Чистая вода необходима для поддержания человеческой жизни и имеет первостепенное значение для здоровья человека. На протяжении всей истории человечества люди создавали города и государства в близкой доступности от воды. Однако слабая экономика и отсутствие инфраструктуры приводят к тому, что миллионы людей, в основном дети, умирают от болезней, связанных с отсутствием надлежащего водоснабжения, санитарии и гигиены. От дефицита воды страдает более 40 процентов мирового населения, и эта цифра постоянно растет. По оценкам экспертов, доступа к чистой воде лишены 783 миллиона жителей планеты и более 1,7 миллиарда человек, проживающих на территории речных бассейнов, нуждаются в дополнительных источниках пресной воды.

Причин уменьшения объема пресной воды может быть много: ухудшение климатических условий, загрязнение водоемов, нерациональное природопользование и др. Особенно остро ощущается недостаток чистой воды в странах с тропическим климатом и в странах с большим перенаселением.

Уровень воды в озере Поянху, крупнейшем в Китае пресноводном озере значительно сократился в последнее время, вследствие отвода потока реки Янцзы через плотину "Три ущелья". Уровень жизни местных жителей напрямую зависит от озера, так как снижение уровня воды влияет и на растительность в регионе, и на местную экономику. Мониторинг снижения уровня крупных водоемов достаточно трудно проводить без применения данных дистанционного зондирования Земли (ДЗЗ) из-за больших трудозатрат и потери времени.

Для вычисления изменений площади поверхности озера мы сравним снимки, снятые со спутников Landsat между 1984 и 2014 гг. Спутниковая программа Landsat действует уже более 40 лет, что делает эти космические снимки жизненно важными для мониторинга изменений, происходящих с нашей планетой.


Рис.1. Проект в ПО ArcGis с отображением востока центральной части Китая, реки Янцзы и озера Поянху.

Сравнение разновременных космических снимков Landsat


Рис.2. Изображение озера Поянху.

Озеро Поянху довольно длинное и узкое, простирающееся на юг от реки Янцзы. При таких очертаниях озера даже малое падение уровня воды приведет к фрагментации акватории. Кроме того, экономика нескольких прибрежных городов зависит от рыбной ловли и перевозки товаров по озеру. На национальном уровне это озеро является крупнейшим источником пресной воды в Китае. Высыхание озера может привести к катастрофическим экологическим и экономическим последствиям.

Для сравнения были отобраны три разновременных снимка Landsat во время пика сезона дождей за 1984, 2001 и 2014 годы.


Рис.3 Космический снимок Landsat за 1984 год.

На рисунке показано озеро в июне 1984. Изображение было получено со спутника Landsat 5. Спутниковая программа Landsat является совместной инициативой двух американских государственных агентств: Геологической Службы США и Национального Аэрокосмического Агентства.

Изображение показывает яркое четкое различие между синим озером и растущей зеленью вокруг. Эти цвета могут показаться естественными, на самом деле они являются комбинацией электромагнитных спектров, невидимых человеческому глазу.


Рис.4. Легенда проекта в ArcGis

Цвета электромагнитного спектра, они же каналы, перечислены под слоем. Изображение обычно создается путём комбинирования трёх каналов, а именно RGB (red, green, blue). Это изображение использует Near Infrared 2 для красного цвета, Near Infrared 1 для зеленого цвета и Red для синего цвета. Обозначения каналов для разных спутников Landsat перечислены в следующей таблице:

Таблица 1. Сравнение каналов разных спутников программы Landsat

Канал

Landsat 5

Landsat 7

Landsat 8

1

Blue

Blue

Coastal aerosol

2

Green

Green

Blue

3

Red

Red

Green

4

Near Infrared 1

Near Infrared 1

Red

5

Near Infrared 2

Far Infrared

Near Infrared

6

Thermal

Thermal

Far Infrared 1

7

Mid Infrared

Far Infrared 2

Far Infrared 2

8

Panchromatic

Panchromatic

9

Cirrus

10

Thermal Infrared 1

11

Thermal Infrared 2

Все три изображения в проекте используют сочетания каналов, выделяющие растительность и делающие границы между озером и окружающим пространством более ясными и отчетливыми. Теперь сравним изображение 1984-го года с более поздними изображениями, чтобы увидеть, как изменилось озеро.


Рис.5. Снимок Landsat за 2001 год

Это изображение было сделано спутником Landsat 7, а не Landsat 5, так что цвета отличаются. Без близкого сопоставления сложно увидеть, что именно изменилось. Поэтому мы воспользуемся инструментом «Спрятать», чтобы сравнить два изображения. 


Рис.6. Сравнение космических снимков Landsat за 1984 (слева) и 2001 годы (справа)

При движении слайдера можно увидеть, что большинство изменений произошло на южном и восточном краях озера. Территории, где озеро отступило, по большей части оранжевые, потому что там нет растительности. В целом, в 2001 году озеро визуально занимало меньшую поверхность, чем в 1984 году. Оба изображения были сделаны до открытия плотины "Три Ущелья" в 2008, так что причиной снижения уровня озера могут быть засухи или другие метеорологические явления.

Теперь сравним изображения за 2001 и 2014 годы.


Рис.7. Сравнение космических снимков Landsat за 2001 (слева) и 2014 годы (справа)

Изображение за 2014 год было получено с космического аппарата Landsat 8. Оранжевые зоны, обозначавшие землю, обнажившуюся после обмеления озера, на изображении 2001 года стали светло-зелеными из-за выросших там растений, то есть произошли долгосрочные изменения уровня воды.

При сравнении снимков за 2001 и 2014 года видно, что озеро потеряло дополнительную территорию в основном в южных и западных частях. Очевидно, что озеро уменьшилось в период между 1984 и 2014 гг. (как минимум во время сезона дождей, когда были сделаны все три снимка), хотя не известно на сколько точно.

Классификация почвенно-растительного покрова

Чтобы количественно оценить изменения в площади поверхности озера с течением времени, необходимо классифицировать почвенно-растительный покров на каждом снимке. Каждый отдельный пиксел или ячейка на изображении имеет по значению в каждом канале. На снимке Landsat эти значения соотносятся с цветами. Как можно увидеть на динамичном изображении озера Поянху, есть много возможных значений цветов для разнообразных оттенков. Классифицируя изображение, похожие значения группируются вместе в одно значение, которое отображает местоположение пространственного объекта или класса объектов, таких как вода, растения или городская застройка. Эти классы можно использовать, чтобы найти зоны нужного объекта (в данном случае озера Поянху).

Воспользуемся определенным типом классификации, названный «Неконтролируемой классификацией», в которой программа использует статистический анализ, чтобы определить какие значения объединить вместе в классы. Нужно будет только указать, сколько будет классов. Чтобы сделать данную процедуру, воспользуемся «Неконтролируемой классификацией изокластера».

В ПО ArcGis имеется встроенный инструмент «Неконтролируемая классификация изокластера». Этот инструмент запускает неконтролируемую классификацию слоя изображения, т.е. выбранного растра. Он использует алгоритм изокластеров, чтобы определить характеристики естественной группировки ячеек, и создает выходной слой, базирующийся на том числе классов, какое вы хотите. Запустим инструмент три раза, для каждого снимка. Чтобы увидеть только озеро будет достаточно задать только 4 класса. После окончания работы инструмента на карту будет добавлен выходной слой.


Рис.8. Результат неконтролируемой классификации изокластера

Новый слой похож на исходный снимок June 1984, но цвета были изменены, и теперь он выглядит более пикселизованным. Все слои снимков состоят из сеток пикселов, также известных как ячейки, но на оригинальном снимке пикселы имели тысячи разных цветов. Инструмент «Неконтролируемая классификация изокластера» взял все пиксели оригинального снимка и отсортировал их на четыре класса по значениям, каждый класс со своим цветом (выходные цвета сгенерированы случайным образом). Все водные объекты были классифицированы в одно значение, а остальные обозначают растительность или облачный покров.

В настройках слоя изменим цвет водных объектов на привычный синий, а остальные изменим на бесцветный. В результате только водные объекты останутся видимым в слое. Проделаем ту же процедуру для оставшихся двух снимков и зададим им оригинальный цвет.


Рис.9. Сравнение результата классификации и изображения 

Очистка результата

Для корректности сравнения проведенной классификации необходимо очистить мелкие пиксели не имеющие отношения к озеру. Некоторые из них относятся к небольшим прудам и прочим водным объектам, а некоторые получились в результате неверной классификации. В любом случае, их не следует учитывать при вычислении площади озера Поянху. Для этого мы воспользуемся инструментов геообработки «Фильтр большинства». Инструмент служит для генерализации данных. Он замещает значения ячеек растрового слоя, основываясь на значениях большинства соприкасающихся смежных ячеек. Если в ячейке значение 1, но в трёх смежных с ней ячейках значение 2, инструмент заменит значение 1 и приведёт его в соответствие соседним значениям.

Генерализация удалила немало отдельных пикселов, но некоторые еще остались. Можно провести дополнительную генерализацию, но при этом есть шанс удалить нужные данные (в данном случае это могут быть значения, представляющие само озеро Поянху). Чтобы исправить некоторые оставшиеся проблемы воспользуемся «удалением границ». Данный инструмент сглаживает границу между классами (или зонами) путем растяжения и сокращения границы с последующим возвратом к исходным размерам. При этом вместо значений отдельных пикселов подставляются значения окружающих их пикселов. Результат получается приблизительно такой же, как у инструмента «Фильтр большинства», но при этом используется немного другой алгоритм обработки. В результате большинство мелких отдельных пикселей было отгенерализованны.

Определение изменений площади

После очищения очистили исходных классифицированных снимки и удаления множества мелких ошибок и группировок пикселов можно приступать к вычислению изменений площади озера Поянху. Во время «неконтролируемой классификации» снимков на четыре отдельных значения количество пикселов в каждом значении автоматически записалось в таблицу атрибутов. На основании количества пикселов можно определить площадь озера в гектарах для каждого снимка, начиная с 1984 года.


Рис. 10. Таблица атрибутов слоя

Значение 1 в таблице атрибутов соответствует водным объектом и близко к 3 миллионам. Чтобы перейти от количества пикселей к единицам измерения реального мира нужно знать размер пиксела исходного изображения в метрах. Изначальный размер пиксела снимка Landsat 1984 года составляет 30*30 м (900 квадратных метров или 0.09 гектар). И получается, что размер озера в 1984 году составлял почти 270 тысяч гектар. Проделав ту же процедуру для оставшихся снимков, получаем:

Площадь озера в 2001 году была около 250 тысяч гектаров, а в 2014 году сократилась почти до 200 тысяч. За период с 1984 по 2014 годы потери площади озера Поянху составили около 70 тысяч гектаров: приблизительно 2300 га в год. Более того, темпы сокращения после 2001 года стали выше. Если за 17 лет с 1984 по 2001 гг. было потеряно около 20 тысяч гектаров (1200 га в год), то за 13 лет с 2001 по 2014 озеро сократилось приблизительно на 50 тысяч гектаров (3900 га в год).

Вывод:

Наши исследования выявили серьёзную проблему: за последние 30 лет озеро сократилось на тысячи гектаров, причём темпы сокращения увеличиваются. Возможно, этому способствовало сооружение в 2008 году плотины "Три ущелья". Также не исключено, что свою лепту внесла и многолетняя засуха. Наши вычисления не объясняют причины сокращения озера Поянху, но их можно считать достоверным свидетельством существования серьёзной проблемы, что служит достаточным основанием для специалистов в области охраны окружающей среды заняться более глубокими исследованиями.
Заказать обратный звонок
К началу страницы