CC BY
36
УДК 911.2:551.48
Вестник СПбГУ. Сер. 7. 2006, вып. 4
А. А. Бобков, А. П. Вершинин, В. М. Щербаков, Е. А. Паниди
ГИС-ТЕХНОЛОГИЯ ОЦЕНКИ ПОЖАРООПАСНОСТИ ГЕОКОМПЛЕКСОВ СЕВЕРО-ЗАПАДА РОССИИ1
1. Введение. В качестве типовых показателей, параметризующих геокомплексы и выделяющих границы очагов потенциально возможных пожаров, были приняты водно-тепловые условия ландшафтов, динамика которых оценивается по режиму влажности или дефицита водопотребления, зависящими от свойств подстилающей поверхности и климатических условий региона. Такой подход к исследованию проблемы предполагает введение физически и статистически обоснованного индекса пожароопасности, который может характеризовать степень пожароопасное™ конкретных геокомплексов по фактическим и расчетным параметрам. Подобные операции удобно выполнять на базе ГИС-технологий, что предполагает проведение ряда процедур, используемых при дальнейшей работе с информацией.
2. Материалы. Основу ГИС составляет база данных (БД). При ее формировании был привлечен следующий материал:
1) карты ландшафтов, растительности, почв и четвертичных отложений, необходимые для тематического районирования геокомплексов, из атласов областей Северо-Запада России;
2) топографические карты масштаба 1:1 ООО ООО, необходимые для характеристики рельефа местности;
3) индексы вегетации EVI (enhanced vegetation index) и NDVI (normalized difference vegetation index), получаемые в рамках проекта MODIS (Moderate Resolution Imaging Spectroradiometer) со спутника TERRA с декабря 1999 г., для оценки состояния растительного покрова;
4) данные об очагах возгорания по территории России, подготовленные при поддержке NASA по проекту Land Use and Land Cover Program;
5) значения температуры воздуха и осадков за 2000-2004 гг. (пентадные осреднения) по 10 реперным пунктам, которые наиболее полно покрывают исследуемую территорию (гидрометеорологические станции Санкт-Петербург, Великие Луки, Вологда, Сыктывкар, Котлас, Нарьян-Мар, Архангельск, Псков, Валдай, Петрозаводск), использующиеся для характеристики водно-тепловых условий региона и определения вегетационных периодов.
3. Формирование БД. 3.1. Подготовка исходной информации. В качестве основного периода пожароопасности территории был принят интервал времени с середины мая по конец сентября, получаемый экспериментально по термическим условиям, присущим каждому району Северо-Запада. Эта процедура предполагала установление дат перехода средних температур воздуха через определенные (принятые в агрометеорологии) интервалы ее значений (вегетационные фазы), которые характеризуют соответственно начало, середину и конец весны, лета и осени, а именно: от 0 до 5°, от 5 до 10°, от 10 до 15°, выше 15°, от 15 до 10°, от 10 до 5", от 5 до 0 °С.
Учитывая, что вегетационные индексы (NDV1 и EVI) с высокой степенью разрешения характеризуют растительный покров лишь с дискретностью в 16 суток, методология оценки статистической устойчивости исследуемых явлений строилась на более продолжительных интервалах сезонной ритмики климатических процессов, что позволило определить репрезентативность собираемой информации. Это относится как к пространственной, так и к временной детализации представления исходных данных.
Информация по индексам вегетации и очагам пожаров в ее оригинальном исполнении составлена в не принятой в России картографической проекции, что потребовало ее пересчета в систему координат Пулково 1942 г. в поликонической проекции для последующей привязки к остальным картографическим материалам.
3.2. Создание географической основы. При создании картографических основ ГИС и наполнении БД производились следующие операции.
1. Генерация разграфки номенклатурных листов топографических карт масштаба 1:1 000 000 (рис. 1). Процедура выполнена с применением программы «Топокалькулятор», разработанной на кафедре картографии СПбГУ [1]. Данная сетка границ трапеций топографических карт составляет один из элементов изображения картографической основы. Этот программный продукт существенно отличается от подобных интегрированных пакетов программ, как отечественных, так и зарубежных, прежде всего тем, что он задуман как специализированный вычислительный модуль, приспосабливаемый к любой ГИС. Он снабжен особой библиотекой способов решения картомет-рических задач во всех применяемых в мировой практике системах координат и проекциях, задач преобразования растровых изображений и способен генерировать номенклатурные сетки всего масштабного ряда отечественных топографических карт.
2. Привязка растровых копий топографических карт по узлам координатной градусной сетки в среде Microstation.
' Работа выполнена при финансовой поддержке Российского фонда фундаментальных исследований (грант №05-05-65317).
© А. А. Бобков, А. П. Вершинин, В. М. Щербаков, Е. А. Паниди, 2006 122
Рис. 1. Бланковая картографическая основа территории.
3. Сканирование из атласов и привязка тематических карт (четвертичные отложения; ландшафты; почвы; растительность) по следующим регионам Северо-Запада России: 1) Республика Карелия; 2) Республика Коми; 3) Новгородская обл.; 4) Псковская обл.; 5) Ленинградская обл.; 6) Вологодская обл.
Растры топографических карт «зарегистрированы» в соответствии с системой координат Пулково 1942 г. в поликонической равнопромежуточной проекции. Используя общие для топографических и тематических карт характерные точки, тематические растры привязаны в тех же системах координат и проекции. Таким образом, получен комплект взаимопривязанных электронных версий карт.
3.3. Определение фенологических периодов. Фенологические иериоды отражаются фазами вегетативного развития растений. Их установление может производиться разными способами. Один из них предусматривает фиксирование дат наступления вегетативных фаз развития соответствующих фитоиндикаторов, например распускание березы, цветение шиповника и т. п. В данной работе предпочтение было отдано способу, основанному на стандартных агроклиматических периодах.
Моменты наступления «вегетационных» сезонов года фиксировались в интервалах температур, обозначенных в п. 3.1. При построении графиков фенологических фаз даты наступления соответствующих температур получены интерполяцией методом Лагранжа. Предварительно исходные температурные кривые были сглажены заменой интервалов дискретности с исходных пятидневок на 15-дневные. Этот интервал обеспечил определение единственной даты регистрации температурных порогов. В зависимости от характера изменчивости температур использовались полиномы 3-й или 4-й степени.
На рис. 2 приведены фенологические графики по 6 пунктам наблюдений за 2004 г., где на оси абсцисс отражены даты, а на оси ординат - температура воздуха (°С). Из него следует, что по продолжительности периода года с температурой выше 0° в 2004 г. лидирует пункт метеонаблюдений Великие Луки (242 дня), затем следуют: Псков (235 дня), Валдай (230 дней), Санкт-Петербург (219 дней), Вологда (210 дней), Петрозаводск (191 день). По продолжительности фенофаз с температурой выше 15 °С пункты метеонаблюдений распределились следующим образом: Великие Луки (73 дня), Валдай (68 дней), Псков (63 дня), Санкт-Петербург (51 день), Вологда (49 дней), Петрозаводск (37 дней). Во втором списке поменялись местами Псков и Валдай, причем разница как по первому, так и по второму показателю составила 5 дней, из чего вытекает, что температурный фактор формирования климата в
а
б
Рис. 2. Фенологические графики по пунктам наблюдений за 2004 г. а - Санкт-Петербург; б -Великие Луки; в - Вологда; г - Псков; д - Валдай; е - Петрозаводск.
этих регионах можно считать одинаковым. Следует заметить, что, например, в 2002 г. по Санкт-Петербургу период положительных температур составил 181 день, а температур выше 15 °С - 81 день. То есть лето было короче на 38 дней, а жаркий период продолжительнее на 30 дней. Из этого следует, что 15-дневной интервал осреднения исходных метеоданных, принятый нами, вполне оправдан.
3.4. Построение полей метеопараметров. Распределение температуры воздуха и осадков по исследуемой территории чрезвычайно изменчиво по времени и в пространстве, что предопределяет необходимость применения определенной методологии построения метеорологических полей. Сначала выбирается некоторая административная область, для которой задаются сроки сезонов года, определяемые по интервалам указанных ранее температур. Далее выделяются соседние области, для которых, очевидно, средняя температура и сумма осадков в эти сроки будут другими. Затем на карте отображаются (по координатам) представительные пункты метеонаблюдений, задаются регулярная сетка и алгоритм интерполяции данных. Используя метод IDW (обратно взвешенных расстояний) модуля Spatial Analist ГИС-оболочки ArcGIS, для выбранной административной области строятся растровые поля потенциалов метеопараметров. После расчета растров для каждого сезона в одной административной области последовательность процедур повторяется для следующей области. Таким образом, динамические и статистические модели для каждой административной области будут своими, и соответственно «области применения» корреляционных зависимостей между количеством очагов пожаров и индексом пожароопасности (IF) будут иметь разные географические границы.
3.5. Оценка степени пожароопасности по параметрам влажности почв и подстилающей поверхности. Динамическая модель внутрисезонной изменчивости значений дефицита водопотребления (разницы между испаряемостью, наблюдаемой при оптимальном увлажнении почвы, и испарением при фактическом увлажнении почвы) и содержанием влаги в зоне аэрации, использована для оценки определяющих факторов пожароопасности, «замыкающих» формируемую БД.
В основу расчетов положено уравнение водного баланса зоны аэрации, которое для решения поставленной задачи принимается в виде
W^WH + X-E-Y-I+K. (1)
В (1) fVt и W„ - конечные и начальные продуктивные влагозапасы на определенный интервал времени, Х- осадки, Е - суммарное испарение, У - склоновый сток, I - инфильтрация влаги в грунтовые воды, К - подпитка грунтовыми водами зоны аэрации (процесс, обратный инфильтрации).
Для расчетов влагозапасов в теплый период года используется схема, подобная комплексному методу М. И. Будыко [2] или тепло-водно-балансовому методу С. И. Харченко для расчета влагозапасов и испарения [3]:
»"*= W {1- &/[2(НВ - В3)]> + X + К}/{1 + £У[2(НВ - ВЗ)]}, (2)
где НВ - наименьшая влагоемкость, ВЗ - влажность завядания. При этом испаряемость
£(,= «/30 (0,1 12+ 2,7/+ 20) (3)
в начале периода вегетации после снеготаяния по Северо-Западу принимается равной W„ = НВ, t - температура воздуха за расчетный период, включающий п дней.
Формула расчета £о(3) является упрощением расчетной схемы Будыко-Зубенок, также полученной для территории Северо-Запада России, поскольку при работе с прогнозными данными необходимый для расчета испаряемости условный дефицит влажности воздуха отсутствует. Водно-физические параметры почв и грунтов приведены в таблице. Теоретическое выражение (2) приобретает конкретный рабочий вид в зависимости от соотношения fVH, WK и НВ. В случае переувлажнения территории (например, на болотах) в уравнение (2) вводится полная влагоемкость (ПВ).
Типовые значения водно-физических характеристик почв различного механического состава
Тип почвы ПВ, мм/100 см НВ, мм/100 см ВЗ, мм/100 см Коэфф. фильтрации, Кф, мм/сут. Разность НВ-ВЗ Коэфф. подпитки грунтовых вод, а
Песок 200 120 40 1500 80 3,0
Супесь
легкая 220 160 60 1000 100 2,5
средняя 240 200 80 700 120 2,0
тяжелая 270 230 100 500 130 1,8
Суглинок
легкий 300 260 120 400 140 1,6
средний 340 300 140 200 160 1,4
тяжелый 380 330 150 100 180 1,3
Глина 400 380 180 10 200 1,2
Торф 450 200 100 800 100 5,0
При {Wt + W„)!2 < HB, К - Б,, ехр(-а), параметр W, находится по формуле (2), (У+ /) принимается равным 0 и дефицит водопотребления рассчитывается по формуле
D = Eo-E,
где Е = £„ (W, + 0у/2(НВ - ВЗ).
При (1УК + W,„)/2 > HB принимается, что (VK = HB, К = О, Е = Е0, а сумма (Y + /) вычисляется следующим образом:
Y+ 1=Х-Ей.
3.6. Обработка данных дистанционного зондирования Земли (ДЗЗ). Была применена технология получения статистики по NDVI, предусматривающая использование в качестве исходных материалов производных данных со спутниковых снимков в формате EOS HDF (*.hdf), растры километрового разрешения, содержащие значения двух вегетационных индексов, EVI и NDVI. Материалы ДЗЗ покрывают весь земной шар и «порезаны» на квадраты приблизительно 10°х10° в проекции Integerized Sinusoidal.
В соответствии с предварительно определенными вегетационными периодами для данной территории, были отобраны растры на даты, максимально близкие к центральным датам этих периодов (например, Ленинградская обл. попадает на территорию двух квадратов). Растры зачитаны в Erdas Imagine 8.7 и импортированы в формат Erdas (*.img).
После того как всем растрам определена проекция, из квадратов, представляющих один и тот же вегетационный период, собираются единые изображения.
Полученные данные напрямую читаются в ArcGIS, где они используются в качестве растровой подложки векторных тематических слоев. С помощью модуля ArcTooIbox для каждого из векторных полигонов (ландшафтов) вычисляются статистические параметры зарегистрированных значений индексов: минимум, максимум, размер ряда данных, сумма, среднее значение, стандартное отклонение, вариация, медиана. Перечисленные статистические характеристики индексов вегетации, как и других показателей, определенных на следующих этапах исследования, применяются для классификации ландшафтов по параметрам пожароопасности.
4. Статистическое моделирование пожароопасности. Многопризнаковый анализ выполнен с применением статистического моделирования. Организация вычислительных процедур и порядок расчетов произведен в программе «Признак» [4]. На первом этапе расчетов регистрируется «проект», который соответствует определенному году фиксирования исходных данных. На втором этапе строится «дерево признаков» и указывается число объектов сравнения (ландшафтов). Третий этап - выбор сезонов года (сценариев), четвертый - расстановка весов признаков (факторов формирования IF). На пятом этапе выполняется сопоставление ландшафтов по степени выраженности каждого фактора формирования IF. В данном случае из трех методов попарного сравнения выбран способ матрицы качественных оценок по принципу больше - меньше - одинаково. Шестой этап состоит в указании условий дисперсионного анализа с применением критерия Шеффе: а) задание сценариев (как правило, всех); б) указание типа шкал (закрытая сверху, закрытая снизу, закрытая и сверху, и снизу); в) указание характера выборок данных (зависимые или независимые); г) задание критической вероятности. Последний седьмой этап заключается в определении положения и имени файла, содержащего протокол расчетов и его интерпретацию. В протоколе расчетов приводятся ряды исходных данных с вычисленными параметрами IF, таблица дисперсионного анализа, численные выражения мер сходства сезонов года и мер сходства ландшафтов. Идентичность сопоставляемых объектов сравнения определяется сравнением вычисленных значений критерия Шеффе с критическим, соответствующим критической вероятности (принятой нами равной 0,05).
В итоге создается и обрабатывается ряд сводных таблиц. В первой - строки отражают выделенные сезоны года, а колонки - значения IF, рассчитанные по выраженности факторов пожароопасности ландшафтов (средние величины и дисперсии EVI, NDVI, дефицита и запаса влаги). В следующих таблицах, соответствующих фенологическим периодам, строки отражают ландшафты, а колонки - значения IF и подсчитанные количества очагов пожаров. В данном случае продолжительность сезонов года может быть увеличена, а их количество сокращено, что зависит от результатов дисперсионного анализа. Кроме того, отдельные ландшафты могут быть объединены в группы, в зависимости от их сходства по параметрам пожароопасности. В заключение строятся графики зависимости количества очагов возгорания от IF для каждого года наблюдений.
5. Заключение. Таким образом, разработана структура БД и определен состав параметров, который должен учитываться при разработке методики прогнозирования пожароопасности геокомплексов. Предпочтение при ее внедрении должно отдаваться ГИС-технологиям. Такая ГИС создается на программных оболочках ArcGIS, Microstation, Erdas, а также с помощью специализированных программ «Топокалькулятор» и «Признак». Исходную информационную базу моделирования составляют материалы ДЗЗ, топографические карты масштаба 1:1 ООО ООО, тематические атласы административных областей Северо-Запада России, наблюдения над температурой воздуха и осадками. За основные операционные единицы оценивания геокомплексов на предмет пожароопасности были приняты ландшафты, которые являются объектами параметризации. Теоретическую основу предложенной методики составляют динамическая модель дефицита влаги и влагосодержания деятельного слоя земной поверхности и статистическая модель расчета индекса пожароопасности.
Summary
Bobkov A. A., Vershinin A. P., Shcherbakov V. M., Panidi E. A. GIS-technology of wild fire danger estimation of geo-complexes in the North-West of Russia.
A set of techniques for processing analysis data aimed at estimation of wild fire danger of geocomplexes based on GIS-technology is elaborated. Scanned charts of landscapes, soil, quartenary deposits, data on vegetation indexes (obtained from MODIS), satellite images on fire areas and meteo data set on temperature and precipitations over the North-West of Russia are used. An attempt to elaborate a joint index of fire danger of the surface by means of modeling water deficit in soil and landscape features is undertaken.
Литература
1. Афанасьев В. А., Павлова О. А., Паниди Е. А., Щербаков В. М. Автоматизированная система генерации номенклатуры российских топографических карт и пересчета координат между различными системами // Теория и практика эколого-географических исследований: Итоги науч. работы Учеб.-науч. центра географии и геоэкологии в 2004 г. / Под ред. В. В. Дмитриева, А. И. Чистобаева, Т. А. Алиева и др. СПб., 2005. 2. Руководство по расчету испарения с поверхности суши / Под ред. П. П. Кузьмина. Л., 1976. 3. Харченко С. И., Вершинин А. П., Роо С. С. Расчет дефицитов водопотребления на территории СССР. Л., 1980. 4. Авере Джечи, Афанасьев В. А., Васильев В. С. и др. Методика и вычислительные средства экспертно-оценочного картографирования результатов комплексной оценки городских почв // Теория и практика эколого-географических исследований: Итоги науч. работы Учеб.-науч. центра географии и геоэкологии в 2004 г. / Под ред. В. В. Дмитриева, А. И. Чистобаева, Т. А. Алиева и др. СПб., 2005.
Статья поступила в редакцию 10 апреля 2006 г.
