Авторизация

Логин:
Пароль:
Восстановить пароль
Регистрация
  • Форум
  • Блоги
  • Контакты
  • Новости
  • Продукты
  • Отрасли
  • Обучение
  • Поддержка
  • События
  • О компании
  • 3 (34) | 2005 Сохранение водно-болотных угодий и их обитателей на юге Западной Сибири

    Васильев о.ф., Ковалевская Н.М.;
    Институт водных и экологических проблем СО РАН, г. Барнаул,
    E-mail: knm@iwep.ab.ru

    Российская Федерация, на территории которой расположены крупнейшие в Старом Свете гнездовья перелетных водоплавающих птиц, участвует в нескольких международных конвенциях по сохранению их местообитаний. В 1991 году Нидерланды и Россия подписали Меморандум о совместных усилиях в области охраны водно-болотных угодий. Один из проектов, развернутых на его основе, проводился в 2000-2004 годах на юге Западной Сибири - на озере Чаны (рис. 1). Он был посвящен сохранению и рациональному использованию водно-болотных угодий степи и лесостепи региона. Работы вели российские ученые в сотрудничестве со специалистами из Нидерландов и Румынии.


    Рис. 1.
    Географическое положение озера Чаны.

    Чановская озерная система имеет большое значение для региона как база рыбного хозяйства и связанных с ним отраслей, а также международное значение как место гнездования и остановки перелетных птиц водно-болотного комплекса. В 1994 г. озеро и прилегающая территория (всего около 365 тыс. га) были объявлены водно-болотным угодьем международного значения в рамках Рамсарской конвенции (рис. 2).


    Рис. 2.
    Космическое изображение окрестностей озера Чаны в среде ERDAS IMAGINE в разных масштабах.


    Рис. 3.
    Озеро Чаны и его обитатели.

    На озере Чаны обитает более 250 видов птиц (рис. 3). Это важный район гнездования уток, куликов, чаек и крачек. В частности, здесь гнездятся черноголовый хохотун и чеграва, занесенные в Красную Книгу РФ. Отмечены и другие редкие виды. Кроме того, Чаны – важное место линьки многочисленных уток, гнездящихся в лесостепной и таежной зонах Западной Сибири. Чановская озерная система расположена на Центральноазиатском пути миграций птиц. Здесь ежегодно останавливаются сотни тысяч перелетных птиц водно-болотного комплекса, чтобы пополнить жировые запасы перед долгим путешествием.

    Озеро Чаны площадью около 1700 км2 входит в крупную бессточную систему пресных и солоноватых озер на границе лесостепи и степи юга Западной Сибири. Озеро состоит из соединенных между собой плесов, один из которых – Юдинский – отделен плотиной в 1971 г. и сейчас является обсыхающей территорией. Основное занятие местного населения – рыболовство, причем улов зависит от колебаний уровня воды в озере и ее минерализации. Важнейшие отрасли сельского хозяйства в регионе – выращивание зерновых культур и скотоводство.

    Важным этапом в решении вопроса сохранения экосистемы водоёма c использованием космической информации и последующей обработки в ERDAS IMAGINE оказались:

    • полевые исследования, позволившие создать легенду основных типов растительности;
    • автоматизированное экологическое картографирование, являющееся главным источником получения документированной информации о состоянии водного объекта и объектов на прилегающих к нему территориях;
    • динамическое экологическое картографирование, как средство индикации качественно новых процессов, связанных с изменением водных объектов, испытывающих естественную и/или антропогенную нагрузку.

    Для получения карт растительности и водной поверхности оз. Чаны были использованы процессы многоспектральной классификации, или сегментации многомерного изображения. Они представляют собой процедуры разбиения элементов растра на конечное число отдельных классов, или категорий данных растительности/ водной поверхности, в соответствии с разными статистическими критериями и разными спектральными значениями элементов растра.

    При автоматическом распознавании использовались вероятностно-статистические методы анализа изображений. Статистики извлекались из спектральных характеристик элементов изображения. Затем элементы растра соотносились с классами на основании разных математических критериев и в зависимости от наличия априорной информации. Фактически, процесс классификации разбивается на две части:

    • «обучение с учителем» (классификация на основе заданных обучающих участков и заданного решающего правила)
    • «обучение без учителя» (классификация на основе разбиения элементов на кластеры в признаковом пространстве).

    На предварительном этапе обучения выбирались полигоны, однородные по спектральным и текстурным признакам, характерным для разных видов растительности (рис. 4). Визуальные образцы были проверены по нескольким критериям: на статистическую представительность; на максимальную правдоподобность; на непротиворечивость по отношению к спектральным признакам других видов растительности.


    Рис. 4.
    Примеры выбора обучающих участков (однородных полигонов) в среде ERDAS IMAGINE.

    Результаты полевых исследований были формализованы с помощью редактора сигнатур для последующей классификации на основе обучающих выборок (рис. 5). В итоге составлена карта основных типов растительности. Сопоставление разновременных изображений показало, что сельскохозяйственные площади в регионе сокращаются, особенно в отдаленных местах (рис. 6). На брошенных полях постепенно восстанавливается степная растительность.


    Рис. 5.
    Формализация легенды с помощью редактора сигнатур классов.


    Рис. 6.
    Разновременные космические изображения.

    Важнейшими экологическими факторами для непроточного озера Чаны являются минерализация и ионный состав воды. Содержание растворенных солей в разных частях озера варьирует от 0,5 до 10 г/дм3. Основные катионы – натрий и магний, анионы – хлориды и сульфаты, а в озере Малые Чаны еще и бикарбонаты. Величина минерализации возрастает от места впадения рек в Малые Чаны к глухому Ярковскому плесу.

    Для изучения качества воды в разных частях Чанов проводили полевые исследования и использовали спутниковые изображения. Предварительным этапом получения фотокарт явилось маскирование водной поверхности, то есть деление исходного снимка на два класса – вода, не вода (рис. 7).


    Рис. 7.
    Результат маскирования водной поверхности на снимке с помощью инструмента Spatial Modeler.

    Последующая классификация участков водной поверхности осуществлялась с помощью автоматической процедуры «обучение без учителя», поскольку отсутствовала априорная информация о состоянии воды на момент космосъемки. Результатом сегментации такого рода является выделение на снимке кластеров, состоящих из элементов растра со сходными спектральными характеристиками. Кластеры определялись в соответствии со специальным итеративным алгоритмом кластерного анализа ISODATA, для которого задавались следующие параметры:

    • Число кластеров (классов предварительного анализа) N=20;
    • Порог сходимости T=0,95, который представляет максимальный процент элементов растра, классификация которых может оставаться неизменной между итерациями;
    • Максимальное число итераций процесса M=6.

    На первой итерации (M=1) алгоритма ISODATA средние значения для N кластеров определялись в соответствии с пиками многомерной гистограммы маскированной водной поверхности. Каждый элемент растра был отнесён к ближайшему классу в соответствии с минимальным спектральным расстоянием (рис. 8).


    Рис. 8.
    Схематичное многомодальное распределение элементов для маскированной водной поверхности.


    Рис. 9.
    Карта типов водной поверхности.

    Все водные поверхности на спутниковом снимке поделили на классы и сопоставили с результатами полевых исследований прозрачности воды, ее цвета и мутности. Полученная карта (рис. 9) показывает распределение «цветущей» воды (зеленый цвет), «илистой мутной» (от желтого до серого) и «прозрачной» (синий). Голубой цвет соответствует переходному типу воды.

    Сравнение с более старыми спутниковыми изображениями показывает, что поверхность озера Малые Чаны, занятая водной растительностью, сильно сократилась (рис. 10). Возможно, это вызвано притоком фосфора с полей и со сточными водами.


    Рис. 10.
    Динамика изменения водной поверхности.

    Заключение

    За последние десятилетия использование космической информации и ее автоматическая обработка в экологических исследованиях и экологических приложениях приобретает особое значение.

    С одной стороны, распознавание на многозональных снимках естественных объектов, которые могут быть выделены, исходя из имеющейся визуальной информации и результатов полевых исследований, само по себе является одновременно наукой и искусством.

    В то же время, космические снимки оказываются тем уникальным фактическим материалом, на основе которого экологи в процессе теоретической и практической работы могут установить общесистемные характеристики, которые не сводятся к свойствам отдельных элементов, а также их динамику.




    Версия для печати