Телефон: +7 (383)-202-16-86

Статья опубликована в рамках: XLIII Международной научно-практической конференции «Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ» (Россия, г. Новосибирск, 23 апреля 2018 г.)

Наука: Информационные технологии

Скачать книгу(-и): Сборник статей конференции

Библиографическое описание:
Токсанбаев А.С. ОПРЕДЕЛЕНИЕ ПЛОЩАДИ ВОДНОЙ ПОВЕРХНОСТИ НА ПРИМЕРЕ ОЗЕРА ТЕНГИЗ С ПОМОЩЬЮ СНИМКОВ LANDSAT // Научное сообщество студентов: МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ: сб. ст. по мат. XLIII междунар. студ. науч.-практ. конф. № 8(43). URL: https://sibac.info/archive/meghdis/8(43).pdf (дата обращения: 20.08.2019)
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

ОПРЕДЕЛЕНИЕ ПЛОЩАДИ ВОДНОЙ ПОВЕРХНОСТИ НА ПРИМЕРЕ ОЗЕРА ТЕНГИЗ С ПОМОЩЬЮ СНИМКОВ LANDSAT

Токсанбаев Алдияр Саветулы

магистрант, факультета строительных технологий и менеджмента КазГАСА

Казахстан, г.Алматы

Научный руководитель Шоганбекова Дания Асыгаткызы

PhD, ассоц. проф. факультета строительных технологий и менеджмента КазГАСА

Казахстан, г.Алматы

Дистанционное зондирование - это наука и искусство получения информации об объекте, области или явлении посредством анализа данных, полученных устройством, которое не находится в контакте с объектом, областью или исследуемым явлением. Когда кто-то читает эти слова, это тоже своеобразный процесс дистанционного зондирования. Глаза действуют как сенсор, реагирующий на свет, отраженный от этой страницы. «Данные», которые приобретают глаза, являются импульсами, соответствующими подбору света, отраженного от темных и светлых областей на странице. Эти данные анализируются или интерпретируются в вашем ментальном компьютере, чтобы дать вам возможность объяснить темные области на странице как совокупность букв, образующих слова. Помимо этого, вы понимаете, что слова образуют предложения и вы интерпретируете информацию, которую передают предложения. Во многих случаях дистанционное зондирование можно рассматривать как процесс чтения.

Целью данной статьи является составление автоматизированной модели, которая позволит, посредством космоснимков, определить границы береговой линии не только для озера Тенгиз, но также использовать данную модель для других водных ресурсов.

Для решения поставленной цели были поставлены следующие задачи:

1. Создание ГИС для определения динамики изменения береговой линии оз. Тенгиз, по снимкам за 2006 г., 2011 г., 2017 г.

2. Провести анализ изменений береговой линии оз. Балхаш за 2006 г., 2011 г., 2017 г.

Физико-географическое описание озера Тенгиз. Озеро Тенгиз — горько-солёное бессточное озеро на западе Тенгиз-Кургальджинской впадины в северной части Казахского мелкосопочника. Находится в Казахстане у границы Акмолинской области с Карагандинской, на территории Коргалжынского района. Входит в состав Коргалжынского заповедника, который с 2008 года является частью объекта Всемирного наследия ЮНЕСКО «Сарыарка — Степи и озёра Северного Казахстана».

Расположено в тектонической впадине. Площадь — 1590 км²; длина — 74,4 км, ширина — 40,2 км, глубина — до 7,75 м. В озеро Тенгиз впадают реки Нура, Куланотпес (Куланутпес). В отдельные годы значительная часть Тенгиза пересыхает. Вода содержит мирабилит.

Берега с северной, северо-западной, западной части — пологие, южная и юго-западная — с нанесенным песчаным валом до 1,5 — 2,0 м высоты.

Подпитка — реки Нура, Куланотпес, Еспесай (весенние талые воды). Дно ровное. С южной и юго-западной сторон твердое (слои песчаника), с северной и северо-западной сторон илистое.

Замерзает в первой декаде декабря, вскрывается в марте с первыми оттепелями, в зависимости от температурного режима.

Источник данных. Среди современных источников геоданных проще всего использовать источник свободных геоданных USGS(Геологической Службы Соединённых Штатов) на сайте: http://www.usgs.gov/  и http://glovis.usgs.gov/  . Данные с этих ресурсов представлены в формате GeoTIFF в виде непрерывных наборов сцен для различных районов мира, в том числе и для исследуемой местности. Представленные на ресурсах геоданные соответствуют уровню обработки LG1: «сырые геоданные» без радиологической и атмосферной нормализации. Для самостоятельного проведения нормализации и атмосферной коррекции — доступны файлы настройки спутниковых сенсоров с набором параметров калибровки спутниковых датчиков: минимумы и максимумы пиксельной яркости на изображении; минимумы и максимумы излучения на датчиках; минимумы и максимумы отражения излучения от поверхности земли (Landsat 8) и многое другое. Кроме данных настройки спутниковых датчиков в архиве присутствуют несколько файлов в формате GeoTIFF, распределённых по номерам каналов - количество и состав которых для разных спутников (Landsat 5,7,8) различный (Таблица 2.2) [4].

Таблица 1.

Свойства диапазонов LandSat 8

Диапазон(Band)

Длина волны (мкм)

Разрешение (м)

Band 1-Coastal Aerosol

0.43 – 0.45

30

Band 2-Blue

0.45 – 0.51

30

Band 3-Green

0.53 – 0.59

30

Band 4-Red

0.64 – 0.67

30

Band 5-Near Infrared(NIR)

0.85 – 0.88

30

Band 6- SWIR1

1.57 – 1.65

30

Band 7-SWIR2

2.11 – 2.29

30

Band 8-Panchromatic

0.50 – 0.68

15

Band 9-Cirrus

1.36 – 1.38

30

Band 10-Thermal Infrared(TRIS)1

10.60 – 11.19

100

Band 11-Thermal Infrared(TRIS)2

11.50 – 12.51

100

 

 

Коротковолновые инфракрасные (SWIR) полосы на борту Landsat 8 очень полезны для выявления различий в земле и для того, чтобы показать, где находится  влажная территория и сухая территория. Есть много других примеров преимуществ доступных диапазонов в изображениях Landsat, но то, что здесь  показано, как загрузка различных комбинаций этих диапазонов в красные, зеленые и синие каналы отличает различные функции.[4]

СозданиеNDWI ( NormalizedDifferenceWaterindex).Исследователи изучили спектральную отражательную способность воды. Она имеет высокий коэффициент отражения в полосе 3 (0,53-0,59 мкм, видимый зеленый) прибора Landsat и низкий коэффициент отражения в полосе 5 (1,57-1,65 мкм, короткая длина волны вблизи инфракрасного диапазона). NDWI представляет собой нормализованное отношение разности отражения в этих полосах, которые используют уникальные сигнатурные и спектральные различия для идентификации воды от окружающих объектов даже облаков.[5]

Как только мы скомпоновали изображения истинного цвета, мы можем использовать следующее уравнение, чтобы определить области водной поверхности. Уравнение для NDWI:

 

(1)

 

Или дляLandsat 8:

(2)

 

В ГИС программу формула импортируется с помощью растрового калькулятора.

Процесс расчет NDWI примере озера Тенгиз. 

Для начала нужно загрузить снимки с оз. Тенгиз 2006, 2011 и 2017 годов, чтобы сделать наглядный анализ. Для демонстрации процесса мы сделаем расчет на основании снимков 2017 года.

 

Рисунок 1. Космические снимки водной поверхности озера Тенгиз

 

Для расчетов необходимы снимки с индексами 3 и 5 полосы.В программе ArcGIS обработка одного космического снимка выполняется рядом действий, которые будут описаны ниже.

Для того чтобы на снимке распознать водную поверхность и разграничить ее с земной, используется инструмент растровый калькулятор (рисунок 3), доступный в наборе инструментов ArcToolbox. Воспользоваться данной опцией весьма просто, однако для корректного расчета, необходимо убедиться в том, что данные введены с абсолютной точностью.

 

Безымянный

Рисунок 2. Использование формулы расчета NDWI в Растровом калькуляторе

 

Безымянный

Рисунок 3. Формула NDWIв растровом калькуляторе.

 

Безымянный

Рисунок 4. Результат выполнения расчета по формуле NDWI

 

Как результат выдается растр с протяженностью значений цветовых данных от -1 до 1.

Для отделения водного слоя выполняется классификация, путем выбора слоев с отрицательным значением.Даже визуально остается возможным определить, что водные объекты будут иметь отрицательные значения (рисунок 5). У остальных объектов значение NDWI будет положительным, потому что яркость этих объектов в ближней инфракрасной зоне является выше чем в красной. Используя это можно разделить водную поверхность и сушу по значению NDWI.

При помощи растра, получившемся в первом этапе, шэйп-файл будет поделен на два класса: первый – вся водная поверхность, второй – все, что не относится к первому.

Для этого будет вводиться выражение вида: «(растр < -0,1)».

 

Безымянный

Рисунок 5. Классификация водной поверхности

 

Конвертация растра в полигон.Для выполнения дальнейших действий, потребуется выполнить конвертацию. Инструмент «Растр в полигоны» позволяет растровые данные конвертировать в полигональные пространственные объекты.

 

Рисунок 6.  Конвертация растра в полигон

 

В атрибутивной таблице видно, что водная поверхность и суша поделена в графе «gridcode», а в графе «ShapeArea» отображены значения площади каждого объекта.

 

Рисунок 7. Атрибутивная таблица полигональных данных

 

Выполнение выборки.На данный момент шэйп-файл содержит как водные объекты, так и объекты суши. Для того чтобы избавиться от объектов суши используют опцию «Select». Эта опция позволяет выбрать объекты по одному из атрибутивных данных. Подобные данные есть в графе gridcode, где объекты поделены на 1 - для водной поверхности, 0 - для суши.

 

Рисунок 8 – Функция выборки Select

 

В графе «Expression» нужно нажать на иконку чтобы перейти в окно запроса для ввода выражения, в котором указывается какие объекты следует выбрать. Вводится выражение вида: «[gridcode]=1»

 

Рисунок 9. Результат выборки

 

После того, как мы провели объединение всех полигонов в один, в конечном итоге выдется общая площадь одного объединенного полигона. Данную площадь можно увидеть в атрибутивных данных.

 

Рисунок 10. Атрибутивные данные площади

 

Для более быстрого и упрощенного выполнения этих действий, иначе говоря для автоматизации данного процесса была создана модель выполняющая данные шаги автоматически по цепочке.

Пользователю вместо всех описанных шагов, необходимо будет выполнить лишь пару действий. Как показывается на рисунке 11, все выглядит более упрощенно, лишь с возможностью выбора нужных каналов и директории сохранения готового файла. При этом пользователю нет необходимости думать о следующем шаге или понимать процесс, происходящий внутри модели.

 

Рисунок 11. - Модель-1 - Вычисление нормированного относительного водного индекса

 

Заключение

В заключении можно сказать, что современные технологии стараются соответствовать требованиям пользователя и максимально экономить его время. С помощью индексов космических снимков Landsat, можно без видимых усилий рассчитать площадь необходимой территории. И если ранее приходилось вручную оцифровывать территорию на которой необходимо было вести расчеты, то сейчас с помощью формул расчета индексов, в этом нет необходимости. Данная статья показывает лишь начальные возможности данной технологии ГИС. Сама технология будет полезна во многих сферах мониторинга и анализа за окружающей средой и климатических изменений.

 

Список литературы:

  1. Remote Sensing And Image Interpretation, Sixth Edition, Thomas M.Lillesand, Ralph W.Kiefer and Jonathan W.Chipman, University of Wisconsin – Madison.
  2. Andreassen, LM, Paul, F, Kääb, A, & Hausberg, JE 2008, Landsat-derived glacier inventory for Jotunheimen, Norway, and deduced glacier changes since the 1930s, The Cryosphere, vol. 2, pp. 131-145.
  3. Bonan, G 2002, Ecological Climatology, Concepts and Applications, Cambridge University Press, New York.
  4. Жолобов Д.А., Баев А.В. Уточнение значений Нормализованного Вегетативного Индекса (NDVI), методом наложения транспирационной маски // Инновации в науке: сб. ст. по матер. XLV междунар. науч.-практ. конф. № 5(42). – Новосибирск: СибАК, 2015.
  5. Институт космических исследований Российской академии наук, Журнал - Современные проблемы дистанционного зондирования земли из космоса
Проголосовать за статью
Конференция завершена
Эта статья набрала 0 голосов
Дипломы участников
У данной статьи нет
дипломов

Оставить комментарий