ПРАПКТИКА. Инженерноземлеустроительная
 Скачать 3.34 Mb.
|
|
Подготовка топографической основы системы электронных карт. Важным этапом проектирования электронной системы карт является оцифровка элементов топографической карты. Базовыми данными являются рельеф (горизонтали) и гидрография. Оптимальными источниками служат топографические карты масштаба 1:25 000. Алгоритм работы на данном этапе: привязка топографической карты к имеющимся слоям в MapInfo Professional; создание атрибутивной таблицы будущего векторного слоя через последовательность команд «Файл» – «Новая таблица» – «Создать». В появившемся диалоговом окне необходимо создать новое поле, выбрать для него тип данных, проекцию и задать имя; оцифровка горизонталей рельефа и гидрографической сети полигона при помощи инструментов «Полилиния» ) и «Полигон» ). 4.2. Проектирование электронных карт природных компонентов После создания картографической основы, включающей векторные и растровые слои в единой проекции и системе координат, в рамках учебной инженерно- землеустроительной практики студентам предлагается создание серии электронных тема- тических карт. С целью изучения состояния земель для землеустройства на основании ма- териала предполевого и полевого этапов практики на единой основе проектируются сле- дующие карты: коренных горных пород, четвертичных отложений, углов наклона скло- нов, почвенная (землеустроительная), ландшафтная. Общая последовательность работ по созданию электронных карт на основании предполевых и полевых картографических материалов заключается в создании атрибу- тивной таблицы и отображении специальной тематической нагрузки карт. На геологической карте коренных горных пород цветом и индексом показываются границы распространения отложений разного возраста: оранжевым – палеогеновой систе- мы, зеленым – меловой, синим – юрской. Внутри системы отложения разных отделов по- казываются интенсивностью цвета: нижние толщи темнее, верхние – более светлые. На карте четвертичных отложений индексом и цветом показываются границы распространения четвертичных отложений разного возраста и генезиса. Для четвертичных отложений, распространенных на территории Атемарского учебного полигона, рекомен- дуется использование следующих индексов и цветовой окраски: элювиальные (е) – оран- жевый, элювиально-делювиальные (еd) – светло-коричневый, моренные (g) – коричневый, флювиогляциальные (fg) – желтый, аллювиальные (а) – светло-зеленый, пролювиальные (рr) – сиреневый. На карте углов наклона склонов по горизонталям рельефа и привязанному косми- ческому снимку высокого разрешения цветом выделяются эрозионные формы рельефа (речные долины, овраги, балки, лощины и т. д.), плоские и слабонаклонные равнины с уг- лами наклонов 0–2˚, пологие и слабопокатые склоны (2–10˚) и склоны с крутизной уклона более 10˚. На почвенной (землеустроительной) карте красочным фоном даются типы почв. Наибольшая насыщенность тона рекомендуется для зональных групп. Для них использу- ются теплые тона: серые лесные (Л) – сиреневый, черноземы (Ч) – коричневый, лугово- черноземные (Чл) – темно-серый, аллювиальные (А) – серовато-зеленый, смыто-намытые овражно-балочного комплекса – синий. Эрозионные почвы даются более слабыми тонами тех же цветов. Эрозионно-аккумулятивные несколько затемняются серым тоном. Для по- лугидроморфных почв предпочтительны холодные тона. Почвообразующие породы дают- ся тонкими слабыми штриховками. С целью отображения ограничения использования сельскохозяйственных земель рекомендуется подключение с карты углов наклона склонов наиболее крутых участков (более 10˚), овражно-балочной сети, пойм водотоков. Для раскрытия содержания почвен- ных неоднородностей рекомендуется картировать отрицательные формы рельефа с при- влечением привязанного космического снимка высокого разрешения. На карте природных ландшафтов цветом отражаются природно- территориальные комплексы (ПТК), характеризующиеся определенным сочетанием физи- ко- географических условий. Цветовой спектр и система индексов должны отражать общие закономерности природной дифференциации территории. В основу выделения ПТК по- ложено разнообразие почвенного покрова, геологического строения, рельефа и раститель- ности. Название выделенных геосистем рекомендуется давать в следующей последова- тельности: а) положение в рельефе; б) геологическое строение (состав и возраст коренных пород и генезис и состав четвертичных отложений; в) почвенный покров; г) преобладаю- щий тип растительности; д) современное состояние ПТК. 4.3. Создание тематических электронных карт Следующим этапом работы является создание тематических электронных карт, от- ражающих особенности состояния почвенно-земельных ресурсов полигона. Одним из направлений работы в рамках учебной практики выступает проектирование карты сум- марного загрязнения почвенного покрова на основе данных, имеющихся в региональной ГИС «Мордовия». На территории учебного полигона расположены 11 точек отбора проб, в каждой из которых в соответствующей базе данных ГИС «Мордовия» дается содержание Mn, Ni, Co, Ti, Cr, Mo, Zr, Nb, Cu, Pb, Ag, Zn, Sn, Ga, Be, Sc, Y, Yb, P, Li, Sr, Ba, Hf, Cd, Bi. Для построения тематической карты следует выполнить следующие действия: в каждой точке отбора проб рассчитать коэффициент концентрации химического элемента (К с ), который определяется отношением реального (аномального) его содержания (С i ) в конкретной точке к среднему содержанию на фоновом участке (С ф ); данные о фоновых показателях выдаются студентам в раздаточном материале практики; отобрать химические элементы, коэффициенты концентрации которых больше или равны 1,5; для полиэлементного анализа использовать предложенный Ю. Е. Сает [Методические указания …, 1987] суммарный показатель загрязнения (Z c ), представляющий собой сумму превышений коэффициентов концентраций накапливающихся химических элементов: Z c = ΣК с – (n – 1), где К с – коэффициенты аномальных концентраций элементов с (≥ 1,5); n – количество элементов с аномальным содержанием. В MapInfo Professional создать новый точечный слой при помощи пиктограммы «Символ» ), разместить точки опробывания на карте, задать им высчитанные значения, использую пиктограмму «Информация» ). Далее в меню «Карта» выбираем «Создать тематическую карту». Выполним проек- тирование карты при помощи 2 инструментов, представленных в диалоговом окне: «Диа- пазоны» и «Поверхность». Согласно общепринятой методике [Методические рекоменда- ции …, 1990], почва имеет низкий уровень загрязнения при Z c от до 16, средний – при 16– 32, высокий – 32–128, чрезвычайно высокий – более 128. Учитывая это, выполним следу- ющие команды: в типе «Диапазоны» выберем шаблон «Способ значков, различный размер»; пере- ходим к следующему диалоговому окну, нажав «Далее»; определяем таблицу и по- ле, в которых содержатся данные о Z c ; на следующем шаге используя опции «Диапазоны», «Стили», «Легенда» задаем не- обходимые параметры (рис. 10). Р и с . 10 – Проектирование карты суммарного загрязнения почвенного покрова в программе MapInfo Professional На следующем этапе создаем интерполяционную карту с помощью типа «Поверх- ность» и шаблона «TIN поверхность». На втором шаге задаем атрибутивную таблицу и маску отсечения (отдельный слой с границами полигона). Аналогично рис. 10 в меню «Варианты», «Стили», «Легенда» задаем параметры картографического изображения, в пункте «Метод интерполяции» рекомендуется выбрать IDW (рис. 11). Р и с . 11 – Проектирование карты суммарного загрязнения почвенного покрова в программе MapInfo Professional: интерполяция точечных данных 4.4. Инструментальное дешифрирование космических снимков На современном этапе развития науки и техники ключевым источником информа- ции, наряду с полевыми и стационарными исследованиями, являются данные, полученные с космо- и аэрофотоснимков. Синтетическая природа, заложенная в данных ДЗЗ, позволя- ет использовать их для решения практико-ориентированных задач землеустройства и ландшафтного планирования. На сегодняшний день существует целый ряд сервисов (спутников и их сенсоров), представляющих космические снимки с разным разрешением, периодичностью, количе- ством спектральных каналов. Среди наиболее успешных проектов отмечаем данные ДЗЗ, получаемые со спутников SPOT, IKONOS, QuickBird, Landsat, TERRA (платформа ASTER), Ресурс-П и др. В качестве ресурса данных ДЗЗ в рамках учебной инженерно-землеустроительной практики используются данные спутника Landsat-8 (сенсоры OLI/TIRS), снимки которого представлены 11 каналами (табл. 3). Т а б л и ц а 3 Спектральные каналы сенсора OLI/TIRS спутника Landsat-8 Номер и название канала Длина волны, мкм Разрешение, м Канал 1 – Побережья и аэрозоли 0,433–0,453 30 Канал 2 – Синий 0,450–0,515 30 Канал 3 – Зеленый 0,525–0,600 30 Канал 4 – Красный 0,630–0,680 30 Канал 5 – Ближний ИК 0,845–0,885 30 Канал 6 – Ближний ИК 1,560–1,660 30 Канал 7 – Ближний ИК 2,100–2,300 30 Канал 8 – Панхроматический 0,500–0,680 15 Канал 9 – Перистые облака 1,360–1,390 30 Канал 10 – Дальний ИК 10,30–11,30 100 Канал 11 – Дальний ИК 11,50–12,50 100 Архивные многозональные снимки Landsat-8 доступны для скачивания с геопорта- ла Геологической службы США (http://glovis.usgs.gov/) после регистрации. Для поиска ма- териала необходимо выбрать на карте исследуемый участок, в меню геопортала подклю- чить «Landsat 8 OLI/TIRS C1 Level-1», выбрать параметры облачности и дату съемки. В качестве программного продукта по работе с многозональными космическими снимками в рамках учебной инженерно-землеустроительной практики используется ScanEx Image Processor, разработанный группой компаний «СКАНЭКС». К основным до- стоинствам программного пакета следует отнести: наличие необходимого набора средств для обработки спутниковых снимков, в том числе для создания тонально-сбалансированных мозаик, улучшения простран- ственного разрешения, геометрической коррекции и ортотрансформирования, ра- диометрической калибровки, фильтрации изображений, удаления дымки и т. д.; возможность работы с векторными слоями в режиме стандартной ГИС, в том числе добавление и редактирование точечных, линейных и полигональных слоев, работа с атрибутивными таблицами; наличие более 10 алгоритмов классификации изображений на основе автоматизи- рованных и обучаемых методик; поддержка большинства современных форматов данных ДЗЗ, удобный и интуитив- но понятный интерфейс, высокая производительность. Ключевым инструментом любого программного обеспечения для автоматизиро- ванной обработки космических снимков являются алгоритмы компьютерного дешифри- рования, основанные на спектральных признаках пикселей. Однако отдельно взятый канал в многозональных снимках представляет крайне ограниченную вариацию действий по ин- терпретации свойств земной поверхности. Специфика применения многозональных сним- ков заключается в возможности комбинирования каналов, помещая их в красную (R), зе- леную (G) и синюю (B) позиции. Таким образом, каждый канал представляет интерес для решения тематических прикладных задач, однако синтетическую информацию о природ- ных и природно-антропогенных комплексах можно получить только в рамках комбиниро- вания каналов (табл. 4). Такая процедура доступна в специализированном программном обеспечении по дешифрированию космических снимков, например ScanEx Image Processor, ERDAS IMAGINE, ENVI, а также в стандартных ГИС (ArcGIS, MapInfo Professional (при использовании дополнительного модуля MapInfo Advanced)). Т а б л и ц а 4 Интерпретация некоторых комбинаций каналов данных спутника Landsat-8 Комбинация каналов (R-G-B) Landsat-8 Интерпретация 5-4-3 Комбинация «искусственные цвета». Используется для исследования расти- тельности, которая отображается в оттенках красного цвета. Насыщенные от- тенки – индикаторы здоровой (спелой) растительности, более светлые – тра- вянистой или кустарниковой. Хвойные породы имеют более темный цвет по сравнению с широколиственными и мелколиственными. 4-3-2 Комбинация «естественные цвета». Используются каналы видимо диапазона, поэтому объекты земной поверхности выглядят так, как они воспринимаются человеческим глазом. Применяется для визуального дешифрирования при- родных и антропогенных объектов. 6-5-2 Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для изучения влажностных характеристик почв и растительного по- крова, детектирования водных объектов, определения границ между хвойной и лиственной растительностью. 6-5-4 Комбинация ближнего, среднего ИК-каналов и синего видимого канала при- меняется для анализа всходов на сельскохозяйственных угодьях: участки с плохо развитым растительном покровом лилово-коричневые, территории с хорошими всходами культур – ярко-зеленые. Рассмотрим выполнение данного вида работ в ScanEx Image Processor: выполняем команды «Файл» – «Открыть растр» – «Добавить растры» – «Выбрать файл»; последовательно загружаем все каналы: «Ок» – «Загрузить»; многозональ- ные космические снимки Landsat-8 представлены растровыми изображениями формата tif, имеют «встроенную» единую для всех каналов привязку; для визуализации многозонального снимка в окне программы нажимаем «Окно» – «Новое окно RGB»; быстрый поиск загруженных растров осуществляется при по- мощи пиктограммы «Уместить в окне» ) на главной панели программы; для комбинирования каналов воспользуемся опцией «Настройка отображения» ( ). В диалоговом окне во вкладке «Настройка слоев» в пункте «Новый слой» вы- бираем необходимые комбинации каналов, задаем параметры для их отображения: видимость, прозрачность, ограничение отображения (рис. 12). Р и с . 12 – Создание комических снимков в синтезированных цветах в программе ScanEx Image Processor Полученные космические снимки в синтезированных цветах могут быть сохранены через команду «Сохранение растров» в меню «Файл» и использованы в проектируемой учебной землеустроительной ГИС «Атемарский полигон» для визуального анализа диф- ференциации природных компонентов. Другое направление работы связано с использова- нием методик автоматизированного дешифрирования в среде ScanEx Image Processor. Основной инструмент любого программного продукта для автоматизированной об- работки материалов ДЗЗ – алгоритмы компьютерного дешифрирования. Рассмотрим их особенности в ScanEx Image Processor. Классификация без обучения (кластеризация). В программе реализован наиболее популярный алгоритм – ISODATA (Итерационная самоорганизующаяся методика анализа данных – Iterative Self-Organizing Data Analysis Technique). Его работа основана на класте- ризации космоснимка по разнице между средними значениями кластеров (минимальном спектральном расстоянии между центрами классов). Результатом кластеризации выступа- ет растровый слой, состоящий из получившихся кластеров, объединенных по принадлеж- ности к заданному числу спектральных классов. Классификация с обучением. При данном типе пиксели снимка объединяются в группы на основе сравнения их яркостей с эталонными значениями. В ScanEx Image Processor представлены: – классификация с помощью нейронных сетей. Искусственные нейронные сети яв- ляются математической моделью, организованной по типу действия биологических нейронов, имеющих входные и выходные каналы. Достоинствами грамотно организован- ной сети нейронов являются нечувствительность к шуму и толерантность к ошибкам. Успешность применения нейросетевых методов зависит от программы их обучения, в ко- торое входят выбор входных данных (для задач интерпретации данных ДЗЗ – определение типов и разрешения снимков), определение формы выходных данных (объекта интерпре- тации на результирующей карте), подбор архитектуры сети (число слоев и нейронов); – бинарная классификация (метод максимальной энтропии). Данный тип алгорит- мов основан на определении местоположения некоего известного феномена, по которому рассчитывается вероятность нахождения этого феномена по всей территории космосним- ка; – классификация с помощью метода деревьев. В программном комплексе заложен алгоритм обучения ансамбля древовидных классификаторов, каждый из которых обучает- ся на случайном подмножестве обучающей выборки. При классификации получившийся класс реализуется с помощью «голосования» (по всему ансамблю деревьев), а его вероят- ность оценивается как отношение «проголосовавших» за него деревьев к общему числу деревьев. В программном комплексе ScanEx Image Processor реализован широкий спектр операций с растровыми слоями посредством математических операций с яркостными ха- рактеристиками многозональных космических снимков. Для целей геоботанических об- следований в рамках изучения состояния земель важнейшим инструментом является рас- чет вегетационных индексов – показателей состояния растительности, определяемых по их отражательной способности в разных спектрах съемки. При этом территория, свобод- ная от растительности, будет совпадать с «почвенной линией» – гипотетической прямой в спектральном пространстве, определяющие нулевое количество растительности. В про- грамме встроены в интерфейс основные индексы, применение других возможно при по- мощи их создания в среде программы и встройке в соответствующую группу опций. 4.5. Автоматизированное проектирование карты фактического землепользования Анализ использования земель в рамках учебной практики проводится с применени- ем разных критериев: категория земель, функциональное зонирование, градостроительное зонирование, разрешенные виды использования земель. Эти данные приведены в графи- ческом и текстовом виде в Генеральном плане и Правилах землепользования и застройки Атемарского сельского поселения, в КПТ на кадастровые кварталы в пределах полигона, получаемых из ЕГРН. Однако данная информация должна соотносится с фактической системой земле- пользования для целей оптимизации стратегического управления земельными ресурсами, мониторинга земель. Студентами на практике апробируются методики создания карты фактического землепользования, в которой целесообразно использование двух взаимодо- полняющих подходов: проектирование карты Land cover на основе классификации земной поверхности, применяемой в программе Евросоюза CORINE (Coordination of information on the environment); в методике проектирования карты при этом подходе лежит анализ и интерпретация данных ДЗЗ с последующим отнесением пикселей к одному из 44 классов земной поверхности, организованных на 3 иерархических уровнях; построение карты землепользования, используя принципы классификации по Ф. Н. Милькову на уровне классов, подклассов и типов антропогенных ландшаф- тов; Перед проведением работ по автоматизированному дешифрированию многозо- нальных космических снимков рекомендуется создание ведомости будущей карты с це- лью уточнения фактического землепользования по космическому снимку высокого раз- решения, подгруженного в учебную землеустроительную ГИС «Атемарский полигон» (табл. 5). Т а б л и ц а 5 Инвентаризационная ведомость для составления карты фактического землепользования (фрагмент) Типологическая единица CORINE (Land cover) Типологическая единица (по Ф. Н. Милькову) Краткая характеристика типологической единицы в пределах полигона Пример на космическом снимке полигона 1. Искусственные поверхно- сти; 1.1. Городская застройка; 1.1.2. Разреженная городская застройка; 1. Класс селитебных ландшафтов; 1.1. Тип сельских сели- тебных ландшафтов; В состав полигона входят населенные пункты Атемарского сельского поселения: с. Атемар, с. Новая Уда и д. Старая Уда. Наиболее крупный населенный пункт – с. Атемар (на 01.01.2016 г. – 4 160 человек) расположен в западной части по- лигона. Территориальная зона – ЖЗ-0301 Зона индивидуальной жилой застройки. 2. Сельскохозяйственные об- ласти; 2.1. Пашня; 2. Класс сельскохозяй- ственных ландшафтов; 2.1. Полевой тип; Учебный полигон расположен на землях ГУП ПФ «Атемарская» и ГСП «Искра», которые за- нимают западную, северную и восточные части учебного полигона. Наибольший удельный вес в структуре составляют зерновые и кормовые культуры. Территориальная зона – СХЗ-0101 Зо- на сельхозугодий. 1 Искусственные поверхности 1.3 Шахты, карьерные и стро- ительные площадки; 1.3.1 Участки добычи полез- ных ископаемых. 3. Класс промышленных ландшафтов; 3.1. Карьерно-отвальный тип. Наиболее крупный горно-технический комплекс на территории учебного полигона – Атемарское месторождение мела (разработка – ООО «Аст- ром»), расположенный в 1,5 км восточнее с. Ате- мар в краевой части останцового массива. В гео- логическом строении участвуют комплекс верх- немеловых и четвертичных отложений. Террито- риальная зона – СХЗ-0101 Зона сельхозугодий. |