Мониторинг лесных пожаров и снижения риска их возникновения в зоне
реклама
Мониторинг лесных пожаров и снижения риска их возникновения в зоне отчуждения и безусловного (обязательного) отселения на территории Украины Д.В. Гилитуха аспирант Национальный университет биоресурсов и природопользования Украины Учебно-научный институт лесного и садово-паркового хозяйства Украина, 03040, г. Киев, ул. Героев обороны, 15. E-mail: dmitriy.nau@gmail.com В данной работе проведен анализ случаев лесных пожаров с использованием ГИС технологий и предложена методика анализа пожарной опасности и картирования случаев лесных пожаров с использованием данных ДЗЗ в оптическом диапазоне. Ключевые слова: лесные пожары, ГИС, вегетационные индексы, зона отчуждения ЧАЭС дистанционное зондирование, Угроза возникновения лесных пожаров в зоне отчуждения и зоне безусловного (обязательного) отселения (ЗВЗБ (о) В), экологические и радиологические последствия, что они в себе несут, является одной из наиболее острых и актуальных проблем Украины. По статистическим материалам ежегодно в зоне отчуждения и безусловного (обязательного) отселения на территории Украины происходит от 20 до 116 случаев пожаров на площади до 560 га. А в критические годы, каким был 1992 г., площадь пожаров достигла до 17 000 га. Значительные последствия для здоровья населения могут иметь катастрофические лесные пожары, а перенос радионуклидов в связи со сжиганием биомассы может привести к вторичному загрязнению территорий [9]. В настоящий момент общая площадь территории зоны отчуждения ЧАЭС составляет 260 тыс. га, среди них площадь покрытых лесной растительностью около 150 тыс. га. Существенное влияние на горимость лесов осуществляют также погодные условия, формирующие критическую пожароопасную обстановку в определенные периоды года. Также в зоне отчуждения ЧАЭС происходит значительное ухудшение санитарного состояния и накопления запасов захламленности, в связи с отсутствием рубок ухода, что в свою очередь повышает пожарную опасность [3]. Пространственное отображение этих насаждений может быть предпосылкой прогноза возможности возникновения катастрофических лесных пожаров и проектировать необходимые меры, способствующие снижению пожарной опасности. Необходимым направлением информационного обеспечения выявления лесных пожаров и их мониторинга является использование данных дистанционного зондирования земли (ДЗЗ) [2]. Технологии ДЗЗ открывают новые возможности в получении информации пространственно-временной оценки состояния лесов. Цель исследований – применение данных дистанционного зондирования для мониторинга насаждений поврежденных верховыми лесными пожарами и вредителями, их картирование. Материалы и методика исследований. Учитывая особенности исследуемой территории и значительное радиационное загрязнение, в исследованиях как независимый источник данных были использованы разновременные мультиспектральные снимки спутника Landsat-5 TM состоянию на 1995 и 2006 годы с пространственным разрешением 30 м, топографические карты и цифровая карта лесов зоны отчуждения. Применение данных спутника Landsat-5 TM обусловлено их доступностью (поставляются бесплатно), наличием широкого выбора архивных данных и средним пространственным разрешением в 30 м, что является приемлемым для применения на региональном уровне. Выбор периода исследований основывается на информации о повреждении насаждений катастрофическими верховыми пожарами, которые фиксировались с 1992 по 1993 годы и значительным ухудшением санитарного состояния насаждений в результате массовой вспышки соснового шелкопряда (Dendrolimus риnи L.) начиная с 1995 года. Основой для пространственного представления статистической информации по случаям возгорания и его анализа была повыдельная цифровая карта лесов зоны отчуждения, созданная во время последнего лесоустройства. Определение категорий земной поверхности на космическом снимке осуществляется в большинстве на основе полевых наблюдений, характеризующих факторы спектральных характеристик лесных земель [2, 5, 6]. Этот подход является трудоемким и требует исследования всех типов растительных группировок. А также, учитывая особенности данной территории, является практически невозможным. По результатам предыдущих исследований [1, 4, 8] установлено, что различные по структуре и породным составом древостои имеют разные значения спектральных характеристик в различных длинах волн, что также зависит от физико-химических свойств листьев, его структуры, содержание хлорофилла и содержание воды. Наиболее информативными для характеристики растительности и оценки надземной фитомассы есть данные красной (длина волны 0,62-0,76 мкм), где лежит максимум поглощения солнечной радиации хлорофиллом и ближней инфракрасной (0,76-1,30 мкм) зоны спектра оптического излучения, где находится область максимального отражения клеточных структур листа [1]. Сопоставление этих показателей друг к другу позволяет четко отделять и анализировать растительность от других природных объектов. Учитывая эти особенности, в основе метода выделения насаждений, поврежденных в результате верховых лесных пожаров и вредителей, нами была применена автоматическая классификация (или ее еще называют классификацией без обучения). Она заключается в автоматическом распределении всех пикселей снимка по классам согласно отражающей способности (значением спектральной яркости) каждого из них в одной или нескольких зонах спектра. Алгоритм, используемый для классификации без обучения, базируется на кластерном анализе. Для формирования кластеров используется формула минимального спектрального расстояния. Кластеризация начинается с произвольно заданных значений (средних) или средних значения взятых из существующих сигнатур. После отнесения всех возможных точек в один из классов центры классов смещаются, и процесс повторяется сначала (следующая итерация). Этот процесс продолжается до тех пор, пока не будет достигнуто максимальное количество итераций или достигнут максимальный процент пикселей, что не меняет свой класс (предел сходимости) [5]. Нами было предложено выделение 60 классов земной поверхности, что в дальнейшем оказалось достаточным для выявления поврежденных участков леса, так как большее количество классов не приводила к изменению количества классов характеризующие исследуемые объекты. Для оценки состояния растительного покрова был рассчитан нормализованный вегетационный индекс NDVI, что в коэффициентном соотношении отражает накопление и развитие фотосинтетически активной фитомассы. Расчет NDVI базируется на соотношении отражающих способностей растений в красной области спектра (0,6 - 0,7 мкм), где лежит максимум поглощения солнечной радиации хлорофиллом растений, и в инфракрасной области (0,7 - 1,0 мкм), где находится область максимального отражения клеточных структур листа. Дешифрирования космических снимков и анализ полученных данных был осуществлен с использованием программного обеспечения ERDAS Imagine и ArcGis. Результаты исследования. Используя таксационные материалы и визуальное дешифрирование космического снимка, классифицированному изображению присвоены значения классов земной поверхности, которые отвечали насаждениям поврежденным верховыми пожарами и вредителями. Насаждения, повреждены верховыми пожарами, характеризовались тремя классами, и как мы видим на рис. 2а, четко можно проследить форму, направление движения и интенсивность лесного пожара по ее результатам в связи с уменьшением запасов фотосинтетически активной фитомассы. Двумя классами характеризовалась растительность, повреждена вредителями и болезнями, что и подтверждалось известным местом расположением определенных объектов. Анализ изображения, рассчитанного на основе ВИ, подтвердил предыдущие результаты и показал, что поврежденные насаждения имеют отличные значения вегетационного индекса по сравнению с живой растительностью и открытыми местностями (залежи, дороги, населенные пункты, водоемы) и составил 0,08 - 0, 18. Расчет интервалов значений вегетационного индекса был осуществлен на основе статистических анализа значений пикселов для NDVI изображения на 5% уровне в пределах точно установленных классов поврежденной растительности по спутниковым снимкам. Получение значений пикселей проводилось по точечным профилям в ArcGis, применив инструменты пространственного анализа – «Извлечения» - «Образец» (Spacial analyst tools – Extraction – Sampe). a) b) c) Рис.2 – Выделение насаждений поврежденных верховыми лесными пожарами (a, b) и вредителями (c), а) - фрагмент снимка с проведенным расчетом индекса NDVI, b) снимок Landsat-5 TM (1995 г.), с) - выделение насаждений поврежденных вредителями (индекс NDVI, снимок Landsat-5 TM за 2006 г.) На рис. 2а оттенок от темного к светлому соответствует развитию растительности. Как видим, четко можно отделить лесной пожар по значению ВИ и формой. На рис. 2b с неклассифицированным изображением, также можно визуально выделить лесной пожар по ее форме и оттенку отображения. Достаточно высокое разрешение снимка позволило с высокой точности идентифицировать выгоревшие территории по следующим признакам: четкое ограничение пределов области и формы пожара, отсутствие растительности, что подтверждается также низким значением вегетационного индекса NDVI, ниже 0,18, наличие обугленной или полностью уничтоженной огнем древесины, поглощающей солнечную радиацию во всех спектральных диапазонах. Для того чтобы исключить возможность классификации живой растительности и открытых земель, был применен экспертный классификации и написан соответствующий алгоритм решений, предусматривающая использование данных неконтролируемой классификации и вегетационного индекса (рис. 3). Рис. 3 - Алгоритм экспертной классификации для выделения насаждений поврежденных верховыми лесными пожарами Основным правилом в алгоритме экспертной классификации определения поврежденных насаждений было выделение классов поврежденных насаждений по значению индекса NDVI. Схему дешифровки поврежденных насаждений можно представить следующим образом (рис. 4). Неконтрольована класифікація Розрахунок вегетаційного індексу (NDVI) Встановлення кількості класів земної поверхні Аналіз класів, пошук та присвоєння їм відповідних значень Генералізація класифікованого зображення Аналіз NDVI зображення та визначення його значень Виділення пошкоджених насаджень методом експертної класифікації з використанням ВІ Створення векторних шарів пошкоджених насаджень Рис. 4 - Схема дешифрирования поврежденных лесных насаждений по результатам обработки космических снимков Полученные классы земной поверхности, соответствующие поврежденным насаждениям, были переведены в формат *.shp, как полигональные объекты, и использованы для создания цифровой карты насаждений, поврежденных в результате воздействия верховых пожаров и вредителей (рис. 5). Непосредственная проверка результатов картирования проводилась на основе официальной статистики данных по пожарам, планах пожарной опасности по схематическим картированием границ пожарищ, и спутниковых данных сверхвысокого различения системы Google Earth. Рис. 5 - Распределение пожаров (1992-2010) и сухостойных насаждений, поврежденных в результате воздействия верховых пожаров и вредителей в различных зонах радиоактивного загрязнения ЗВЗБ (о) В Для отображения фактической пожарной ситуации в ЗВЗБ (о) В на карту были нанесены случаи лесных пожаров в ДСКП «Чернобыльская Пуща» за 1993-2010 гг как частота случаев в пределах каждого лесного квартала (1х1 км) и отдельно изображен площади пожаров 1992 года. Частота возникновения лесных пожаров отображена точками красного цвета в пределах каждого квартала. Большинство случаев лесных пожаров сосредоточены вдоль дорог и сконцентрированы в Пн Ю, Ю З и ПдСх частых территории зовы отчуждения. Также мы видим случаи повторного массового возгорания на территориях гарей 1992 года. Случаи возгораний случались также на участках с высокими уровнями радиоактивного загрязнения, что несет в себе повышенную опасность для пожарных, задействованных на тушении. Насаждения повреждены в результате лесных пожаров 1992 года, отмеченных черным цветом, были выделены при обработке снимка Landsat-5 TM (1995 г.), их совокупная площадь, учтенная нами, составила около 9 тыс. га Анализ космических снимков позволил обнаружить массивы сухостойных насаждений поврежденных вредителями и болезнями. На карте они обозначены коричневым цветом и составляют 994 га по состоянию на 2006 год. Такие насаждения являются потенциальными объектами возникновения катастрофических лесных пожаров и требуют визуализации в целях рационального планирования охраны лесов от пожаров и осуществления противопожарных мероприятий. Выводы. Применение данных ДЗЗ и ГИС-технологий в лесном хозяйстве выходит на новый эффективный уровень. Данные дистанционного зондирования является важным источником пространственно-временной информации о природной среде. ГИС- технологии способствуют максимально эффективному совместному использованию различных типов информации и ее пространственного анализа. Результаты дешифрирования космических снимков могут служить основой для выделения массивов поврежденных насаждений и их мониторинга. В дальнейшем эта информация будет необходима для планирования мероприятий по снижению рисков возникновения лесных пожаров. Анализ полученной информации о природной пожарной опасности лесов, метеорологических данных, истории горимости лесов, потенциальных источников огня, особенностей пожарного сезона позволит разработать план действий по снижению рисков возникновения катастрофических пожаров и предложить рекомендации по нормализации пожарной ситуации в ЗВЗБ (о) В. Применение геоинформационных систем (ГИС) в охране радиоактивнозагрязненных лесов от пожаров является важным инструментом обеспечения экологической стабильности региона и Украины в целом и позволит выйти на новый качественный уровень в обеспечении пожарной безопасности радиоактивно-опасных земель. Список литературы 1. Многоспектральные методы дистанционного зондирования Земли в задачах природопользования: монография / [под ред. В.И. Лялько, М. А. Попова]. - К.: Наук. мысль, 2006. - 360 с. 2. Байрак Г.Р. Дистанционное исследование земли: Учебное пособие / А.Р. Байрак, Б.П. Муха. - М.: Издательский центр ЛНУ им. И. Франко, 2010. - 712 712 с. 3. Борсук О.А. Приодная пожарная опасность сосновых лесов зоны отчуждения и зоны безусловного (обязательного) отселения ЧАЭС / / Научный вестник Национального университета биоресурсов и природопользования Украины. - Киев.: ВЦ НУБиП Украины, 2011. - Вып. 164, ч. 1. -С.26-36. 4. Гилитуха Д.В. Подходы к оценке надземной фитомассы лесов с использованием данных дистанционного зондирования Земли / / Научный вестник Национального университета биоресурсов и природопользования Украины. - Киев.: ВЦ НУБиП Украины, 2011. - Вып. 164, ч. 1. -С.26-36. 5. Кохан С.С. Дистанционное зондирование Земли: теоретические основы: Учебник / С.С. Кохан, А.Б. Востоков-К.: Наук., 2009. - 511 с. 6. Лялько В.И. «Зеленый Щит» Против радионуклидов. Классификация растительного покрова зоны отчуждения ЧАЭС по данным многозональной космической съемки / В.И. Лялько, А.И. Сахацкий, З. М. Шпортюк, О.М. Сибирцева, А.Я. Ходоровский, А.Т. Азимов / / Вестник НАН Украины. - 2008, № 4. - С.23 - 28. 7. Миклуш С.И. Геоинформационные системы в лесном хозяйстве: Учебное пособие / Миклуш С.И., Горошко М.П., Часковський О.Г. -Львов: НЛТУ Украины, 2006. -130 С. 8. Миклуш С.И., Создание цифровой карты лесов западной Лесостепи Украины на основе материалов космической съемки / С.И. Миклуш, С.А. Гаврилюк / / Наук. вестник НЛТУ Украины: Сб. науч.-техн. трудов. - Львов: НЛТУ Украины. - 2009, вып. 19.6. – С. 7 – 11. 9. Kashparov, V. A., Lundin, S. M., Kadygrib, A. M., Protsak, V. P., Levtchuk, S. E., Yoschenko, V. I., et al. (2000). Forest fires in the territory contaminated as a result of the Chernobyl accident: radioactive aerosol resuspension and exposure of fire-fighters. Journal of Environmental Radioactivity, 51(3), 281-298.
