Синтетическое ландшафтное картографирование в региональной геоинформационной системе

Размещено на http://www.allbest.ru/

СИНТЕТИЧЕСКОЕ ЛАНДШАФТНОЕ КАРТОГРАФИРОВАНИЕ В РЕГИОНАЛЬНОЙ ГЕОИНФОРМАЦИОННОЙ СИСТЕМЕ

Ямашкин А.А., Ямашкин С.А.,

Фролов А.Н., Зарубин О.А.

Аннотация

зондирование геоинформационный ландшафтный карта

В статье предлагается подход к развитию региональной ГИС, центральным звеном которой является электронная ландшафтная карта. Подчеркнута роль данных дистанционного зондирования Земли (ДЗЗ) и их анализа с применением автоматизированных методов классификации. Приводятся следующие разработанные методики ландшафтной индикации: анализ инвариантных и динамических параметров окрестности, исследование морфометрических параметров как важнейшей инвариантной характеристики территории, выделение динамических границ геофизических участков, оценка геофизического разнообразия территории методом вычисления энтропии и характеристик изменения яркости, классификация геофизической оболочки с учетом параметров окрестности. Описаны особенности использования ансамбль-систем анализа данных ДЗЗ для мониторинга состояния земель и прогнозирования стихийных природных процессов.

Ключевые слова: ландшафтное картографирование, ГИС, электронная ландшафтная карта, данные ДЗЗ, дешифрирование.

Abstract

The paper proposes an approach to the development of regional GIS, a central element of which is an electronic landscape map. The role of remote sensing data analysis using automated classification techniques is underlined. The following developed landscape indicators methodologies are mentioned: an analysis of the invariant and dynamic parameters of the neighborhood, the study of morphometric parameters, as the most important invariant characteristics of the territory, edge detection of geophysical areas, evaluation of geophysical diversity of the territory by the entropy and the characteristics of the brightness changes calculation, the classification of geophysical shell using neighborhood parameters. Features of ensemble systems usage for monitoring the condition of land and predicting natural natural hazards are described in details.

Keywords: landscape mapping, GIS, electronic landscape map, remote sensing data, interpretation.

Основная часть

Электронная ландшафтная карта как фундаментальный базис информационных ресурсов региональной ГИС. Ландшафтные карты долгое время считались в научном сообществе результатом исследований. Теперь же стало очевидным и доказанным, что ландшафтная карта должна не столько венчать исследование, сколько быть отправной точкой для дальнейших изысканий [1]. Она должна представлять собой основу геоэкологического анализа, охраны культурных ландшафтов и оптимизации их использования. Электронная ландшафтная карта (ЭЛК) является моделью поверхности земли, отображающую развитие, функционирование и размещение природных и природно-производственных комплексов. Электронные ландшафтные карты должны обеспечивать обобщение комплексной информации, выработку емких научных концепций, обоснование принятия управленческих решений по природопользованию.

Выделение относительно однородных по геофизическим и геохимическим свойствам участков земной поверхности позволяет оценивать состояние ландшафтов, прогнозировать их устойчивость к техногенным нагрузкам и развитие чрезвычайных природно-техногенных ситуаций [8, 11]. В научно-практической деятельности по оценке пространственно-временной структуры земной поверхности все большую значимость приобретают данные дистанционного зондирования Земли и их анализ с применением автоматизированных методов классификации.

Основные методы, используемые при развитии баз данных ЭЛК региональной ГИС.Ландшафтно-индикационный метод с использованием космических снимков позволяет по прямым и косвенным признакам выделить многие особенности развития геоэкологических процессов [2]. Необходимость повышения точности распознавания геофизических объектов при дешифрирования данных ДЗЗ определяет актуальность расширенного поиска новых методов получения информации.

Анализ динамических и инвариантных дескрипторов окрестности. Для того, чтобы сформировать информативную пространственно-временную характеристику геофизической оболочки, целесообразно опираться на системный анализ данных, которые описывают динамические и инвариантные состояния окрестности геофизического участка. Это обусловленно тем фактом, что анализ дескрипторов окрестности важен в определении свойств и класса территории, как и спектральные свойства земли [12].

Морфометрические параметры как информативный инвариантный дескриптор территории. Определение численных параметров и свойств рельефа способно дать важную инвариантную информацию об анализируемой территории. Аутентичными морфометрическими параметрами являются крутизна и экспозиция склонов. На практике рассчитываются и иные параметры: заболоченность, густота балочной расчлененности и гидрографической расчлененности, глубина эрозионного вреза и другие. Для вычисления этих параметров используется карта высот, прямоугольная матрица, каждый элемент которой содержит численное значение высоты сопоставляемой ей точки поверхности Земли.

Выделение динамических границ геофизических участков. Границы форм рельефа, типов почв, массивов растительности и других природно-территориальных компонентов часто коррелируют между собой, хотя в то же время эти взаимосвязи осложняются характером антропогенного воздействия на геосистемы. Закономерный интерес представляет анализ порогового изменения яркости граничащих друг с другом пикселей данных дистанционного зондирования Земли, так как резкие колебания этого параметра очень часто появляются на границах геосистем, в местах изменения отражательной способности поверхности и освещения. Основанный на этом положении алгоритм выделения динамических границ предложен в [7]. Его апробация показала, что в на начальном этапе выполнения алгоритма изображение необходимо подвергнуть предварительной обработке: сглаживание изображения полезно в борьбе с шумом, и его необходимо применять для того, чтобы сгладить нежелательные различия между величинами яркостей соседних пикселей.

Оценка геофизического разнообразия земель методом рассчета энтропии и параметров изменения яркости. Информативным параметром, характеризующим свойства территориального участка является мера разнообразия входящих в его состав компонентов. На уровне данных дистанционного зондирования Земли анализ этого параметра сводится к рассчету степени разнообразия пикселей снимков в нескольких спектральных диапазонах [9, 4]. В качестве метрики разнообразия пикселей, принадлежащих в конкретной территории, целесообразно выбрать информационную энтропию, которая определяется в виде логарифмической функции. Анализ неоднородности окрестности геофизической поверхности и изменения спектральных яркостей объектов окрестности свидетельствует о том, что геофизическое разнообразие на локальном уровне зависит от особенностей литогенной основы и типа антропогенного воздействия.

Методика анализа геофизической оболочки через рассчет дескрипторов окрестности. Анализ свойств окрестности информативен в диагностировании свойств и параметров территории, ибо позволяет диагностировать инвариантные и динамические свойства геофизической оболочки. Под окрестностью геообъекта понимается территория, расположенная в пределах определенного радиуса от него. Инвариантные и динамические дескрипторы можно определить при помощи описанных выше алгоритмов [6]. Анализ цветовых свойств так же важен в характеристике пространственных объектов. Комплексный учет дескрипторов окрестности можно определить путем составления вектора Фишера.

Апробация методики при классификации геофизических объектов на тестовых полигонах показала распределение итоговой точности классификации в пределах от 81 до 89 % (без учета окрестности), которая при учете дескрипторов окрестности возрастает до 97 %. Выявлено так же и то, что чрезмерное увеличение радиуса учитываемой окрестности часто приводит к закономерному понижению точности классификации.

Ансамбль-система анализа данных ДЗЗ для мониторинга состояния земель и прогнозирования стихийных природных процессов. Проведенный анализ текущей ситуации в сфере распознавания образов показал перспективность постановки экспериментов по повышению точности дешифрирования многозональных космических снимков на основе концепции Ensemble Learning. Ключевыми структурными элементами ансамбль-систем являются: набор моноклассификаторов, формируемый из отдельных алгоритмических блоков управляемой классификации; классификаторы могут иметь как одну природу, так и совершенно разную [5]; метаклассификатор - компонент, анализирующий результат классификации, предоставленный моноклассификаторами и принимающий итоговое решение о принадлежности объекта какому-либо классу [10].

Проведенные эксперименты подтвердили, что использование ансамбль-систем для анализа данных дистанционного зондирования Земли дает ряд преимуществ: позволяет понизить ошибки и повысить точность работы отдельных классификаторов через объединение их в систему; уменьшить влияние ошибки, исходящей из формирования тестовых и обучающих выборок, за счет ансамбль-анализа данных системой классификаторов, обученных на независимых группах данных [3]. Ансамбль-системы позволяют достичь решения задачи параметризации классификатора за счет совместного использования моделей одного класса с различными параметрами.

В рамках классификации геофизической поверхности тестового полигона «Чеберчинка» разработанная ансамбль-система показала лучший результат в сравнении с индивидуальными классификационными моделями (на 8,02 % точнее результата, показанного деревом принятия решений, - лучшей моделью из моноклассификаторов) и ансамбль-системами другой архитектуры (на 3,13 % точнее результата ансамбля, работающего на базе простого голосования и показавшего второй результат).

Применение ансамбль-систем позволяет оперативно проводить автоматизированный анализ больших объемов данных дистанционного зондирования Земли с целью тематического картографирования систем землепользования и анализа развития чрезвычайных ситуаций и стихийных природных процессов. Сравнительный анализ результативности работы отдельных моно-классификаторов и ансамбль-системы позволил сделать следующие выводы: ансамбль-система в сравнении с мономоделями в каждом случае показала лучший или близкий к нему результат; рассчитанная на практике эффективность ансамбль-системы значительно превышает худшую из эффективностей отдельных моноклассификаторов, позволяя избежать грубых ошибок классификации.

Ключевые пути дальнейшего развития синтетического ландшафтного картографирования. Следующим шагом развития ЭЛК как базового инструмента ландшафтного и хозяйственного планирования территории является сопряженное использование классической ландшафтной карты, определяющей инварианты природно-территориальных комплексов, с информацией об антропогенных системах и природных трансформациях земель. Решение этих вопросов в рамках региональной географической информационной системы производится в ходе разработки серий карт для планирования и оптимизации хозяйственного планирования и освоения земель.

Список литературы

1. Ямашкин А. А. Геоинформационные технологии в ландшафтном планировании и прогнозировании деструктивных геоэкологических процессов / А. А. Ямашкин, А. К. Коваленко // Мордовия: наука, инновации, новые технологии [Саранск]. 2004. № 2. С. 16 - 21.

2. Николаев В. А. Классификация и мелкомасштабное картографирование ландшафтов / В. А. Николаев. М.: Изд-во Моск. ун-та, 1978. 62 с.

3. Ямашкин С. А. Гибридная система анализа данных дистанционного зондирования Земли / С. А. Ямашкин // Научно-технический вестник Поволжья. 2015. № 4. С. 173-175.

4. Федосин С. А. Технологический процесс решения задачи моделирования структуры землепользования на базе данных ДЗЗ / C. А. Федосин, С. А. Ямашкин // Научно-технический вестник Поволжья. 2014. № 6. С. 356-359.

5. Ямашкин А. А. Применение ГИС в анализе морфологической структуры ландшафтов / А. А. Ямашкин, С. А. Ямашкин, А. А. Кликунов // Вестник Удмуртского университета. Биология. Науки о Земле. 2013. № 3. С. 34-41.

6. Ямашкин А. А. Применение алгоритма выделения краев к решению задачи моделирования границ ландшафтов / А. А. Ямашкин, С. А. Ямашкин // Вестн. ВГУ, Сер. География, геоэкология. 2013. № 3. С. 68-78.

7. Ямашкин А. А. ГИС-моделирование ландшафтного разнообразия / А. А. Ямашкин, С. А. Ямашкин // Геодезия и картография. 2013. № 11. С. 40-46.

8. Ямашкин А. А. Структура региональной ГИС для целей ландшафтного планирования / А. А. Ямашкин, С. А. Ямашкин // Известия Смоленского государственного университета. 2014. №4. С. 305-314.

9. Ямашкин А. А. Использование нейронных сетей прямого распространения для ландшафтного картографирования на базе космических снимков / А. А. Ямашкин, С. А. Ямашкин // Геодезия и картография. 2014. № 11. С. 52-58.

10. Yamashkin A. A. Electronic Landscape Map GIS as a Base for Forecasting of Geoecological Processes / A. A. Yamashkin, S. A. Yamashkin // International conference «Natural Hazards - Links between Science and Practice» - Book of Abstracts. Belgrade, October 8 - 11^th. 2013. P. 12.

11. ЯмашкинА. А. Математико-картографическое моделирование электронной синтетической ландшафтной карты на основе космических снимков / А. А. Ямашкин, С. А. Ямашкин // Устойчивое развитие территорий: картографо-геоинформационное обеспечение: материалы Международной конференции.Белгород, 2014. С. 161-177.

12. Yamashkin A. A. The Analysis of the Territory Economic development Planning for Cultural Landscape (by Example of Republic of Mordovia) / A. A. Yamashkin, S. A. Yamashkin // History and Geography: Meeting and Permeations. Belgrade, 2014. P. 43.

Размещено на Allbest.ru