картографо-аэрокосмический мониторинг агроландшафтов на основе компьютерного спектрометрического дешифрирования цветных космофотоснимков;

- теоретическое и методическое обоснование способов дешифрирования и компьютерного картографирования состояния компонентов;

- теоретическое обоснование и разработка адаптированных, ресурсосберегающих технологий и технических средств точного, лесомелиоративного обустройства агроландшафтов.

Научная новизна и практическая значимость. В процессе исследований разработаны теоретические и методологические основы математико-картографического моделирования с использованием информационных, компьютерных технологий на основе анализа распределения пикселей изображения ландшафта на аэрокосмических фото- и сканерных изображений земной поверхности для целей агролесомелиорации и защитного лесоразведения. Что позволило далее развить такое направление в агролесомелиоративной науке, как компьютерное агролесомелиоративное картографирование ландшафтов. Разработана методика компьютерного картографирования состояния компонентов ландшафтных комплексов, связей между ними и динамики процессов деградации. Осуществлено математико-картографическое моделирование деградации ландшафтов как почв и почвенно-растительного покрова территорий - основного экзогенного процесса в этом регионе. Показаны причины ее возникновения и рассчитан прогноз развития в зависимости от природных и антропогенных факторов.

Научная новизна заключается в разработке теоретических и методологических основ математико-картографического моделирования с применением геоинформационных систем на базе новых компьютерных методов исследования агроландшафтов, в разработке новых способов компьютерного дешифрирования аэрокосмической информации, на которые получены 3 патента на изобретения, в разработке картографо-математических моделей агроландшафтов и пространственно-временных моделей их деградации, в обосновании новых энерго-, ресурсосберегающих технологий и способов выращивания ЗЛН, на которые получены 10 патентов.

Полученные материалы позволили решить проблему оперативной, экономичной и достоверной оценки агроэкологического потенциала аридных территорий. Впервые для оценки деградационных процессов в ландшафтах разработана система компьютерного картографирования на основе дешифрирования космоаэроснимков. Это позволило провести оценочное картографирование состояния агроландшафтов Волгоградской области, Республики Калмыкия, Республики Дагестан, Чеченской республики, Ставропольского края, Краснодарского края и Ростовской области.

Разработка "Модели агроландшафтов (математико-картографические) для деградированных территорий сухостепной зоны ЕЧ РФ" удостоена диплома РАСХН за 2004 г., а разработка "Агролесомелиоративное картографирование деградированных пастбищ на основе дистанционного мониторинга" удостоена диплома РАСХН за 2006 г.

Необходимость широкого и своевременного информационного обеспечения аграрного сектора экономики для установления истинного состояния сельскохозяйственных земель, лесов и лесных насаждений России и определяет актуальность темы диссертации. Исходя из вышеизложенного, на защиту выносятся следующие основные положения.

1. Теоретические основы управления противодеградационным комплексом на базе прогнозно-динамического картографирования агроэкологических ситуаций, компьютерного математико-картографического моделирования принятия решений и их реализации с использованием ресурсосберегающих технологий точной агролесомелиорации, опираются на использование компьютерных и геоинформационных методов анализа изображения ландшафта на космоснимках, картографирования и математического описания его деградации.

2. Технология многопараметрического компьютерного анализа деградационных процессов в агроландшафтах осуществляется на основе геоинформационных технологий послойным составлением тематических космофотокарт с использованием количественных значений параметров, характеризующих деградацию различных элементов агролесоландшафта, выявляемых при помощи компьютерного анализа;

3. Теоретическое и методическое обоснование способа оценки состояния почв с использованием компьютерного дешифрирования и картографирования по космоснимкам, базирующегося на регрессионном анализе изменения фототона изображения почвенного покрова при изменении содержания гумуса (патент РФ RU № 2265839);

4. Теоретическое и методическое обоснование способа оценки состояния пастбищных угодий, основанного на выявленных закономерностях изменения фототона изображения пастбищ, при изменении проективного покрытия (патент РФ RU № 2327107);

5. Теоретическое и методическое обоснование способа оценки состояния защитных лесных насаждений заключающегося в использовании компьютерного пиксельного анализа из изображения на космоснимках и применении разработанных критериев деградации таких насаждений (патент РФ RU № 2330242);

6. Теоретическое обоснование и разработка адаптированных, ресурсосберегающих технологий и технических средств и способов точного, лесомелиоративного обустройства агроландшафтов, создания устойчивых защитных лесных насаждений (патенты РФ RU №№ 2174298, 2188056, 2194381, 2195794, 2216899, 2240667, 2240670, 2265315, 2267913, 2284679).

7. Методика оценки эколого-экономической эффективности агролесомелиоративного прогнозно-динамического картографирования деградационных процессов в агроландшафтах на основе аэрокосмической информации с использованием разработанных математических моделей состояния почв, пастбищ и деградации защитных лесных насаждений.

Основные положения разработок, изложенные в научных рекомендациях, статьях в центральных журналах, внедрены в хозяйствах Волгоградской области, Краснодарского края и республики Калмыкия.

Апробация работы. В работе использованы передовые компьютерные технологии анализа графического материала, что подтверждено собственными исследованиями закономерностей распределения фототона изображения, разработкой и использованием новых способов оценки агроландшафтов.

Подтверждением международного признания исследований является участие в международных конференциях и симпозиумах: посвященной 100-летию Нижневолжской станции по селекции древесных пород Волгоград, ВНИАЛМИ, 2003; "Актуальные инновационные разработки по оптимизации агроландшафтов в условиях рыночных отношений" Волгоград, НВ НИИСХ, 2004; посвященной 125-летию со дня рождения Николая Ивановича Суса, Саратов, ВНИАЛМИ, 2005; посвященной 75-летию Поволжской агролесомелиоративной опытной станции, Волгоград, ВНИАЛМИ, 2005; "Экология, окружающая среда, и здоровье населения", Курск, ГНУ ВНИИЗиЗПЭ, 2005: "Актуальные вопросы экологии и природопользования" Ставрополь. 2005; по борьбе с опустыниванием, Абакан, НИИ аграрных проблем Хакасии, 2006; посвященной 75-летию Всероссийского научно-исследовательского института агролесомелиорации, Волгоград, ВНИАЛМИ, 2006; посвященной 120-й годовщине со дня рождения Николая Ивановича Вавилова, Саратов, 2007; "Степи Северной Евразии". Оренбург 2006 год; X Международный симпозиум по речным наносам (10-th ISRS) Москва 2007; Международной научной конференции посвященной 50-летию организации НПЦ лесного хозяйства, Щучинск, Казахстан 2007; "Защитное лесоразведение, мелиорация земель и проблемы земледелия в Российской Федерации", Волгоград, ВНИАЛМИ, 2008; "Перспективы развития аридных территорий через интеграцию науки и практики". - Соленое Займище, 2008; "Интенсификация, ресурсосбережение и охрана почв в адаптивно-ландшафтных системах земледелия", Курск, ПНИИЗи ЗПЭ, 2008.

Публикации. По материалам диссертации опубликовано 70 печатных работ. Одна монография в соавторстве. Девять статей в центральной печати, предусмотренных списком ВАК для докторских диссертаций. Тринадцать патентов.

Структура и объем работы. Диссертация состоит из введения, 8 глав, заключения и 12 приложений. Работа изложена на 288 стр., иллюстрирована 93 рисунками, содержит 52 таблицы. Использовано 296 литературных источников информации, в т.ч. 10 на иностранных языках.

Личный вклад. Доля личного участия автора в выборе направления и проведении исследований, обработке полученных результатов, создании теоретических основ управления противодеградационным комплексом составляет 75%.

В работе использованы материалы исследований, выполненных лично автором, а также с участием академика РАСХН, Заслуженного деятеля науки РФ, К.Н. Кулика, Лауреата премии Правительства РФ, доктора с.-х. наук А. С. Рулева, Лауреата Государственной премии СССР, доктора с.-х. наук Ю. М. Жданова, кандидата технических наук В. Н. Хорошавина. Автор благодарен своему консультанту доктору с.-х. наук А. С. Рулеву за многолетнее сотрудничество по исследуемой проблематике, инженерно-техническим работникам А. А. Дзугаеву, Ю. В. Рыбальченко и всем сотрудникам отдела ландшафтного планирования и аэрокосмических методов исследований.

СОДЕРЖАНИЕ РАБОТЫ

агроландшафт компьютерный картографирование геоинформационный

ГЛАВА 1. ФИЗИКО-ГЕОГРАФИЧЕСКИЕ УСЛОВИЯ РЕГИОНА ИССЛЕДОВАНИЙ

Регион исследования представляет обширные территории на юге Европейской части России, входящие в состав Южного федерального округа (ЮФО) и включает Волгоградскую, Ростовскую, Астраханскую области, Краснодарский и Ставропольский края, республики Калмыкия, Дагестан и Чеченская до реки Терек.

По характеру рельефа преобладает равнинное пространство с наличием незначительных возвышенностей. Доминирование равнинного рельефа на территории Юга России является благоприятным условием для ведения механизированного сельскохозяйственного производства.

Основная часть региона - типичная степь, где преобладают плодородные предкавказские карбонатные, слабокарбонатные слабовыщелоченные и выщелоченные черноземы (Краснодарский и частично Ставропольский края, южная часть Ростовской области). Степные районы ЮФО подвержены вредоносному воздействию ветров восточных направлений, и поэтому на их территории в агроландшафтах создана сеть полезащитных лесных полос.

В работах Г. В. Добровольского, И. С. Урусевской, (1984); Л. В. Родина, (1933), В. В. Егорова и А. А. Попова, (1976) рассмотрено почвенно-географическое районирование территорий. По современному агролесо-мелиоративному районированию [К. Н. Кулик, 2004, А. С. Рулев, 2007] территория региона исследований охватывает следующие районы: Волго-Донской степной, Волго-Донской сухостепной, Терско-Кумский, Ергенинско-Сарпинский, Черноземельско-Прикаспийский. Климат региона исследований характеризуется континентальностью и засушливостью с холодной зимой, короткой сухой ветреной весной, продолжительным жарким сухим летом, теплой сухой осенью на востоке и умеренностью в западной части региона, зима здесь обычно пасмурная, ветреная и сырая. Лето ветреное, сухое и жаркое, наблюдается наиболее быстрый переход для равнинных территорий от субгумидных ландшафтов к аридным.

В степной области регионы исследований находились в зоне темно-каштановых и каштановых почв сухой степи в пределах Донской провинции и Сыртово-Заволжской провинции темно-каштановых и каштановых почв с повышенной гумусностью. Кроме того, исследования проводились в полупустынной области, в зоне светло-каштановых и бурых почв полупустыни Прикаспийской провинции [Атлас Астраханской обл., 1997].

Таким образом, анализ физико-географических условий региона исследований показал, что разнообразие представленных здесь ландшафтов требует систематизации и группирования, как по рельефу, так и по основным элементам. С точки зрения аграрного производства важным является обоснование природопользования для получения конечного продукта. Поэтому аэрокосмический мониторинг агроландшафтов для их тематического картографирования и моделирования является важным источником информации для формирования управленческих решений в сфере сельскохозяйственного производства.

ГЛАВА 2. ПРОБЛЕМЫ КАРТОГРАФИРОВАНИЯ И ПРОСТРАНСТВЕННО-ВРЕМЕННОГО МОДЕЛИРОВАНИЯ СОСТОЯНИЯ АГРОЛАНДШАФТОВ

Среди существующих методов математико-картографической оценки деградации ландшафтов, разработанных Б. В. Виноградовым, (1984), К. Н. Куликом, (2004), А. С. Рулевым, (2007), Г. А. Сергеевым, Д. А. Янтушем, (1973), В. С. Тикуновым (1997), наибольший интерес представляют такие, которые обеспечивают прогноз изменений, происходящих в ландшафтах при реальной вариации внешних и внутренних факторов, определяющих такие изменения. Математическое моделирование в сочетании с картографическими исследованиями [В. С. Тикунов, 2005] в настоящее время становится одним из основных подходов в количественном описании деградационных процессов в агроландшафтах. Математико-картографическая оценка деградации ландшафтов основывается на математическом описании динамических процессов изменения экологического состояния территорий и в картографическом выражении результатов таких описаний с созданием (разработкой) тематических карт по существующим видам и уровням деградации ландшафтов [Б. А. Новоковский, 1997], а также прогнозных карт экологического состояния ландшафтов. Основываясь на разработанных ранее критериях зон экологического состояния (нормы, риска, кризиса и бедствия) для различных видов агроландшафтов были определены динамические критерии зон экологического бедствия [Б. В. Виноградов, С. М. Кошель, К. Н. Кулик, 2000], поскольку они имеют прогностическое значение [Ю. Ф. Книжников, 1991].

Составление прогнозных карт динамики деградации и восстановления экосистем в количественном формате данных с применением нелинейных методов моделирования является одним из важнейших разделов ландшафтного динамического картографирования [Ю. Ф. Книжников, 1995]. Сравнение повторных тематических карт изменения состояния ландшафтов позволяет построить графические зависимости, определить линии тренда и математически их описать. Полученные уравнения дают возможность на математической основе составить прогнозные компьютерные (цифровые) карты и в режиме моделирования определять состояние агроландшафтов с прогнозом деградации на 20-30 лет вперед.

Прогнозирование изменений сложных пространственно распределенных экосистем основано на статистическом изучении и количественной оценке изменений, протекающих в них за определенный период времени [Г. А. Сергеев, Д. А. Янтуш, 1973], что в свою очередь дает возможность определить величину и направление (знак) скорости и ускорения изучаемых процессов, выделить критические направления и обозначить тренд. Это в итоге позволяет перейти к математическому моделированию и прогнозированию динамики агроландшафтов. Применение таких современных методов получения информации как космосъемка позволяет получить необходимые исходные данные для создания математических моделей [И. Г. Черванев, 1982, В. С. Тикунов, 1997].

Решение многих задач моделирования деградационных процессов в агроландшафтах предусматривает необходимость мониторинга состояния пространственных объектов во времени [И. Г. Черванев, 1992]. Задание четвертой координаты объекта -- времени -- позволяет ввести понятие пространственно-временных данных.

Таким образом, анализ существующих теоретических предпосылок позволяет выделить основные проблемы картографирования и моделирования агроландшафтов: динамичность их состояния в зависимости от климатических и антропогенных факторов; сложность выявления пространственных морфологических характеристик камеральными, фотограмметрическими методами и визуальным анализом изображения; большие затраты времени и материальных ресурсов при проведении наземных исследований и др. В связи с этим направления дальнейшего развития систем картографирования и моделирования агроландшафтов лежат в плоскости развития компьютерных методов на основе пиксельного анализа растровых изображений по цветным космоснимкам и параметрического исследования элементов агроландшафтов по космостереопарам.

ГЛАВА 3. ПРОГРАММА И МЕТОДИКА МАТЕМАТИКО - КАРТОГРАФИЧЕСКОГО МОДЕЛИРОВАНИЯ И ГЕОИНФОРМА-ЦИОННОГО КАРТОГРАФИРОВАНИЯ ДЕГРАДАЦИОННЫХ ПРОЦЕССОВ

Математико-картографическое моделирование на основе космической фотоинформации в сочетании с геоинформационными технологиями становится важнейшим методологическим и методическим приемом, позволяющим осуществлять не только мониторинг земель, но и моделировать динамику деградационных процессов [Б. В. Виноградов, К. Н. Кулик, С. М. Кошель, (2000) В. С. Тикунов, (2005), И. Г. Черванев, (1992), А. М. Бабаев, (1985), В. И. Беляев, М. Ю. Худошина, (1989), А. М. Берлянт (1991), М. Б. Кирпикова, (1987), А. П. Резников, (1982), А. Н. Салугин (2001), Н. Г. Харин, В. Н. Николаев, И. П. Сорокина, (1989)].

Основные программные вопросы:

- разработка методологии прогнозно-динамического компьютерного моделирования пространственно-временной динамики состояния агроландшафтов;

- разработка методики многопараметрического компьютерного картографирования деградационных процессов в агроландшафтах с использованием геоинформационных технологий;

- разработка технологии картографо-аэрокосмического мониторинга агроландшафтов на основе компьютерного спектрометрического дешифрирования цветных космофотоснимков;

- теоретическое и методическое обоснование способов дешифрирования и компьютерного картографирования состояния компонентов;

- теоретическое обоснование и разработка адаптированных, ресурсосберегающих технологий и технических средств точного, лесомелиоративного обустройства агроландшафтов.

Методология прогнозно-динамического компьютерного моделирования основана на использовании компьютерных методов исследований и обработки данных. Для реализации методологии используется адаптированный комплекс программного обеспечения, основанный на фотограмметрической станции Талка 3.3, с применением специализированных картографических и моделирующих программ ENVI, Mapinfo, Surfer, Exel, Global Mapper и др., при помощи которых создаются математико-картографические модели ландшафтов и таблицы статистических данных по объектам исследований.

Анализ космоснимков основан на особенностях отражения света элементам ландшафта [Д. С. Орлов, Н. А. Михайлова, (1982)] и предполагает определение в качестве индикаторов их состояния соответствующей морфологии и тона изображения [Ю. Г. Пузаченко, Г. М. Алещенко, Г. С. Молчанов, (1999)].

Методология картографо-аэрокосмического динамического мониторинга агроландшафтов объединяет:

- сопряженный картографический анализ;

- диагностику современного состояния агроландшафтов на основании полевых, дистанционных методов и компьютерного картографирования;

- анализ структуры и состава агроландшафтов, природных и антропогенных деградационных процессов на основе ландшафтно-экологического дешифрирования космофотоснимков;

- обоснование и разработку критериев оценки антропогенной деградации агроландшафтов;

- составление агролесомелиоративных карт и карт состояния сельскохозяйственных угодий;

- проведение ландшафтно-типологического и лесомелиоративного районирования на основе космфотоинформации;

- разработку и составление региональных схем и локальных ландшафтных проектов противодеградационных фито-, лесомелиоративных мероприятий.

В агролесомелиоративном картографировании принята оценочная шкала экологической деградации агролесоландшафтов, включающая четыре уровня [Б. В. Виноградов, 1993]: норма, риск, кризис, бедствие.

В результате преобразования в цифровое, анализируемое изображение становится композицией растровых пикселей, чем и обеспечивается возможность его компьютерной статистической обработки. Анализ распределения пикселей дает возможность получать количественные характеристики исследуемого объекта. Для пространственной организации информации в системе мониторинга принят трехмерный подход. Он заключается в выделении на территории объекта мониторинга различного пространственного уровня (рельефа). Районирование выполняется на оцифрованной топографической карте масштаба 1:10000, 1:25000. Границы категорий земель и функциональные зоны выделяются послойно и могут быть представлены в виде отдельных изображений. В агролесоландшафтах существенными объектами мониторинга являются почва, травостой и древостой.

Установление фактического соответствия состояния структурных составляющих ландшафтов фототону изображения является задачей пиксельного анализа изображения по гистограммам. Задача выявления численного значения тона пикселей, соответствующего определенному состоянию объектов исследований, решается фотоэталонированием в процессе полевых исследований на ключевых участках. В основу методики полевого эталонирования положена разработанная Б. В. Виноградовым, (1984), К. Н. Куликом, (2004), А. С. Рулевым, (2007), А. М. Берлянтом (1997), В. Т. Жуковым, Б. А. Новаковским, А. Н. Чумаченко (1999) технология картографирования с применением комбинированного дешифрирования, включающего как полевое исследование на ключевых участках (эталонирование), так и камеральное, дистанционное дешифрирование территорий (экстраполяция).

Методика компьютерного картографирования деградации ландшафтов основана на создании картографической и топологической базы данных для региона (области), выбранной в качестве объекта исследований, которое осуществляется подбором топографических и тематических карт в оцифрованном виде и созданием электронных таблиц, для описания топологических характеристик объекта. Компьютерная обработка отобранного материала заключается в том, что отобранные карты и аэрокосмофотоснимки совмещаются в виде тематических слоев в используемых программных продуктах, например "MapInfo". В результате чего создаются тематические картографические слои, несущие необходимую информацию об объектах исследований.

Компьютерный анализ выделенных контуров, основан на исследовании распределения пикселей в выделенном контуре на космофотокарте объекта исследований. Для объектов исследований устанавливаются диапазоны фототона, по которым можно определить их экологическое состояние.

При совмещении картографической модели местности, космофотокарты и векторной модели крутизны слонов создается синтезированная модель агроландшафта с нанесенной цифровой векторной моделью склонов (рисунок 1). Моделирование осуществляется при помощи встроенного графического редактора в программах Surfer и Global Mapper по полученным в ходе исследований данным. Векторная карта протяженности и крутизны склонов наглядно показывает наиболее эрозионно-опасные участки агроландшафта.

Для наглядного отображения рельефа по имеющимся данным строится трехмерная модель рельефа. Такая модель незаменима при моделировании и прогнозирования деградационных процессов при ландшафтном планировании агролесомелиоративных мероприятий.



1 - оцифрованная топографическая карта; 2 - растровая модель ландшафта; 3 - ячеисто - узловая модель рельефа; 4 - цифровая модель углов склонов.

Рисунок 1 - Синтезированная модель агроландшафта с нанесенной цифровой векторной моделью склонов

В результате проведенных исследований отработана методика компьютерного математико-картографического моделирования агролесоландшафтов, которая включает:

- систематизированное компьютерное дешифрирование аэрокосмофотоснимков;

- обработку атрибутивных, топологических и типологических данных, полученных в результате компьютерного дешифрирования;

- создание и систематизацию математических зависимостей, определяющих статические и динамические характеристики ландшафтных объектов в пространственном и временном аспекте;

- создание цифровых тематических картографических форм являющихся наглядной моделью ландшафта;

- создание цифровой картографической модели агролесоландшафта.

При использовании трехмерных моделей исследователь получает современный инструмент для определения основных тенденций развития процессов в агроландшафтах и осуществления прогнозирования их состояния.

ГЛАВА 4. МОДЕЛИРОВАНИЕ И КАРТОГРАФИРОВАНИЕ СОСТОЯНИЯ ПОЧВ В АГРОЛАНДШАФТАХ

Исследования свойств почвы на различных участках В. Л. Андрониковым, (1985), Н. А. Михайловой, (1986), В. И. Кравцовой, (2005), Б. В. Виноградовым, (1984) показали, что все почвенные горизонты являются взаимосвязанными в своем происхождении, и что свойства верхнего горизонта могут являться индикаторами свойств нижнего.

Компьютерное картографирование и моделирование деградации почв - это системный технологический процесс, объединяющий сбор и обработку цифровых данных о территориальных объектах, формирование компьютерной цифровой модели местности, ее дополнение и обновление с использованием банка картографических и аэрокосмических данных и получение по этой модели различных аналитических, графических и картографических материалов для конкретного потребителя. Определение содержания гумуса в почве на основании аэрокосмической информации осуществляется по значению фототона изображения участков поверхности. Из анализа фототона изображения образцов различных типов почв установлена взаимосвязь между значением фототона оцифрованного изображения и содержанием. Однако для дешифрирования состояния почв необходимо решать задачу по определению содержания в них гумуса по фототону изображения, в связи с чем используется график, показанный на рисунке 2.

Зависимость содержания гумуса от величины фототона для различных типов почв (таблица 1) при определенных условиях, а именно, почва находится в воздушно-сухом состоянии, углы склона не превышают 3 градусов, размеры почвенных агрегатов не менее 1 мм, может быть описана следующим уравнением:

Г= К_П e^{-0, 0276F},

где F - фототон изображения почвы, определяемый по аэрокосмическому снимку, К_П - коэффициент типа почвы.

Рисунок 2 - Определение содержания гумуса по величине фототона изображения (экспериментальные данные и теоретические предпосылки)

Таблица 1 - Значения коэффициентов К_П по типам почв

Почвы	КП
Черноземы обыкновенные	65, 78
Каштановые суглинистые	57, 40
Светло-каштановые супесчаные	45, 75
Бурые пустынно-степные	55, 06
Бурые лугово-степные	65, 78
Серо-бурые пустынные супесчаные	40, 30
Серо-бурые пустынные солонцеватые суглинистые	59, 95
Сероземы малокарбонатные	49, 07
Лугово-сероземные орошаемые	41, 53
Солончаки	38, 03
Солончаки соровые	41, 53
Лугово-болотные	59, 95
Аллювиально-луговые	69, 14
Серо-бурые пустынные супесчаные и пески	42, 85
Аллювиально-луговые	39, 13

Рассматривая совокупность экспериментальных данных по влиянию влажности на фототон изображения для разных типов почв, был сделан вывод о том, что зависимости носят преимущественно линейный характер и отличаются коэффициентом, определяющим угол наклона кривой и постоянной составляющей, определяющей значения фототона для изображений данного типа почв. Исследования показали, что зависимость фототона от содержания влаги для различных типов почв можно выразить зависимостью:

F = k_w(W-W₀)+F₀

где k_w - коэффициент, учитывающий тип почвы; W - влажность почвы; F₀ - значение фототона изображения поверхностного слоя при влажности W₀, определяемой прочно связанной влагой для данного типа почвы. Значения коэффициентов для некоторых типов почв приведены в таблице 2.

Таблица 2 - Коэффициенты линейных уравнений для почв

Тип почвы	kw	F0	R2
Черноземы мощные	-1, 207	95	0, 993
Черноземы типичные	-1, 679	96	0, 915
Темно-каштановые	-0, 682	126	0, 874
Светло-каштановые	-1, 495	159	0, 944
Солончаки	-4, 058	228	0, 986
Супесь	-18, 25	245	0, 994

Исследования величины рельефа на фототон изображения дали возможность ввести в математическую модель значение угла склона в агроландшафте. Установлено, что зависимость фототона от угла склона (a) может быть выражена уравнением:

F=-0, 698a+F₀.

Изучение влияния размера почвенных агрегатов показало, что зависимость фототона изображения (F) от размера агрегатов (d) может быть выражена экспоненциальным уравнением вида:

F=k_d10^-ld + F_0d,

где k_d и l -- коэффициенты, определяющие форму кривой, F_0d -- коэффициент фототона изображения агрегатов максимального размера.

Так как коэффициент l определяется типом почвы и корректирует диаметр ее частиц, его можно назвать характерным диаметром. В обобщенном виде величина фототона изображения почв, определяемого по космическим снимкам с учетом влажности почвы, угла уклона склона и агрегатного состояния в почве, можно представить в виде:

F=F₀(1-K_wDW-K-K_d10^-ld).

Содержание гумуса определяется по значению F₀. Исходя из вышеприведенного, интегральная модель оценки содержания гумуса в почве Г, % по величине фототона изображения может быть представлена в виде

.

Реализация разработанной модели дает возможность получать достоверные данные о динамике изменения состояния земель сельскохозяйственного назначения, оценить степень деградации почв, создать математико-картографическую систему мониторинга и прогноза состояния почв.

ГЛАВА 5. ДИСТАНЦИОННЫЕ ИССЛЕДОВАНИЯ И КАРТОГРАФИРОВАНИЕ СОСТОЯНИЯ ПАСТБИЩНЫХ УГОДИЙ АРИДНЫХ ОБЛАСТЕЙ ЮГА РОССИИ

На восстановление деградированных ландшафтов требуются несравненно большие затраты ресурсов, чем на сохранение [К. Н. Кулик, 2004, А. Н. Сажин, 1993]. Жесткие климатические условия Юго-востока РФ дополняются антропогенными нагрузками, воздействующими на агроландшафты, которые нередко превышают возможности экосистем к самовосстановлению, что вызывает ускоренное развитие процессов деградации [Н. Г. Харин, (1978), И. Н. Горохова, (1997), Е. В. Глушко, (1991), А. М. Трофимов, В. С. Тикунов, Э. Х. Нургалеев, (1990), В. И. Орлов, (1995), А. А. Григорьев, (1995), Ю. Ф. Книжников, (1997), В. Л. Андроников (1990), Л. А. Богомолов, (1979)].

Для естественных пастбищных угодий, основным дешифровочным признаком деградации является снижение проективного покрытия. Отражение проективного травянистого покрытия определяет как величину фототона изображения, так и параметры распределения пикселей. По этим параметрам осуществляется дистанционная оценка состояния пастбищ. При этом они являются комплексным показателем, позволяющим определить как урожайность травостоя, так и уровень деградации пастбищ.

Исследованиями установлено, что зависимость величины фототона изображения от проективного покрытия носит нелинейный характер и имеет верхний и нижний пределы, при этом величину его предлагается определять по номограмме (рисунок 3).

Рисунок 3 - Номограмма расчета проективного покрытия по величине фототона изображения

Для математической модели, показывающей величину проективного покрытия по измеренному фототону изображения пастбищ, выбрана логистическая зависимость, дающая возможность достоверно (например, коэффициент корреляции для пастбищ на светло-каштановых почвах - 0, 957; на песках - 0, 921) описывать наблюдаемые изменения в состоянии травостоя.

Оценка деградации проводится по величине проективного покрытия почвы травянистой растительностью, вычисляемого по предлагаемой формуле:

Sпп = 100/1+exp (A+BF),

где Sпп - проективное покрытие, %, F - текущее значение уровня серого цвета по аэрокосмическому фотоснимку, A, B - коэффициенты, учитывающие влияния типа почвы на величину фототона (таблица 3).

Установлена функциональная связь уровня деградации пастбищ и площади проективного покрытия почвы травянистой растительностью, что позволило определить диапазоны величины фототона для каждого уровня деградации пастбищ (таблица 4).

Таблица 3 - Коэффициенты уравнения зависимости проективного покрытия от фототона изображения для некоторых типов почв степной зоны

Тип почвы	Гранулометрический состав	A	B
Темнокаштановые карбонатные	Глина	-8, 34	0, 095
Лугово-каштановые солонцеватые	Суглинок	-12, 3	0, 187
Солонцы лугово-степные	Суглинок	-7, 97	0, 086
Лугово-черноземные выщелоченные	Тяжелый суглинок	-17, 9	0, 312
Черноземы типичные	Тяжелый суглинок	-8, 17	0, 091
Светлокаштановые супесчаные	Супесь	-6, 67	0, 053
Терско-Кумские пески	Песок	-7, 20	0, 057
Калмыцкие пески	Песок	-7, 61	0, 077

Диапазон фототона соответствующий различным уровням деградации зависит от пастбищной растительности, проективного покрытия, а также от типа почвы и содержания в ней гумуса.

Таблица 4 - Шкала деградации пастбищ по значению фототона

Уровень деградации	Ранг деградации	Оценка, балл	Диапазон фототона	Проективное покрытие, %
Норма (несбитые и слабосбитые)	деградация отсутствует	0	0-30	более 70
	очень слабый	1	31-60	46-70
	слабый	2	61-90	35-45
Риск (среднесбитые)	слабо умеренный	3	91-110	32-34
	средне умеренный	4	111-120	29-31
	выше среднего	5	121-130	25-28
Кризис (сильносбитые)	менее сильный	6	131-140	22-24
	сильный	7	141-146	18-21
	очень сильный	8	147-150	15-18
Бедствие (очень сильносбитые и скальпированные)	слабо бедственный	9	151-170	5-14
	бедственный	10	171-210	0-4
	катастрофический	11	211-255	0

Продуктивность определяется как проективным покрытием, так и составом растительности, поэтому разработана система уравнений, устанавливающих соотношение между проективным покрытием и продуктивностью для основных ценозов (таблица 5). Оценка уровня деградации пастбищ по проективному покрытию дает возможность картографировать пастбища с выделением зон деградации, осуществлять вычисление площадей таких зон, определять потери продуктивности и планировать необходимые мероприятия по восстановлению травостоя.

Таблица 5 - Зависимость продуктивности ценоза от площади проективного покрытия

Пастбищные ценозы	Уравнения регрессии
Ковыльные
Белополынные
Житняковые
Однолетниковые, эфемеровые
Чернополынные
Солончаковополынные
Солянковые
где: П - продуктивность, т/га; SП -проективное покрытие, %

Эталонирование состояния пастбищ, в отличие от методики, предложенной Б. В. Виноградовым (1984) и получившей дальнейшее развитие в работах К. Н. Кулика, (2000), А. С. Рулева, (2007), Т. И. Бакиновой, (2002), Н. Г Харина, Г. С. Каленова, А. М Бабаева (1988), К. Я. Кондратьева, П. П. Федченко, (1982), предлагается проводить методом компьютерного сравнения гистограмм распределения фототона изображения участка пастбища на аэрокосмофотоснимке.

Выявление распределения пикселей по гистограммам дает возможность идентифицировать диапазон фототона и соотнести его с определенными объектами, отображаемыми на снимках (рисунок 4). Анализ распределения пикселя по цветам RGB позволяет выявить индивидуальные дешифровочные признаки элементов ландшафта. Картографирование пастбищ позволяет определить уровень деградации и пространственное расположение деградированных угодий [К. Н. Кулик, (1996), А. М. Бабаев, (1978)].



1 - диапазон фототона растительности; 2 - диапазон фототона песчаного массива; 3 - диапазон фототона неба; 4 - диапазон фототона облачности

Рисунок 4 - Фотоэталон "Калмыцкие пески" ключевого участка на полигоне Яшкуль, Калмыкия

На рисунке 5 приведен фрагмент космофотокарты деградации пастбищ на ключевом участке "Кордон" в Астраханской области.



Рисунок 5 - Космофотокарта деградации пастбищ на ключевом участке "Кордон"Астраханской области (М 1:30000)

Анализ деградации пастбищ на ключевом участке показывает, что площади открытых песков превышают 18, 5% общей площади, и только немного более 31, 1%, составляют несбитые и слабосбитые пастбища.

Выполненные исследования пастбищ Астраханской области позволили уточнить дешифровочные признаки и установить состояние проективного покрытия деградированных пастбищ, а также диапазоны фототона для преобладающих типов почв на оцениваемых площадях (таблица 6).

Таблица 6 - Распределение деградации пастбищ Астраханской области по площади

Состояние пастбищ	Уровень деградации	Диапазон фототона, ед.	Площадь проективного покрытия, %	Площадь, га
Водные поверхности	-	0-39	-	631896
Несбитые и слабосбитые пастбища	Норма	40-70	45-60	1131186
Умеренно и среднесбитые пастбища	Риск	71-110	30-45	1227860
Сильносбитые пастбища	Кризис	111-150	15-30	1020164
Подвижные (открытые) пески	Бедствие	151-210	15	393808
Прочие		209-255	-	5086

Компьютерное картографирование пастбищ на основе аэрокосмической информации позволяет установить, где располагается деградированный участок, какова степень его деградации, каковы географические условия и обеспечивает руководителей, проектировщиков и производителей адресной, точечной информацией об этом участке, позволяют обосновать проведение агролесомелиоративных мероприятий на данных землях и обеспечить при этом их высокую эколого-экономическую эффективность

ГЛАВА 6. ДИСТАНЦИОННЫЕ ИССЛЕДОВАНИЯ И КАРТОГРАФИРОВАНИЕ ЗАЩИТНЫХ ЛЕСНЫХ НАСАЖДЕНИЙ

Наземные исследования ЗЛН требуют больших затрат времени и средств и не могут при этом обеспечить постоянный мониторинг насаждений, в связи с чем актуальным является проведение оценки деградации по данным дистанционного зондирования [Б. В. Виноградов, (1998), Л. М. Гольдман, (1969), К. Я. Кондратьев, (1986), Г. Г. Самойлович (1949), Ю. C. Толчельников (1974), В. И. Сухих, (2005)].

Так как биологические особенности каждой породы обусловливают определенную, типичную для нее форму и морфологическую структуру кроны, то эти параметры могут послужить дешифровочными признаками для установления породы. Ключевой участок "Михайловский" представлен массивными насаждениями сосны на легких супесчаных почвах и песках с координатами 4947'18" С.Ш., 4322'51" В.Д. Дешифровочными признаками защитных насаждений (рисунок 6). являются регулярные кулисы (1).



Рисунок 6 - Космофотоснимок лесонасаждения на ключевом участке "Михайловский"

Они имеют более темный (темно-зеленый) фототон, чем большинство окружающих их объектов. Обычно вдоль насаждений проходят полевые дороги (2), выделяющиеся на снимках светлым, почти белым фототоном. Кормовые угодья (3), на снимке представлены прямоугольниками серого или серо-зеленого тона.

Для оценки лесонасаждений отбираются космоснимки с покрытием облачностью не более 5%, масштаба 1:50000 с разрешением 6 м (спутник IRS-5) или снимки масштаба 1:12500 с разрешением 2, 44 м (спутник Quick Bird). При визуальном анализе изображения выделяется и обозначается контуром территория, занимаемая насаждением (4), пологи кулис (5), и полог калибровочной кулисы (6). Прямоугольное выделение полога отдельной кулисы или рядов с сомкнувшейся кроной по максимальной ширине кроны (с_max) позволяет определить количество пикселей (n_пн) и средний фототон (F_пн) для полога ряда (рядов) деревьев. Фотоэталон уровня деградации "Норма" (F_э) устанавливается по специально выбираемому участку полога с наибольшей равномерностью значений тона. При этом за эталонное значение принимается диапазон от минимального до максимального значения фототона на этом участке. Степень деградации можно определить по относительной плотности полога древостоя ч_ПН, выраженную отношением площади полога (S_пн) к площади всего насаждения

(S_н) ч_ПН= S_пн/ S_н.

Пиксельный анализ изображения позволяет выразить площади через произведение площади единичного пикселя S_i на количество пикселей, приходящихся на выбранную площадь,

ч_ПН= n_пнS_i/n_нS_i= n_пн/n_н

где n_пн - количество пикселей, приходящихся на площадь исследуемого полога, n_пн - количество пикселей, приходящихся на площадь всего насаждения.

Количество пикселей, приходящихся на площадь полога (n_пн) может быть определено по гистограмме полного изображения насаждения путем суммирования всех пикселей, совпадающих по фототону с диапазоном шкалы фототона отнесенному к пологу. Для установления диапазона фототона, который соответствует изображению полога, на эталонном изображении выделяется сомкнутый полог одного эталонного ряда или нескольких рядов (таблица 7).

Пиксельный анализ изображения отдельного ряда при отсутствии влияния открытого пространства междурядий позволяет определить его состояние не только по площади полога, но и по изменению фототона.

Критерием деградации древостоя можно считать отношение количества пикселей, входящих в заданный диапазон фототона, соответствующий уровню деградации "Норма" (n_NЭ) к общему количеству пикселей прямоугольного выделения эталонного полога насаждения, заведомо находящегося в состоянии "Норма" (n_ПНЭ) ч_N= n_NЭ/n_ПНЭ.

...