методика дешифрирования тепловых космических снимков для
advertisement
на правах рукописи Грищенко Михаил Юрьевич МЕТОДИКА ДЕШИФРИРОВАНИЯ ТЕПЛОВЫХ КОСМИЧЕСКИХ СНИМКОВ ДЛЯ КАРТОГРАФИРОВАНИЯ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ТЕРРИТОРИЙ 25.00.33 - картография Диссертация на соискание ученой степени кандидата географических наук Научный руководитель к.г.н., доц. Балдина Елена Александровна Москва 2014 ОГЛАВЛЕНИЕ Введение ............................................................................................... cтр. 5 Глава 1. Особенности информации, регистрируемой на тепловых космических снимках ..................................................... cтр. 12 1.1. Регистрация собственного излучения объектов земной поверхности ........................................................................................... cтр. 12 1.2. Мировой фонд тепловых космических снимков, применимость снимков разных типов для географических исследований ......................................................................................... cтр. 15 1.3. Опыт применения тепловых космических снимков в науках о Земле...................................................................................................... cтр. 23 1.3.1. Исследования на глобальном уровне............................. cтр. 23 1.3.2. Исследования на региональном уровне.......................... cтр. 26 1.4. Изучение географических объектов по тепловым снимкам: постановка задачи исследования......................................................... cтр. 36 Глава 2. Изменчивость интенсивности теплового излучения природных и антропогенных территорий и еѐ отображение на тепловых космических снимках....................................................... cтр. 38 2.1. Тепловое поле местности и его изменчивость............................. cтр. 38 2.2. Сезонная динамика теплового поля.............................................. cтр. 43 2.3. Квантование разносезонных снимков этап разработки методики................................................................................................ cтр. 51 2.4. Анализ разносезонных квантованных тепловых снимков......... cтр. 55 2.4.1. Городские территории...................................................... cтр. 55 2.4.2. Пригородные территории................................................. cтр. 59 2.4.3. Природные территории..................................................... cтр. 64 2.5. Географические факторы теплового поля и его изменчивости. cтр. 68 Глава 3. Разработка методики дешифрирования разносезонных тепловых космических снимков........................... cтр. 78 3.1. Многовременной снимок, временной образ как дешифровочный признак...................................................................... cтр. 78 3.2. Критерии выбора снимков для создания многовременного теплового инфракрасного снимка........................................................ cтр. 83 3.3. Исследование возможностей выявления тепловой структуры местности по многовременным тепловым снимкам.......................... cтр. 88 3.3.1. Городские территории....................................................... cтр. 90 3.3.2. Природные и пригородные территории.......................... cтр. 93 3.4. Дешифрирование разносезонных многовременных тепловых космических снимков: выявление тепловой структуры и выявление тепловых аномалий............................................................ cтр. 110 Глава 4. Выявление тепловой структуры городских и природных территорий. Карты тепловой структуры.................. cтр. 118 4.1. Выявление тепловой структуры антропогенных территорий.... cтр. 118 4.1.1. Москва................................................................................ cтр. 118 4.1.2. Нижний Новгород.............................................................. cтр. 128 4.1.3. Города европейской части России................................... cтр. 132 4.2. Выявление тепловой структуры природных территорий........... cтр. 138 4.2.1. Юго-западное Подмосковье............................................. cтр. 138 4.2.2. Кальдера вулкана Головнина............................................ cтр. 143 4.2.3. Тепловая структура и высотная поясность Алтачейского заказника....................................................................... cтр. 147 4.2.4. Тепловая структура и высотная поясность вулкана Менделеева............................................................................................ cтр. 154 3 Глава 5. Выявление тепловых аномалий городских и природных территорий. Карты тепловых аномалий .................. cтр. 162 5.1. Выявление тепловых аномалий антропогенных территорий..... cтр. 162 5.1.1. Нижний Новгород.............................................................. cтр. 162 5.1.2. Москва, Северо-Западный административный округ.... cтр. 165 5.2. Выявление тепловых аномалий районов проявления вулканической активности.................................................................... cтр. 168 5.2.1. Кальдера вулкана Головнина............................................ cтр. 168 5.2.2. Вулкан Синарка................................................................. cтр. 170 Заключение............................................................................................ cтр. 176 Список литературы............................................................................. cтр. 181 Приложения......................................................................................... 4 cтр. 192 ВВЕДЕНИЕ В настоящее время географическое дешифрирование снимков разных спектральных диапазонов является глубоко проработанной областью, однако космические снимки в тепловом инфракрасном диапазоне (тепловые космические снимки) до сих пор отстают по количеству методов обработки и возможностей применения, несмотря на их примечательные особенности. На них находит отображение свойство объектов земной поверхности, скрытое на снимках в других диапазонах спектра, более того, невидимое для человеческого зрения – тепловое излучение. В связи с этим, необходимо оценить дешифровочные свойства тепловых космических снимков. Тепловые космические снимки в настоящее время используются в различных областях наук о Земле, например, в метеорологии, тектонике, океанологии. Следует отметить, что преимущественным направлением использования тепловых снимков до сих пор остаѐтся извлечение из них температур земной и океанической поверхности. Однако тепловые снимки несут и другую важную информацию, которая выражается в относительных контрастах яркости разных объектов на тепловых снимках. В этой связи актуальна разработка опирающейся методики непосредственно дешифрирования на анализ тепловых теплового снимков, изображения, передающего относительные контрасты. Информация о тепловом излучении земной поверхности, полученная при съемке Земли в тепловом диапазоне, может быть использована в географической науке по двум основным направлениям в первом случае тепловое излучение является индикатором объектов, явлений и процессов, скрытых от непосредственного наблюдения (здесь уместно вспомнить методики индикационного дешифрирования, в которых взаимосвязи компонентов геосистем используются для выявления процессов и явлений, не отображѐнных на снимках явно [Викторов и др., 1990]); во втором случае 5 представляет интерес собственно тепловое излучение, пространственно временная динамика которого имеет важное значение для проработки таких актуальных вопросов, как глобальные изменения климата и ландшафтного покрова, изучения радиационного баланса Земли и др. Географическое дешифрирование, по Л.Е. Смирнову [Смирнов, 1967], определяется как метод изучения географической (ландшафтной) оболочки Земли в целом, отдельных еѐ частей (регионов, ландшафтов) или отдельных элементов на основе аэрокосмических снимков. В настоящее время активное применение находят аэрокосмических разнообразные снимков, в том методики числе методики дешифрирования индикационного дешифрирования. Тепловое излучение является индикатором некоторых географических явлений: наиболее очевидные примеры выявление источников антропогенного тепла и теплового загрязнения, а также проявлений вулканической активности. Есть и менее очевидные, например, тепловое излучение является индикатором состояния растительного покрова [Hansen et al., 2002], тепловое излучение может являться индикатором антропогенной преобразованности ландшафта в целом. Следовательно, мы имеем дело с одним из видов индикационного дешифрирования, пока ещѐ слабо развитого. Индикационное дешифрирование оперирует связями между компонентами геосистем, следовательно, позволяет выделить сами геосистемы. Цель диссертационной работы заключается в разработке методики географического картографические дешифрирования результаты пространственно-временное тепловых применения распределение космических которой снимков, представляют интенсивности теплового излучения и его связь с природными и антропогенными геосистемами. Решение поставленной задачи включает следующие теоретические и практические вопросы: 6 1. Обзор мирового опыта применения космических снимков разных сенсоров в тепловом диапазоне (для изучения свойств объектов земной поверхности) при решении различных задач в науках о Земле. 2. Исследование особенностей отображения географических объектов на тепловых космических снимках. 3. Обоснование подхода к изучению природных и антропогенных территорий на основе дешифрирования разносезонных тепловых космических снимков. 4. Определение критериев отбора тепловых космических снимков и обоснование подходов к их обработке для дешифрирования природных и антропогенных геосистем. 5. Разработка методики обработки снимков, основанной на учѐте пространственно-временной динамики интенсивности теплового излучения природных и антропогенных геосистем. 6. Применение методики на примере различных природных и антропогенных территорий. В основе работы лежат разработанные ведущими специалистами научно-методические принципы картографирования (А.М. Берлянт, К.А. Салищев, Т.Г. Сваткова); методы географического дешифрирования и принципы обработки данных дистанционного зондирования, разработанные Л.А Богомоловым, А.С. Викторовым, Ю.Ф. Книжниковым, В.И. Кравцовой, И.А. Лабутиной, Б.А. Новаковским, Л.Е. Смирновым; принципы геоинформационного картографирования и работы с пространственноопределѐнными данными, изложенные в работах Е.Г. Капралова, А.В. Кошкарѐва, И.К. Лурье, С.Н. Сербенюка, В.С. Тикунова; принципы изучения геосистем разного иерархического уровня и геофизического подхода в ландшафтоведении, изложенные Н.Л. Беручашвили, К.Н. Дьяконовым, В.А. Николаевым, Ю.Г. Симоновым; методики и технологии изучения теплового поля местности, описанные В.И. Горным, П. Кронбергом, Б.В. Шилиным, 7 Р.А. Шовенгердом, J.B. Campbell, J.R. Jensen, D. Lu, Q. Weng, R.H. Wynne; методики изучения городской среды, изложенные М.С. Мягковым, T. Oke. В основе диссертационной работы лежат исследования автора, проводимые с 2009 года, в том числе полевые экспедиции в Зейском районе Амурской области, Южно-Курильском районе Сахалинской области, Мухоршибирском районе Республики Бурятия и др. Основные исходные материалы в работе ‒ тепловые космические снимки, полученные сенсорами TM, ETM+, TIRS, ASTER (всего обработано более 200 снимков). Методические результаты исследования использованы в совместных работах с кафедрой метеорологии и климатологии географического факультета МГУ им. М.В. Ломоносова, лабораторией островных экологических проблем Института морской геологии и геофизики (ИМГиГ) ДВО РАН, лабораторией вулканологии и вулканоопасностей ИМГиГ ДВО РАН, с Курильским заповедником, Байкальским биосферным заповедником. Научная новизна работы заключается в следующем: 1. Впервые временной образ интенсивности теплового излучения, формируемый по тепловым космическим снимкам, представлен как интегральный признак географических объектов, описывающий динамику интенсивности их теплового излучения и являющийся индикатором самих объектов и их качественных характеристик. 2. Разработаны оригинальные критерии выбора тепловых космических снимков для дешифрирования природных и антропогенных территорий, основанные на условиях сопоставимости снимков и их разносезонности. 3. Разработаны карты нового содержания – карты тепловых аномалий местности и карты тепловой структуры местности, созданы примеры таких карт на природные и антропогенные территории. Карты отображают выявлять объекты, имеющие ландшафтообразующее значение; определять генезис тепловых аномалий; выявлять высотную поясность растительности в 8 горных районах; районирование городской застройки по степени еѐ вклада в формирование поверхностного острова тепла. Созданные на основе разработанной методики карты содержат качественную информацию о географических объектах, основанную на различиях в динамике интенсивности их теплового излучения. Карты тепловой структуры местности отображают геосистемы, различающиеся по степени проявления ведущего фактора, воздействующего на их функционирование (антропогенная нагрузка, рельеф и т.п.); на картах тепловых аномалий местности показаны географические объекты, оказывающие наиболее сильное влияние на формирование теплового поля местности наличие тепловых аномалий может являться индикатором экологической напряжѐнности либо природных процессов, имеющих важное ландшафтообразующее значение (например, проявлений вулканической активности). По картам тепловых аномалий на примере Курильских островов выявлен генезис тепловых аномалий (положение в рельефе или вулканическая активность). По картам тепловой структуры на примере городских территорий (Москва, Нижний Новгород, Ульяновск и др.) выявлены районы города, различающиеся по степени вклада в формирование поверхностного острова тепла. Результаты дешифрирования тепловых космических снимков по предложенной методике использованы в работе по установлению границ памятника природы регионального значения Сахалинской области Вулкан Менделеева, при определении положения и особенностей сезонной динамики теплового излучения проявлений вулканической активности на Курильских островах. Материалы диссертации использованы в проектах, поддержанных грантами РФФИ (13-05-00904, 13-05-12047, 13-05-41233, 14-05-31384), грантом Президента РФ поддержки ведущих научных школ НШ 2248.2014.5, в работе лаборатории островных экологических проблем ИМГиГ ДВО РАН по госзаказу №0161200002812000068, 9 в работах научного отдела Курильского заповедника по изучению и картографированию растительного покрова и проявлений вулканической активности острова Кунашир и научного отдела Байкальского картографированию растительного заказника. Результаты биосферного покрова диссертационного заповедника территории по Алтачейского исследования включены в электронное учебно-методическое пособие «Использование космических снимков в тепловом инфракрасном диапазоне для географических исследований. Электронное учебное пособие», которое размещено на сайте географического факультета МГУ имени М.В. Ломоносова и используются в учебных курсах кафедры картографии и геоинформатики «Дешифрирование аэрокосмических снимков», «Современный фонд космических снимков», «Компьютерная обработка снимков нового типа». Результаты дешифрирования многовременных тепловых космических снимков по предложенной методике имеют ценность при картографировании природных территориальных комплексов, оценке антропогенного воздействия на них, выявлении гетерогенности теплового поля местности. Кроме того, они могут быть использованы для планирования экологогеографических обследований, в том числе по оценке экологической обстановки, т.к. тепловое загрязнение может служить индикатором загрязнения многих других видов. Результаты проведѐнных исследований были доложены на Международных конференциях студентов, аспирантов и молодых учѐных «Ломоносов» (Москва, 2011, 2012, 2013, 2014); на VIII, IX, X, XI открытых всероссийских конференциях «Современные проблемы дистанционного зондирования Земли из космоса» (Москва, 2010, 2011, 2012, 2013); на Международной конференции «ИнтерКарто-ИнтерГИС-18: Устойчивое развитие территорий: теория ГИС и практический опыт» (Смоленск, 2012); на V международной конференции «Геоинформационные технологии и космический мониторинг» (Новороссийск, 2012); на 5 международной 10 конференции «Земля из космоса: наиболее эффективные решения» (Москва, 2011); на Всероссийской научно-практической конференции «Картография и геоинформатика в исследованиях изменений природной среды и общества» (Москва, 2012); на V Всероссийской научно-практической конференции «Геоинформационное картографирование в регионах России» (Воронеж, 2013); на конференции «ГИС-Форум "Образование. Наука. Производство"» (Харьков, 2014); на конференции «Современные информационные технологии для фундаментальных научных исследований в области наук о Земле (ITES-2014)» (Петропавловск-Камчатский, 2014); на конференции «Изменения климата и окружающей среды Северной Евразии: анализ, прогноз, адаптация» (Кисловодск, 2014); на конференции "Региональные проблемы дистанционного зондирования Земли (РПДЗЗ-2014)" (Красноярск, 2014); на заседаниях кафедры картографии и геоинформатики и на семинарах лаборатории аэрокосмических методов. Автор выражает благодарность за неоценимую помощь в подготовке диссертации: своему научному руководителю к.г.н. Балдиной Е.А., рецензентам д.г.н. Кравцовой В.И., д.г.н. Новаковскому Б.А., к.г.н. Алексеенко Н.А., всему коллективу кафедры картографии и геоинформатики, в особенности, ‒ заведующей кафедрой, д.г.н. Лурье И.К., и заведующему лабораторией аэрокосмических методов, д.г.н. Книжникову Ю.Ф., а также к.г.н. Лабутиной И.А и к.г.н. Прасоловой А.И.; за помощь в организации полевых работ и консультации: к.б.н. Абрамовой Л.А., к.г.н. Константинову П.И., Анисимову Ю.А., Антипину М.А.; за предоставленные материалы полевых обследований: к.г.н. Жаркову Р.В., к.б.н. Ктиторову П.С., Сабирову Р.Н.; за помощь в обработке материалов: Буториной С.А., Ермиловой Ю.В., Морозовой А.В., Соколову Л.С., Устюхиной А.В. 11 ГЛАВА 1. ОСОБЕННОСТИ ИНФОРМАЦИИ, РЕГИСТРИРУЕМОЙ НА ТЕПЛОВЫХ КОСМИЧЕСКИХ СНИМКАХ 1.1. Регистрация собственного излучения объектов земной поверхности Многообразие технических средств дистанционного зондирования Земли обеспечивает получение космических снимков с различными свойствами и параметрами. Так, космические снимки разного охвата и пространственного разрешения позволяют выявлять и изучать геосистемы разного иерархического уровня, оценивать взаимодействие объектов на разных по площади территориях. Кроме того, широкие возможности предоставляет использование разных спектральных диапазонов видимого, ближнего, среднего и теплового инфракрасного, радиоволнового. Среди них космические снимки в тепловом инфракрасном диапазоне (тепловые космические снимки) занимают особое место. Тепловой инфракрасный диапазон охватывает зону спектра 314 мкм. Меньшими значениями длины волны характеризуется средний инфракрасный диапазон (13 мкм), в котором фиксируется отражѐнное инфракрасное излучение земной поверхности, а большими радиотепловой (141000 мкм), в котором преобладает собственное излучение атмосферы, а не земной поверхности. В диапазонах 35 мкм и 814 мкм находятся окна прозрачности атмосферы для теплового инфракрасного излучения. Максимум теплового излучения Земли приходится на интервал 1012 мкм. Тепловые космические снимки являются особым источником географической информации. На них находит отображение собственное тепловое излучение объектов земной поверхности. Для регистрации интенсивности теплового излучения используются оптико-механические и оптико-электронные тепловизоры, в которых происходит преобразование 12 излучения географических объектов в электрические сигналы, их обработка и перевод в форму изображения. Интенсивность теплового излучения объектов не воспринимается человеческим зрением, однако человек воспринимает еѐ через их температуру. Все природные и антропогенные объекты на поверхности Земли характеризуются собственным потоком теплового излучения, что обусловливает возможность их дистанционной регистрации в тепловом инфракрасном диапазоне. Важная ценность тепловых снимков на них проявляются тепловые и излучательные свойства объектов, которые не могут быть выявлены на снимках других спектральных диапазонов. Современные системы космической тепловой съѐмки фиксируют дискретные тепловые изображения, состоящие из элементарных ячеек пикселов. Значения яркости, которые принимают пикселы тепловых космических снимков, представляют собой яркость. Яркость является безразмерной величиной, производной от величины интенсивности теплового излучения, измеряемой в Вт/м2 или в кал/(см2×мин). При этом объекты земной поверхности могут иметь одинаковую температуру, но излучать с разной интенсивностью, Способность объектов излучать энергию на различных длинах волн называется излучательной способностью [Шовенгердт, 2010]. Излучательная способность зависит от физических свойств объекта, еѐ сложно измерить. Яркость, регистрируемая при тепловой съемке, пропорциональна интенсивности теплового излучения и излучательной способности. Кроме того, в регистрируемом сигнале присутствует составляющая, принимающая разные значения в зависимости от длины волны регистрируемого сигнала. Наличие этой составляющей связано с рассеянием в атмосфере и еѐ собственным тепловым излучением. В итоге прямой связи между значениями яркости на снимке, регистрируемой на снимках, и интенсивности теплового излучения объектов земной поверхности, в общем случае, нет во-первых, необходимо учитывать 13 излучательную способность объектов земной поверхности, а во-вторых, параметры атмосферы, находящейся между объектом земной поверхности и аппаратурой, регистрирующей его излучение [Поляков и др., 2009]. Значения яркости на снимках, полученных при схожих параметрах атмосферы, сопоставимы. В свою очередь, интенсивность теплового излучения объектов может быть выражена через такое понятие, как их температура. Однако необходимо разделять вклад в яркостную температуру, связанный с температурой объектов, и вклад, связанный с излучательной способностью. Излучательную способность объектов часто считают постоянной, хотя это требует серьѐзного обоснования [Шовенгердт, 2010]. Но даже при этом для извлечения значений температуры из тепловых инфракрасных снимков необходимо, во-первых, знать параметры состояния атмосферы регистрируемой территории в момент регистрации (что далеко не всегда доступно), а во-вторых, для составления решаемой системы уравнений, необходимо иметь данные об интенсивности теплового излучения, зарегистрированные более чем в одном спектральном диапазоне. Разработке алгоритмов извлечения значений температуры из тепловых снимков посвящено множество работ [Sobrino et al., 2004; Yang et al., 2004; Tan et al., Land surface..., 2010; Li et al., 2013], этот вопрос интересует специалистов в области дистанционного зондирования Земли уже несколько десятилетий. В настоящее время это направление применения тепловых космических снимков является наиболее распространѐнным [Voogt et al., 2003; Weng, 2009], хотя результат очень сильно зависит от применяемого алгоритма, исходных данных, в частности, их полноты. Выводы Итак, интенсивность теплового излучения объектов земной поверхности, зарегистрированная при тепловой съемке, очевидно, зависит от 14 их физических, химических характеристик, от характеристик материалов, из которых изготовлены антропогенные объекты, от особенностей биохимических процессов, которыми характеризуются природные объекты. Эти свойства иерархическую определяют место соподчинѐнность объектов в геосистем, структуре т.е. геосистем, содержат важную качественную информацию о них, что определяет принципиальную возможность выявления на тепловых космических снимках географических объектов, в том числе природных и антропогенных геосистем, что и представляет интерес в настоящей работе. 1.2. Мировой фонд тепловых космических снимков, применимость снимков разных типов для географических исследований В середине XX века активно разрабатывались технологии тепловой аэросъѐмки и методы использования еѐ материалов в науках о Земле [Шилин и др., 1980]. Они применялись для поиска полезных ископаемых, для инженерных задач [Горный и др., 1993]. С появлением возможностей получения изображений земной поверхности из космоса спектр решаемых по тепловым снимкам задач существенно расширился. Первые изображения Земли из космоса в тепловом инфракрасном диапазоне были получены с американского метеорологического спутника TIROS-1 в 1960 году. Спутник запускался в интересах Национального аэрокосмического агентства (NASA) и Министерства обороны США. Несмотря на то, что данные, полученные сенсорами спутников TIROS-1 и 2, характеризовались низким пространственным разрешением, была впервые показана возможность использования данных теплового дистанционного зондирования для решения ряда метеорологических задач. С 1962 года осуществлялись запуски спутников серии «Космос», которые составили существенную часть советской программы космических исследований. Очень важную роль 15 спутники «Космос» сыграли в совершенствовании службы погоды: на базе метеоспутников «Космос-144» и «Космос-156» в 1967 году была создана экспериментальная метеорологическая система «Метеор». Фонд материалов космической съемки в тепловом инфракрасном диапазоне накапливается с 1960-х гг., однако, как показывает анализ обзорных публикаций [Горный и др., 1993; Voogt et al., 2003; Weng et al., 2006; Weng, 2009] снимки этого диапазона используются для изучения природных и антропогенных объектов и процессов значительно меньше, чем снимки других спектральных диапазонов. По прошествии времени космические технологии получения спутниковых данных в тепловом диапазоне совершенствовались как в отношении пространственного разрешения, так и температурного. Например, снимки, получаемые радиометрами со спутника NOAA в начале 70-х годов, характеризовались пространственным разрешением 6 км при температурном разрешении 1°С; затем сканирующая система AVHRR спутника NOAA позволила получать тепловые инфракрасные снимки с пространственным разрешением 1,1 км и температурным 0,10,2 °С. Совершенствование технологии получения тепловых изображений привело к разработке радиометров, позволяющих регистрировать тепловое излучение Земли не в одном канале, а в нескольких узких спектральных каналах в диапазоне от 8 до 14 мкм. Использование нескольких спектральных каналов теплового диапазона обеспечивает развитие различных направлений исследования Земли и планет, например, определение температуры поверхности суши и океана, распознавание геологических структур и типов горных пород на основе тепловой инфракрасной спектрометрии. Для обоснованного выбора данных теплового диапазона с целью изучения географических объектов приведѐм сводку космических систем дистанционного зондирования Земли, составленную на основе анализа различных источников, обеспечивающих получение данных этого диапазона, 16 начиная с самых первых (табл.1.1) http://landsat.usgs.gov/; [http://landsat.gsfc.nasa.gov/; http://earthexplorer.usgs.gov/; http://asterweb.jpl.nasa.gov/]. Таблица 1.1. Космические системы тепловой съѐмки. Название системы TIROS 110 КА Страна TIROS Метеор Метеор США СССР, Россия Время действия, годы Тепловые диапазоны, мкм 1960 - 1965 тепловой ИК 1967 - 2002 тепловой ИК 3,55 - 3,93 10,3 - 11,3 11,5 - 12,5 10,2 - 11,2 11,5 - 12,5 тепловой ИК тепловой ИК 10,5 - 12,5 10,5 - 12,5 10,4 - 12,5 10,4 - 12,5 3,7; 12 3,5 - 4,1 10,6 - 12,6 с 1970 по н.в. с 1975 по н.в. 1977 - 1997 1978 1978 - 1978 1978 - 1980 1978 - 1983 1984 - 2011 1991 - 2000 AVHRR NOAA США GOES Meteosat SeaSAT CZCS HCMM MSS TM ATSR США Европа США США США США США Европа МСУ-СК GOES Meteosat SeaSAT Nimbus-7 HCMM Landsat-3 Landsat-5 ERS-1 РесурсО1 ATSR ERS-2 Европа 1994 - 2001 с 1995 по н.в. OCTS ADEOS-I Япония 1996 - 1997 ASTER Terra США с 1999 по н.в. MODIS Terra, Aqua США ЕТМ+ Landsat-7 США TIRS Landsat-8 ADEOSII США с 1999 по н.в. с 1999 по н.в.* с февраля 2013 по н.в. Япония 2002 - 2003 GLI Россия 17 Пространствен ное разрешение, м 8000 1000 17000 1000 - 2000 6000 1100 2000 2500 - 5000 7000 800 500 - 600 240 120 1100 600 3,7; 12 3,35 - 3,88 8,25 - 8,80 10,3 - 11,4 11,4 - 12,7 8,125 - 8,475 8,475 - 8,825 8,925 - 9,275 10,250 - 10,950 10,950 - 11,650 16 каналов в диапазоне 3,660 - 14,385 1100 10,4 - 12,5 10,6 - 11,2 11,5 - 12,5 6 каналов в диапазоне 60 700 90 1000 100 1000 Название системы КА MTI MTI МСУ-МР МетеорМ №1 Страна Время действия, годы США март ноябрь 2000 Россия с 2009 по н.в. Тепловые диапазоны, мкм 8,0 - 8,4 8,4 - 8,8 10,2 - 10,7 3,5 - 4,1 10,5 - 11,5 11,5 - 12,5 8,400 - 8,700 10,263 - 11,263 11,538 - 12,488 Пространствен ное разрешение, м 20 1000 750 Suomi С 2011 по VIIRS NPP США н.в. 10,500 - 12,400 380 * после аварии на спутнике в мае 2003 г. снимки поступают в режиме выключенного корректора линий сканирования (scan line corrector off). Мы можем заметить, что большинство съѐмочных систем получает снимки низкого пространственного разрешения, как правило, 1000 м и ниже. Небольшая группа съѐмочных систем получает (получала) снимки с пространственным разрешением от 500 до 1000 м, например, OCTS, МСУСК. Пространственным разрешением выше 500 м характеризуются снимки систем TM, ETM+, MSS, TIRS, MTI, ASTER, VIIRS. Среди них три системы (ETM+, ASTER, TIRS) характеризуются пространственным разрешением 100 м и выше. Далее проанализируем с точки зрения оценки дешифровочных свойств географических объектов те системы тепловой космической съѐмки, снимки которых по [Quattorchi et al., 1999; Weng, 2009; Тронин и др., 2011] используются в научных исследованиях чаще всего. Сенсор AVHRR является основным прибором, установленным на полярно-орбитальных спутниках Национального управления океанических и атмосферных исследований США (NOAA). Спутники серии NOAA функционируют с 1970 г. Спутники первого поколения работали на орбитах высотой 1400 км; второго, с 1978 г., 850 км. AVHRR измеряет отражательную способность Земли в 5 относительно широких спектральных 18 диапазонах (0,6 мкм; 0,9 мкм; 3,5 мкм; 11 и 12 мкм). На спутниках серии NOAA, работающих в настоящее время, установлены два комплекса приборов: AVHRR и комплект аппаратуры для вертикального зондирования атмосферы. Прибор AVHRR получает изображения с пространственным разрешением 1,1 км в полосе обзора 2500 км, составляя полное изображение поверхности Земли за одни сутки. Основное назначение инструментов мониторинг облачного покрова и измерение исходящего теплового излучения Земли. По данным, получаемым этим сенсором, определяются температуры поверхности океана и суши. Данные AVHRR, накопленные за более чем 40-летний период, имеют большое значение при изучении изменений климата и окружающей среды. Пространственное разрешение этих снимков выше, чем снимков с геостационарного спутника GOES, однако оно также рассчитано на изучение в первую очередь глобальных геосистем. Временное разрешение (т.е. частота получения снимков) этих снимков ниже, чем GOES AVHRR регистрирует снимки некоторой территории 4 раза в сутки. Таким образом, эта съѐмочная система предназначена для выявления геосистем более низкого иерархического уровня, чем GOES, а именно, частей океанов и материков. Cканирующий спектрорадиометр MODIS (Moderate Resolution Imaging Spectroradiometer), установленный на спутниках Terra и Aqua, ведѐт съѐмку в 36 каналах: из них 12 в видимом диапазоне, 8 в ближнем и среднем инфракрасном диапазонах, 16 в тепловом инфракрасном диапазоне, в том числе: 6 в окне прозрачности 35 мкм, 8 в окне прозрачности 814 мкм и 2 между этими окнами прозрачности (для изучения содержания водяного пара в атмосфере и облаков). 2 канала имеют пространственное разрешение 250 м, 5 каналов 500 м, и 29 каналов (в том числе все тепловые инфракрасные) характеризуются пространственным разрешением 1000 м. Ширина полосы съѐмки составляет 2300 км. Широкое распространение 19 данных MODIS прежде всего обусловлено главными достоинствами системы: сравнительно высоким временным разрешением (снимки регистрируются каждые сутки, а в средних и высоких широтах возможна регистрация несколько раз в сутки за счѐт перекрытия соседних трасс съѐмки), большим числом диапазонов, в которых производится регистрация изображений и наличием большого числа каналов со средним пространственным разрешением. Благодаря своим особенностям данные MODIS обеспечивают решение разнообразных задач по регулярному мониторингу природных явлений на крупнорегиональном уровне. Охват геосистем, которые позволяют изучать эти снимки, такой же, что и у AVHRR, однако спектральное разрешение системы MODIS существенно выше, что позволяет выявлять тонкие различия между изучаемыми геосистемами. Американская программа Landsat начала своѐ существование в 1972 году, с этого времени было запущено семь спутников. Собранный архив снимков позволяет анализировать изменения, произошедшие на Земле на протяжении уже более 40 лет. На спутнике Landsat-3 работала съѐмочная система MSS (Multispectral Scanner), получавшая снимки с пространственным разрешением 80 м в видимом и ближнем инфракрасном диапазонах и 240 м в тепловом инфракрасном. Спутники Landsat-4 и Landsat-5 были оснащены двумя типами сканеров, обеспечивавшими съѐмку земной поверхности с различным пространственным и спектральным разрешением MSS и TM (Thematic Mapper, пространственное разрешение 30 м в видимой, ближней и средней инфракрасных зонах, 120 м в тепловом диапазоне). MSS и TM оптико-механические сканеры, обеспечивающие съѐмку в полосе шириной 185 км. Cпутник Landsat-7 находится на орбите с 15 апреля 1999 года. Установленный на спутнике радиометр ETM+ является усовершенствованным вариантом сканеров TM (enhanced). Основным отличием этого прибора является наличие панхроматического канала 20 высокого разрешения (15 м) и увеличение пространственного разрешения в тепловом канале до 60 м. С конца мая 2003 г, в связи с выходом из строя одного из элементов съѐмочной системы, радиометр ETM+ работает некорректно, сбои в работе аппаратуры привели к снижению качества данных. В связи с возникшими проблемами была возобновлена оперативная эксплуатация спутника Landsat-5, который находился на орбите с 1984 года. 18 ноября 2011 года съѐмка со спутника Landsat-5 приостановлена на 90 дней в связи с техническими проблемами, 6 января 2013 года спутник передал последний снимок, 5 июня 2013 года спутник полностью перестал функционировать. Запуск нового спутника Landsat-8 (проект LDCM Landsat Data Continuity Mission) состоялся в феврале 2013 г. Сканер теплового диапазона TIRS (Thermal Infrared Sensor) ведет съемку в двух каналах 10,611,2 мкм и 11,512,5 мкм с пространственным разрешением 100 м. Следует отметить важнейший факт снимки системы ETM+ характеризуются наиболее высоким среди имеющихся в открытом доступе тепловых космических снимков пространственным разрешением 60 м. Пространственное разрешение снимков в тепловом канале системы TM 120 м, системы TIRS 100 м, временное разрешение снимков систем TM, ETM+ и TIRS 16 суток (в зоне перекрытия витков 8 суток). Эти параметры позволяют изучать геосистемы регионального уровня. ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer – Усовершенствованный космический радиометр теплового излучения и отражения) установлен на КА Terra, который был запущен в декабре 1999 года. ASTER – это многоканальный сенсор высокого разрешения, позволяющий проводить дистанционное зондирование как в видимом, так и в тепловом инфракрасном диапазоне. Программа ASTER введена для более детального и глубокого изучения явлений на земной поверхности и в атмосфере Земли в рамках американской программы EOS 21 (Earth Observing System). Программа выполняется совместно США и Японией – Япония разработала радиометр ASTER и наземные станции по приему сигналов, а NASA отвечает за управление, запуски и развитие системы. И США и Япония в равной мере осуществляют приѐм и распространение данных, получаемых этим инструментом. Радиометр получает данные в 14 спектральных диапазонах: 3 в видимой и ближней инфракрасной зонах спектра, 6 в средней инфракрасной и 5 в тепловой, с пространственным разрешением соответственно 15, 30 и 90 метров и размером кадра 60 × 60 км на местности. Данные среднего инфракрасного диапазона прекратили поступать в начале 2008 г. в связи с перегревом датчиков этого диапазона. Разработчики этой съѐмочной системы так определили круг задач, решаемых по получаемым снимкам: зоны видимого и ближнего инфракрасного диапазонов предназначены для решения широкого спектра задач мониторинга и картографирования поверхности Земли; зоны среднего инфракрасного диапазона наиболее полезны для распознавания минералов и горных пород; зоны теплового диапазона предназначены для регистрации теплового излучения земной поверхности и дешифрирования основных типов горных пород, определения температуры поверхности суши, выявления источников тепла, мониторинга вулканической активности и др. Параметры этой съѐмочной системы близки к параметрам съѐмочных систем спутников серии Landsat, и назначение их снимков схоже изучение геосистем регионального масштаба, однако спектральное разрешение снимков системы ASTER выше. Выводы Можно заметить, что с момента появления первых космических систем тепловой съѐмки произошло существенное улучшение их технических характеристик. Однако до сих пор остаѐтся нерешѐнной задача тепловой космической съѐмки сверхвысокого разрешения, а также реализации 22 возможности изучения суточной динамики интенсивности теплового излучения по снимкам высокого разрешения. В настоящее время наилучшим пространственным разрешением в тепловом диапазоне характеризуются снимки системы ETM+ (хотя с мая 2003 года они имеют пропуски данных) 60 м. Самое высокое пространственное разрешение качественных данных 90 м (система ASTER) и 100 м (система TIRS). Такого пространственного разрешения достаточно для изучения процессов и явлений, происходящих на региональном уровне. 1.3. Опыт применения тепловых космических снимков в науках о Земле Наиболее развиты исследования на глобальном уровне (вся планета, континенты, океаны и крупные их части) с применением снимков низкого пространственного разрешения (1 км и ниже) таких съѐмочных систем, как MODIS, AVHRR. Преимущество тепловых снимков таких систем, как MODIS и AVHRR в высокой повторяемости съѐмки, большом количестве съѐмочных каналов, однако при этом они характеризуются не слишком высоким пространственным разрешением, недостаточным для изучения внутренних пространственно-временных неоднородностей геосистем. С другой стороны, широкий охват и низкое пространственное разрешение дают возможность проводить исследования взаимодействия исследуемого явления и окружающих объектов и процессов. 1.3.1. Исследования на глобальном уровне Рассмотрим несколько подробнее наиболее развитые направления исследований глобального уровня с использованием данных теплового инфракрасного диапазона. 1. Изучение глобального поля температур поверхности суши и океана. Температуры океанической поверхности (SST – sea surface temperature) и 23 температуры поверхности суши (LST – land surface temperature) получают в результате обработки массивов тепловых космических данных, регистрируемых на метеорологических и геостационарных спутниках. Карты температур поверхности суши используются в дальнейшем для изучения пространственно-временного поверхности, растительности, распределения метеорологических почв, температур прогнозов, ледников. Карты прогнозов температур земной состояния океанической поверхности используются для прогнозов формирования воздушных масс, изучения океанических течений, оценки биопродуктивности водных масс океанов. С точки зрения оценки применимости таких данных для изучения пространственно-временного распределения температур земной и водной поверхности представляют интерес работы по исследованию термических морских фронтов [Никитин, 2006], динамики температуры морской поверхности [Гинзбург и др., 2000, Эволюция…; Гинзбург и др., 2001; Гинзбург и др., 2002; Новиненко и др., 2007], изучению влияния атмосферы при оценке температур поверхности океана [Пахомов и др., 2004], изучению апвеллинга [Гинзбург и др., 2005], связи температур океанической поверхности и климата прилегающих материковых областей [Покровский, 2005, Изменения…], анализу самих алгоритмов расчѐта температур океанической поверхности [Соловьѐв и др., 2001; Покровский, 2005, Объективный анализ…] и поверхности суши [Соловьѐв и др., 2009], связи поля температур океанической поверхности и биопродуктивности водных масс [Гинзбург и др., 2000, Антициклонические…], связи поля температур океанической поверхности и поля скоростей морских течений [Алексанин и др., 2001]. Отметим, что использование тепловых снимков для изучения термической структуры океанических вод позволило сделать существенный прорыв в исследовании океанических течений, хорошо дешифрируемых в тепловом инфракрасном диапазоне. 24 2. Мониторинг состояния атмосферы для синоптических нужд. Снимки для этих работ также получают с геостационарных и метеорологических спутников. Эти материалы используются для анализа движения воздушных масс, прогноза облачности, осадков, изучения радиационного баланса. В таких работах определяющим фактором является не пространственное разрешение, а периодичность съѐмки. Развиваются такие направления, как изучение радиационного баланса отдельных регионов [Ахмедов и др., 2007], Земли в целом [Головко и др., 2000; Головко, 2003], океанов [Тимофеев и др., 2001], методик получения значений радиационного баланса [Покровский и др., 2001], температурно-влажностное зондирование атмосферы [Поляков и др., 2009; Успенский, 2010], оценка по спутниковым данным осадков [Бухаров и др., 2004], облачности [Рублѐв и др., 2004], прогноз различных атмосферных явлений [Тимофеев и др., 2000], изучение климата [Тимофеев и др., 2001; Пахомов и др., 2004; Покровский, 2005, Изменения температуры …]. Здесь преобладают математические и геофизические методы, т.е., в первую очередь, извлечение количественных характеристик (радиационный баланс, температура, влажность и др.). Исторически эта область применения данных теплового инфракрасного диапазона была одной из первых, и она до сих пор сохраняет своѐ важнейшее значение. 3. Выявление тектонических разломов, крупных геологических структур, сейсмоактивных областей. В этой области основной фактор выбора снимков – большой охват территории. Информация, полученная по таким снимкам, используется для прогноза полезных ископаемых, сейсмической опасности, изучения движения литосферных плит и др. Развиваются такие направления, как, например, изучение зон спрединга и рифтогенеза [Вилор и др., 2002; Вилор и др., 2004; Вилор и др., 2006], оценка возможностей дистанционной индикации месторождений [Погребнов и др., 2005], геологических структур [Вилор и др., 2009]. 25 4. Мониторинг природных и антропогенных процессов на глобальном уровне. Это, в первую очередь, мониторинг опасных явлений и процессов, например, лесных пожаров [Абушенко и др., 2000; Бондур, 2011], прогноз землетрясений по наличию участков повышенной интенсивности теплового излучения [Тронин, 2005], исследование зон современного вулканизма [Oppenheimer, 1998]. К задачам мониторинга относится и изучение изменения состояния растительного покрова на глобальном уровне [Харук, Кожуховская и др., 2001]. Задача, становящаяся всѐ более актуальной, ‒ выявление общих контуров городских островов тепла [Hung et al., 2006; Cheval et al., 2009; Stathopoulou et al., 2009]. Получаемая информация используется для прогноза развития явлений, оценки ущерба, разработки противодействующих мер. Преимущество отдаѐтся использованию абсолютных количественных показателей (площадь гарей, островов тепла), однако относительные (яркостные контрасты лесных пожаров, островов тепла) также используются довольно широко, например, при мониторинге лесных пожаров как весьма контрастных в тепловом диапазоне объектов. Кроме указанных направлений, развивается использование тепловых снимков для картографирования ландшафтных единиц на глобальном уровне. Показана принципиальная возможность выделения физико- географических зон на по их тепловой инерции и скорости испарения [Горный и др., 2006]. 1.3.2. Исследования на региональном уровне Проведенный автором анализ более 100 отечественных и зарубежных публикаций, посвященных географическим исследованиям с использованием тепловых снимков, показывает, что исследования регионального уровня, проводимые по снимкам с ресурсных спутников, менее развиты, чем глобальные. Такие снимки не характеризуются высоким временным разрешением, их охват существенно 26 меньше, чем у снимков с метеорологических спутников; как правило, съѐмочные системы на ресурсных спутниках работают в меньшем числе спектральных каналов, чем системы спутниковой съѐмки на метеорологических. Однако важнейшее преимущество снимков с ресурсных спутников высокое пространственное разрешение. Оно позволяет выявлять внутреннюю структуру геосистем, их пространственно-временную динамику. Снимки с ресурсных спутников являются одними из самых распространѐнных материалов дистанционного зондирования Земли в географических исследованиях на региональном уровне. Применение тепловых космических снимков, полученных с таких спутников, широко, но не все их возможности раскрыты до конца. Такие снимки позволяют выявить внутреннюю структуру геосистем разного иерархического уровня [Southworth, 2004; Gluch et al., 2006], проследить развитие во времени и пространстве локальных неоднородностей интенсивности теплового излучения [Бусыгин и др., 2010; Филиппович и др., 2013; Rosenzweig et al., 2005; Weng et al., 2008], их приуроченность к географическим объектам [Oki et al., 2003; Wilson et al., 2003; Weng et al., 2004; Stathopoulou et al., 2007]. Среди областей применения тепловых космических снимков с ресурсных спутников в науках о Земле следует отметить следующие. В первую очередь, это выявление месторождений полезных ископаемых одна из самых старых областей применения тепловой съѐмки. Это может быть выявление по тепловым снимкам площадей, перспективных на нефтегазоносность, золотого, вольфрамового оруднения [Миловский и др., 2004], разломов, определение мощности рыхлых четвертичных отложений. По тепловым снимкам системы ASTER могут быть выявлены ландшафтногеологические особенности территории, составлена геоландшафтная схема обнажѐнности территории [Глушкова и др., 2005]. Для исследования недр используется и аппаратура, установленная на авианосителях [Кокутин, 2010]. Многозональные тепловые снимки (например, съѐмочной системы ASTER) 27 применяются для картографирования горных пород, а также для поиска полезных ископаемых разного рода. Они помогают выявить высокую роль влаги в дифференциации объектов [Тронин и др., 2011]. Развиты исследования тепловых и излучательных свойств растительного покрова и природных ландшафтов. Так, например, по снимкам сенсора ETM+ оценивается влияние разработок месторождений золота на состояние таѐжных ландшафтов Средней Сибири, где тепловой канал помогает выявлять заброшенные участки разработок [Харук, Рансон и др., 2001]. Тепловые снимки системы TM использованы для анализа индуцированных сибирским шелкопрядом сукцессий в темнохвойных формациях Южной Сибири, где они помогли установлены различия в радиационной температуре между погибшими и неповреждѐнными древостоями [Харук и др., 2002]. Вопрос восстановления лесов также широко рассматривается, в частности, показана возможность дифференциации сукцессионных стадий [Southworth, 2004]. Во всех указанных работах подтверждается высокая информативность тепловых космических снимков для исследования растительного покрова как компонента геосистем. Съѐмка с авиационных сенсоров использована в работах [Трофимова и др., 1996; Трофимова и др., 1998], где с еѐ помощью изучалась неравномерность интенсивности теплового излучения ландшафтов Южного Прибайкалья (пространственное распределение радиационной температуры подстилающей поверхности разделено на 4 типа, различающиеся по температуре и в амплитуде еѐ колебаний; использование при анализе ландшафтно- климатического подхода позволило выделить эти типы на изучаемой территории). Здесь же нужно отметить возможность и эффективность изучения по тепловым космическим снимкам с ресурсных спутников редких природных объектов, приуроченных к районам современного вулканизма, например, лавовых озѐр [Oppenheimer et al., 2002]. Тепловые снимки применяются для изучения структурно-функциональной 28 организации ландшафта, для изучения радиационного баланса ландшафтных единиц разных иерархических уровней [Quattrochi et al., 1999; Хорошев и др., 2006; Козлов и др., 2008]. Тепловые снимки с ресурсных спутников, хотя и не характеризуются высоким временным разрешением и оперативностью, тем не менее, используются при мониторинге географических объектов и процессов. Например, снимки видимого и теплового диапазона со спутников серии Landsat использованы как вспомогательный материал при оперативном мониторинге лесных пожаров [Бондур, 2011]. Тепловые снимки систем MODIS и AVHRR используются для оперативного выделения очагов и гарей, а снимки со спутников Landsat для последующего уточнения площадей, пройденных пожарами. Помимо лесных пожаров, тепловые космические снимки хорошо зарекомендовали себя при мониторинге загрязнения водных объектов (например, шлейфов очистных сооружений), которое хорошо проявляется на тепловых снимках [Тронин и др., 2008]. Наконец, применение тепловых снимков возможно при комплексном мониторинге потенциально опасных явлений и объектов в целом [Горный, 2004]. Тепловые снимки используются при мониторинге и управлении водными ресурсами, при изучении их теплового баланса [Anderson et al., 2012]. Одним из основных и наиболее востребованных с точки зрения использования тепловых космических снимков с ресурсных спутников является направление изучения городских ландшафтов, а также такого явления, как городской остров тепла. Особенностью таких исследований является необходимость распознавания внутренней структуры городских островов тепла, что невозможно без использования тепловых снимков с ресурсных спутников. В связи с этим, в динамично развивающемся направлении изучения городских островов тепла тепловые снимки нашли своѐ относительно широкое применение. Изучаются такие особенности и свойства городского острова тепла, как его общий пространственный охват, 29 интенсивность, выраженность; выявляется его внутренняя структура, локальные участки повышенной интенсивности теплового излучения и их приуроченность к городским объектам, пространственно-временная динамика внутренней структуры острова тепла; связь внутренней структуры острова тепла с городской застройкой; связь интенсивности острова тепла с параметрами города в целом (людность, площадь, географическое положение) [Weng, 2009]. Среди работ, посвящѐнных изучению городских островов тепла по тепловым снимкам в странах СНГ следует отметить, в первую очередь, исследование урбанизированных территорий Южного Прибайкалья в среднем и крупном масштабе (с применением тепловых и других снимков), географических в результате которых карт (теплового излучения создана серия эколого- структурных элементов городского ландшафта, микроклиматического потенциала самоочищения атмосферы, [Коновалова загрязнения и др., наземного 2008]; покрова, исследование, экологических посвящѐнное рисков) разработке "фрагментов технологии выявления тепловых аномалий или зон с повышенным тепловым фоном" на примере Донецка [Бусыгин и др., 2010]; исследование изменчивости интенсивности теплового излучения в историческом центре Киева [Филиппович и др., 2013]; исследование пространственно-временной динамики островов тепла некоторых городов Украины, в первую очередь, Киева [Stankevich et al., 2013]. Стоит отметить, что в отечественной науке (науке стран СНГ) проблема городских островов тепла, а в особенности, ‒ использования тепловых космических снимков для их изучения ‒ рассматривается не столь широко, как в Европе, Северной Америке, развитых странах Азии. На примере этого направления рассмотрим многообразие способов обработки тепловых космических снимков для выявления пространственно-временных неоднородностей интенсивности теплового излучения изучаемой территории. 30 В исследованиях пространственных особенностей островов тепла снимки с ресурсных спутников используются как в качестве дополнительного материала [Weng et al., 2004; Gluch et al., 2006; Tan et al., 2010, Land Surface...], так и в качестве основного [Aniello, 1993; Sobrino et al., 2004]. Методик исследования внутренней структуры островов тепла по космическим снимкам в настоящее время довольно много. Так, один из подходов к изучению пространственных особенностей распределения интенсивности теплового излучения территории вообще и островов тепла в частности – различные виды классификаций (на основе яркостных температур) по тепловым космическим снимкам [Aniello, 1993; Zhu et al., 2002; Tan et al., Landsat data..., 2010]. Как правило, такие методы применяют для исследования «использования земель» и создания «карт земных покровов» (land cover/land use). Чаще всего к исследованиям land cover/land use привлекают снимки в разных спектральных диапазонах, одним из которых является тепловой. Изучается связь между типами «использования земель» и неоднородностью интенсивности теплового излучения [Oki et al., 2003; Gluch et al., 2006; Stathopoulou et al., 2007; Cheval et al., 2009], на основе многозональных данных создаются карты land cover/land use [Dousset et al., 2003]. Неоднократно указывается на существование взаимосвязи между структурой теплового поля местности и характеристиками «земных покровов» (land cover/land use), а также на возможность использования тепловых снимков как надѐжного источника информации об «использовании земель» [Stathopoulou et al., 2007; Cheval et al., 2009]. Проводится изучение связи температуры земной поверхности с land cover: выявлено, что на температуру земной поверхности влияет не только сочетание типов land cover, но и их форма, что открывает новые возможности для смягчения эффекта острова тепла [Zhou et al., 2011; Song et al., 2014]. Значительную часть научных работ по теме исследования природных и антропогенных территорий по тепловым космическим снимкам занимают 31 различные варианты моделирования тепловых характеристик земной поверхности. Одна из наиболее часто поднимаемых проблем – получение по тепловым снимкам температур земной поверхности (ТЗП) ‒ land surface temperatures (LST), т.е. восстановление абсолютных температур [Suga et al., 2003; Sobrino et al., 2004; Zhang et al., 2006; Srivastava et al., 2009]. Зависимость между температурой земной поверхности и яркостной температурой на снимках отличается от прямой, кроме того, искажения в значения яркостных температур вносит атмосфера. Таким образом, для извлечения температур необходимо решить так называемое radiative transfer equation (уравнение переноса излучения, которое содержит параметры атмосферы). Это приводит к тому, что извлечение из тепловых инфракрасных космических снимков абсолютных значений температуры превращается в непростую задачу. Решить еѐ позволяет использование для извлечения ТЗП алгоритмов так называемого «расщеплѐнного окна прозрачности» (split-window method – SWM) [Поляков и др., 2010; Zhu et al., 2002; Pu et al., 2006], которые заключаются в использовании для извлечения значений температуры поверхности снимков нескольких тепловых каналов (например, при использовании многозональных данных таких съѐмочных систем, как AVHRR, MODIS, ASTER, TIRS). Что касается съѐмочных систем TM и ETM+, то здесь такой возможности нет в силу наличия у них только одного теплового канала. В связи с этим, если имеется достаточно большое количество алгоритмов извлечения ТЗП, например, со снимков ASTER [Pu et al., 2006], то вариантов алгоритмов извлечения ТЗП со снимков Landsat ещѐ больше [Suga et al., 2003; Sobrino et al., 2004; Weng et al., 2004; Yang et al., 2004]. Все эти алгоритмы дают приближѐнные значения абсолютных температур. Точность алгоритма извлечения ТЗП может быть оценена при сравнении с данными наземных наблюдений [Suga et al., 2003; Sobrino et al., 2004; Yang et al., 2004]; вариант с наименьшей разницей выбирают в качестве рабочего. Но наземные наблюдения должны быть тщательно спланированы, 32 иначе их объективность как средства проверки достоверности алгоритмов может оказаться под вопросом. Так, при использовании в качестве наземных данных измерений метеорологических параметров на метеостанциях следует учитывать их микроклиматическое положение - например, метеостанции на территории городов часто расположены в парках – локальных «островах прохлады» [Peterson, 2003; Cantat, 2004]. В работах, где извлечение ТЗП является не целью, а средством для получения какого-либо результата, получаемые приближѐнные значения температуры земной поверхности принимают за истинные, хотя их отличия от истинных могут составлять несколько градусов [Suga et al., 2003]. Использование авиационных сенсоров позволяет избавиться от необходимости учѐта вертикальных профилей температуры и влажности, а также даѐт возможность изучить зависимость теплового излучения от угла обзора съѐмочной системой излучающего объекта [Lagouarde et al., 2004]. Много внимания исследователи обращают на изучение связи мощности растительного покрова и интенсивности теплового излучения – при сравнении тепловых инфракрасных снимков и изображений нормализованного разностного вегетационного индекса, вычисляемого на основе данных красного и ближнего инфракрасного каналов (NDVI), всегда обнаруживается ярко выраженная обратная связь. Эту связь оценивают чаще всего через анализ изображений LST и NDVI [Pu et al., 2006; Tan et al., 2010, Land Surface...]. Использование NDVI совместно с LST позволяет получить дополнительную информацию о поверхности Земли, такую как суммарное испарение и влажность почвы (особенно это касается территорий с разреженным растительным покровом). Результаты совместного анализа изображений ТЗП и NDVI часто используются для оценки воздействия урбанизации [Weng, 2009], а совместное использование ТЗП, NDVI и карт land cover/land use даѐт наиболее полную еѐ картину [Tan et al., 2010, Landsat data..]. Однако нередко указывается на недостаточную эффективность NDVI 33 как средства оценки мощности растительного покрова в городе. Предлагаются другие методы оценки воздействия урбанизации, например, совместный анализ LST и фракции растительности из модели спектральной декомпозиции [Weng et al., 2004]. Встречаются примеры создания алгоритмов обработки многозональных данных, включающих в себя использование нескольких математических моделей, для оценки связи интенсивности теплового излучения и характеристик поверхности Земли. Например, возможно совместное использование линейной спектральной декомпозиции, извлечения ТЗП, корреляционного анализа, регрессионных моделей [Lu et al., 2006]. Изучение этих связей важно для исследования городских островов тепла, особенностей их формирования и функционирования. Значительная часть работ посвящена разработке методов исследования пространственно-временной динамики интенсивности теплового излучения городских островов тепла, как сезонной, так и суточной [Dousset et al., 2003; Suga et al., 2003; Chudnovsky et al., 2004; Hung et al., 2006]. Используются данные таких сенсоров, как AVHRR, MODIS, TM, ETM+, а также авиационных и наземных аппаратов. Изучение суточной динамики позволяет достаточно полно оценить теплоизлучательные характеристики различных объектов, изменение амплитуды температур в течение суток, выявить объекты, формирующие тепловые неоднородности в разное время суток, определить время суток, лучше всего подходящее для проведения тепловой съѐмки для тех или иных целей [Chudnovsky et al., 2004]. Однако с помощью тепловых космических снимков, полученных сенсорами TM и ETM+, иллюстрировать невозможно в суточное силу изменение особенностей теплового орбиты поля практически спутников (орбита солнечносинхронная, в связи с чем спутник пересекает экватор в 10:00 местного времени), ночные снимки есть, но в открытом доступе их мало, в связи с чем широкого распространения они не получили. 34 Имеют место и комплексные исследования природных и антропогенных территорий по тепловым снимкам на региональном уровне, в которых сочетаются построение изображений ТЗП, изучение сезонной и суточной динамики, например, в городах с различными климатическими условиями, статистический анализ, изучение связи между изображениями LST, NDVI и картами land cover/land use, изучение тепловых потоков [Hung et al., 2006]. В таких работах часто используются как снимки низкого пространственного разрешения и большого охвата, так и снимки с ресурсных спутников. Использование пространственного тепловых разрешения, космических помимо всего снимков прочего, разного открывает возможность изучения связи отображения изучаемой местности на разных масштабных уровнях [Agam et al., 2007], т.е. позволяет проследить по тепловым космическим снимкам иерархическую структуру геосистем. Такие исследования позволяют использовать преимущества, как снимков большого охвата, так и снимков высокого разрешения, дают многостороннюю оценку неоднородности интенсивности теплового излучения местности и вносят существенный динамики. вклад Среди в исследования результатов еѐ таких пространственно-временной работ обычно присутствуют рекомендации по использованию снимков того или иного разрешения для изучения теплового поля местности на разных пространственных уровнях [Gluch et al., 2006]. Выводы Анализ способов применения тепловых космических снимков в науках о Земле позволяет сделать вывод о том, что наиболее проработанными являются исследования геосистем глобального уровня по снимкам низкого пространственного разрешения; с точки зрения методик обработки преобладающий подход заключается в извлечении из тепловых космических снимков температур земной и водной 35 поверхности и анализ их распределения. В то же время вопросы дешифрирования по тепловым космическим снимкам геосистем регионального уровня затрагиваются слабее; заметно отсутствие единого подхода к анализу тепловых снимков с ресурсных спутников. Настоящая работа призвана заполнить этот пробел. 1.4. Изучение географических объектов по тепловым снимкам: постановка задачи исследования Обозначим некоторые проблемы, возникающие при изучении географических объектов по тепловым космическим снимкам. 1. Относительно слабое развитие применения тепловых космических снимков в географических исследованиях на региональном уровне для изучения природных территориальных комплексов с охватом не более 1 млн км2. Большинство исследований, использующих тепловые космические снимки, ориентировано крупнорегионального на изучение масштаба, геосистем планетарного следовательно, используемые или снимки характеризуются пространственным разрешением 1 км и менее. При этом тепловые космические пространственным снимки, разрешением, характеризующиеся более безусловно, большой несут высоким объѐм информации о геосистемах на своѐм масштабном уровне. В связи с этим, одна из задач нашей работы обосновать целесообразность применения тепловых космических снимков для решения географо-картографических задач. 2. Относительно слабое распространение методик картографирования географических объектов (структура растительного покрова, характер использования безлесных пространств, особенности городской застройки, дифференциация геосистем в зависимости от абсолютной высоты и экспозиции склонов). Действительно, на тепловых снимках отображается характеристика (яркостная температура), являющаяся функцией большого числа факторов. В большинстве случаев тепловые космические снимки 36 используются для получения значений температуры поверхности Земли, т.е. количественных характеристик, однако такие снимки содержат качественную информацию о географических объектах, что и представляет интерес в этой работе. Поэтому, существенным является рассмотрение возможностей наиболее эффективного использования тепловых космических снимков в географическом картографировании. При этом, необходимо, чтобы извлекаемые данные были географически интерпретируемыми, поэтому важная задача разработка технологии сбора материалов, в том числе полевых, для уточнения результатов картографирования. Обозначенные задачи решаются в рамках общей разработки методики дешифрирования по тепловым космическим снимкам природных территориальных комплексов и применения полученной информации в географических исследованиях. 37 ГЛАВА 2. ИЗМЕНЧИВОСТЬ ИНТЕНСИВНОСТИ ТЕПЛОВОГО ИЗЛУЧЕНИЯ ПРИРОДНЫХ И АНТРОПОГЕННЫХ ТЕРРИТОРИЙ И ЕЁ ОТОБРАЖЕНИЕ НА ТЕПЛОВЫХ КОСМИЧЕСКИХ СНИМКАХ 2.1. Тепловое поле местности и его изменчивость На любом тепловом снимке местность представлена различиями в яркости изображения как сочетание участков с разной интенсивностью теплового излучения. В современной науке есть термины для обозначения явления неоднородности распределения теплового излучения, однако, на наш взгляд, они не помогают до конца раскрыть суть явления. Так, В.И. Горный, Б.В. Шилин и Г.И. Ясинский используют термин "геотемпературное поле", которое на наш взгляд, подчеркивает количественный подход к извлекаемой из тепловых снимков информации [Шилин, 1980; Горный и др., 1993]. Это понятие охватывает, главным образом, не ландшафтные (т.е. географические) особенности территории, а геофизические. Так, например, указывается, что "геотемпературное поле зависит от количества энергии, поступающей на дневную поверхность, мощности и распределения источников тепла, тепловых свойств геологического разреза и законов их изменения"1, однако здесь не принимается во внимание влияние растительного на неоднородность теплового излучения. J.B. Campbell и R.H. Wynne для характеристики различий в яркости изображения объектов на тепловых снимках предлагают термин "тепловой ландшафт" (thermal landscape): "The thermal landscape is a composite of the familiar elements of surface material, topography, vegetation cover, and moisture. Various rocks, soils, and other surface materials respond differently to solar heating. Thus in some instances the differences in thermal properties [...] can be observed in thermal imagery" ("Тепловой ландшафт есть совокупность типов земной поверхности, рельефа местности, растительного 1 [Шилин, 1980], стр. 5. 38 покрова, условий увлажнения. Различные горные породы, почвы и другие типы земной поверхности по-разному реагируют на солнечное излучение. Таким образом, в отдельных случаях различия в тепловых свойствах объектов земной поверхности могут быть выявлены на тепловых снимках")2 [Campbell et al., 2011]. Однако в отечественной науке ландшафт как географическое явление характеризуется протяжѐнностью не только по горизонтали, но и по вертикали, а интенсивность теплового излучения, зафиксированная на тепловых снимках, это интенсивность теплового излучения только поверхности Земли или объектов, расположенных на ней. В нашей работе для обозначения неоднородности теплового излучения местности мы применяем термин "тепловое поле", который, с одной стороны, подчѐркивает излучательный характер этих неоднородностей, а с другой физическую особенность теплового излучения, определѐнного во всех точках пространства и меняющегося во времени, т.е. имеющего свойства поля. Чем более неоднородна местность, чем больше разнообразие составляющих еѐ природных территориальных комплексов, тем большей пространственной гетерогенностью обладает тепловое поле данной местности. На формирование теплового поля местности очень большое влияние оказывает интенсивность солнечного излучения, которая меняется в суточном и сезонном ходе. Географические объекты характеризуются различными тепловыми и излучательными свойствами, следовательно, поразному реагируют на изменение интенсивности солнечного излучения, что и фиксируется на тепловых снимках различиями в яркости изображения. Изменения интенсивности теплового излучения могут происходить и на многолетнем уровне при преобразовании среды под действием природных или антропогенных сил. Таким образом, интенсивность теплового излучения большинства географических объектов, а, следовательно, тепловое поле 2 [Campbell et al., 2011], стр. 271. 39 местности, обладает очень высокой изменчивостью. Информация о географических объектах, содержащаяся на одномоментном тепловом космическом снимке, представляет собой единовременный срез состояния теплового поля местности и подвержена влиянию случайных факторов. Использование нескольких тепловых космических снимков, подобранных таким образом, чтобы они иллюстрировали изменчивость теплового поля местности, позволяет в значительной степени избавиться от влияния случайных факторов. Проведѐн основанный на тепловых космических снимках анализ изменений теплового поля местности, который позволил дифференцировать виды изменичвости по эффективности для дешифрирования природных и антропогенных геосистем. Изменчивость интенсивности теплового излучения проявляется как в суточном и сезонном ходе, так и в многолетнем. Многолетние изменения, как правило, однонаправленные, например, они могут быть связаны с антропогенным воздействием, влиянием стихийных природных сил и т.п., либо их цикличность проявляется только на весьма значительном промежутке времени. Напротив, сезонный и суточный ходы характеризуются видом изменчивости, близким к цикличному. Наилучшим образом изучены суточные изменения, которые практически полностью связаны с различиями в интенсивности прямой солнечной радиации в ночное и дневное время, и, следовательно, с неравномерностью нагрева объектов земной поверхности в течение суток (в свою очередь, нагрев объектов влияет на интенсивность их излучения в тепловом диапазоне). На рис. 2.1 представлен график суточного хода интенсивности теплового излучения для равнинной природной территории при ясной безветренной погоде в летнее время в средних широтах, на рис. 2.2 - график суточного хода интенсивности теплового излучения отдельных объектов. Из графиков видно, что в течение суток можно выделить три основных состояния: максимальная интенсивность излучения большинства 40 объектов в послеполуденное время; излучение накопленной за время солнечного сияния энергии в ночное время; слабые контрасты интенсивности теплового излучения объектов в предрассветные часы, что связано с отсутствием прямой солнечной радиации и истощением запасов накопленной за день тепловой энергии. Следует отметить, что при иных условиях атмосферы график будет иметь несколько иной вид при значительной облачности максимум смещается ближе к вечеру в связи с влиянием рассеянной радиации; большое значение имеет скорость ветра. Влияние оказывает также рельеф (в горной местности существенное значение будет иметь затенение в долинах и экспозиция склонов), антропогенная преобразованность местности (в городе, в связи с эффектом острова тепла, будет иметь место интенсивное вечернее и ночное излучение) [Кислов и др., 2011]. Рис. 2.1. Суточный ход интенсивности теплового излучения (красная линия) для равнинной природной территории при ясной безветренной погоде в летнее время в средних широтах (по [Jensen, 2000]). 41 Рис. 2.2. Суточный ход интенсивности теплового излучения различных объектов (по [Jensen, 2000]). Снимки, полученные в предрассветные часы, весьма ценны, т.к. содержат информацию об интенсивности теплового излучения географических объектов в отсутствии прямой солнечной радиации. Следовательно, по этим снимкам мы можем дешифрировать объекты, характеризующиеся внутренним источником тепла (например, проявления вулканической активности или промышленные предприятия, для которых характерны значительные теплопотери), а также объекты, отличающиеся особенно интенсивным накоплением тепла в течение светлого времени суток (в предрассветные часы они всѐ ещѐ излучают накопленное тепло) такой эффект часто можно наблюдать в плотно застроенных районах крупных городов. К сожалению, современные ресурсные спутники не получают тепловые снимки в предрассветные часы, однако возможность регистрации интенсивности теплового излучения в это время суток есть у аэросъѐмки. 42 Выводы Итак, тепловое поле характеризуется выраженной пространственновременной изменчивостью. Пространственная изменчивость заключается в том, что любая местность представляет собой совокупность участков, характеризующихся различной интенсивностью теплового излучения. Временная изменчивость заключается в наличии изменений интенсивности теплового излучения географических объектов: суточной, сезонной, многолетней, причѐм эти изменения могут быть как цикличными, так и однонаправленными. Высокой информативностью характеризуются суточные ряды тепловых снимков, однако ресурсные спутники таких снимков не получают. 2.2. Сезонная динамика теплового поля Особенности сезонной динамики интенсивности теплового излучения в целом аналогичны особенностям суточной динамики (если мысленно представить, что на приведѐнных выше графиках утро это весна, середина дня это лето, вечер это осень, а ночь зима), однако амплитуда интенсивности теплового излучения в случае сезонной динамики для умеренных и северных широт значительно больше. Автором проанализировано изображение природных и антропогенных объектов, расположенных в различных географических условиях (антропогенные ландшафты Москвы, Нижнего Новгорода, Ульяновска, некоторых других городов; природные ландшафты Московской обл., Амурской обл., Респ. Бурятия, Сахалинской обл. и некоторых других), на разносезонных тепловых космических снимках съѐмочных систем TM, ETM+, TIRS, ASTER. Дл рассмотренных снимков характерны схожие погодные условия (антициклональные, без облачного покрова и со слабым ветром) (см. Приложение). 43 В качестве примера проанализируем серию разносезонных тепловых снимков на территорию Москвы как крупнейшего мегаполиса Европы, сочетающего антропогенные ландшафты различных типов, а в пригородной зоне и природные ландшафты различной степени преобразованности. Анализ разносезонных тепловых снимков позволил выявить следующие характерные для разных сезонов черты теплового поля местности, нашедшие отображение на этих снимках. Зима (рис. 2.3). Для природных объектов территории в зимний период в целом характерны слабые контрасты интенсивности теплового излучения. Гистограмма фрагмента теплового снимка узкая. Интенсивность теплового излучения городских лесов (1) несколько выше интенсивности теплового излучения открытых безлесных пространств (2) за счѐт того, что лесная растительность препятствует выхолаживанию земной поверхности. Не подверженные тепловому загрязнению водные объекты (3) покрыты льдом и снегом, так же, как и безлесные пространства, поэтому интенсивность их теплового излучения в целом примерно одинаковая. Выявлено, что хорошо выявляются, во-первых, антропогенные объекты, выделяющиеся за счѐт повышенной интенсивности теплового излучения из-за наличия центрального отопления (собственно отапливаемые жилые кварталы (4) и, в особенности, теплоэлектроцентрали (5)); во-вторых, производственные объекты (6), для которых характерно выделение большого количество тепла в процессе производства; в-третьих, водные объекты, подверженные интенсивному тепловому загрязнению (7), например, сбросу сточных или производственных вод. 44 Рис. 2.3. Тепловой снимок системы ETM+, характеризующий зимнее состояние территории Москвы (25 декабря 1999 года) и его гистограмма; по горизонтали – значения яркости на снимке, по вертикали - количество пикселов. Весна (рис. 2.4). Гистограмма снимка шире, чем в случае зимы, что обычно для весенних снимков природных и антропогенных территорий. Выявлено, что в начале весны, когда ещѐ лежит снежный покров, городские леса (1) отличаются повышенной интенсивностью теплового излучения, а безлесные участки (2) пониженной. После схода снежного покрова оголѐнные участки почвы выделяются повышенной интенсивностью теплового излучения, т.к. растительный покров на них ещѐ недостаточно мощен для смягчения нагрева почвы и, соответственно, интенсивности еѐ излучения; лесные массивы выделяются 45 пониженной относительно безлесных территорий интенсивностью теплового излучения, хотя разница ещѐ не настолько велика, как это будет летом. Водные объекты (3), характеризующиеся повышенной теплоѐмкостью, отличаются пониженной интенсивностью теплового излучения, т.к. не успевают прогреться после холодного зимнего периода. Для антропогенных объектов характерно повышенное значение интенсивности теплового излучения каменных строений (4) (за счѐт нагрева прямой солнечной радиацией, приход которой увеличился относительно зимнего периода за счет увеличения высоты солнца и длительности воздействия радиации к моменту съемки), подверженные интенсивному тепловому загрязнению водные объекты (5) всѐ так же характеризуются высокими значениями яркости. 46 Рис. 2.4. Тепловой снимок системы ETM+, характеризующий весеннее состояние территории Москвы (14 марта 2003 года) и его гистограмма; по горизонтали – значения яркости на снимке, по вертикали - количество пикселов. Лето (рис. 2.5). Гистограмма снимка широкая, имеет два максимума: один связан с влиянием объектов с пониженной интенсивностью теплового излучения лесов (1), крупных водных объектов (2); второй с влиянием объектов, отличающихся повышенной интенсивностью теплового излучения промышленных объектов (3), участков открытого грунта (4). Такая дифференциация обычна для антропогенных территорий; для природных залесѐнных территорий обычно выделение максимума, связанного с 47 влиянием лесов, и максимума, связанного с влиянием безлесных участков. Среди природных объектов городские леса отличаются существенно пониженной интенсивностью теплового излучения и формируют своеобразные "острова прохлады", им противостоят участки оголѐнного грунта, безлесные территории, в первую очередь, распаханные сельскохозяйственные поля в пригородах. Наблюдается дифференциация растительного покрова по интенсивности теплового излучения в зависимости от его мощности, влажности, сомкнутости, общего состояния (5, 6) (угнетѐнность, повреждѐнность). Водные объекты, в первую очередь, крупные, сохраняют пониженную интенсивность теплового излучения. Среди антропогенных объектов повышенной интенсивностью теплового излучения отличаются каменные строения, в особенности, в пределах промышленных зон (7), где отсутствует или незначительна древесная растительность. Сбросы сточных или промышленных вод (8) характеризуются довольно высокой интенсивностью теплового излучения, но меньшей, чем весной и зимой, за счѐт слабого отличия их температур от естественного фона. 48 Рис. 2.5. Тепловой снимок системы ETM+, характеризующий летнее состояния территории Москвы (26 мая 2003 года) и его гистограмма; по горизонтали– значения яркости на снимке, по вертикали - количество пикселов. Осень (рис. 2.6). Гистограмма теплового осеннего снимка узкая, имеет один максимум. Существенно выделяются повышенной интенсивностью теплового излучения крупные водные объекты (1). Леса в целом характеризуются пониженной интенсивностью теплового излучения (2). Так же выделяются безлесные территории (3), особенно, сельскохозяйственные поля и участки открытого грунта. Распределение интенсивности теплового 49 излучения антропогенных объектов схоже с весенней ситуацией повышена интенсивность теплового излучения каменных строений (4), ближе к зиме хорошо распознаются теплоэлектроцентрали (5) и отапливаемые жилые кварталы (6). Рис. 2.6. Тепловой снимок системы ETM+, характеризующий осеннее состояние территории Москвы (7 ноября 1999 года) и его гистограмма; по горизонтали – значения яркости на снимке, по вертикали - количество пикселов. 50 Выводы Таким образом, мы можем утверждать, что тепловое поле природных и антропогенных территорий характеризуется значительной сезонной пространственно-временной изменчивостью. Можно отметить характерные различающиеся особенности сезонной динамики интенсивности теплового излучения природных и антропогенных объектов. В зимнее время хорошо дешифрируются водные объекты, подверженные тепловому загрязнению, жилые кварталы, теплоэлектроцентрали, лесные массивы. Весной хорошо распознаются водные объекты, подверженные тепловому загрязнению, участки плотной городской застройки. Летние тепловые снимки отличаются наибольшей информативностью: по ним выявляются промышленные объекты, жилые кварталы с разной степенью озеленения, лесные массивы, водные объекты, участки открытого грунта. Осенью хорошо выделяются водные объекты (особенно в предзимье), лесные массивы, безлесные участки. 2.3. Квантование разносезонных снимков этап разработки методики Интенсивность теплового излучения определяется тепловыми и излучательными свойствами географических объектов. В свою очередь, эти свойства связаны с другими свойствами географических объектов, которые могут представлять интерес для географов: об их увлажнѐнности, состоянии и структуре растительного покрова, антропогенной преобразованности. Эту информацию можно извлечь после некоторой обработки космических снимков. Рассмотрим фрагменты тепловых космических снимков на разные территории на предмет возможности извлечения из них такой информации. Для обеспечения сопоставимости разносезонных снимков проведено квантование снимков с разделением всего диапазона яркостей на одинаковое число ступеней. Ступени выбирались по общему для всех снимков правилу, в 51 результате чего получена серия разносезонных квантованных изображений, которые можно сравнивать. Гистограммы фрагментов снимков сопоставимы; все они делятся на две группы: гистограммы с одним максимумом и гистограммы с двумя максимумами (летние снимки). Сопоставимость гистограмм позволила единообразно разделить их на ступени яркости. Гистограммы были разделены на 7 ступеней следующим образом (рис. 2.7): 1 ступень: от 0 по оси яркости (горизонтальной) до левого «подножия» гистограммы "наиболее холодные" вариации теплового поля; 2 ступень: левая часть гистограммы, примыкающая к «подножию» "умеренно холодные" вариации теплового поля; 3 ступень: левая часть гистограммы, примыкающая к «вершине» фоновая интенсивность теплового излучения, немного ниже средневзвешенной; 4 ступень: центральная часть гистограммы, максимум фоновая интенсивность теплового излучения, близкая к средневзвешенной; 5 ступень: правая часть гистограммы, примыкающая к «вершине» фоновая интенсивность теплового излучения, немного выше средневзвешенной; 6 ступень: правая часть гистограммы, примыкающая к «подножию» "умеренно тѐплые" вариации интенсивности теплового излучения; 7 ступень: от правого «подножия» гистограммы до 255 по оси яркости (горизонтальной) "наиболее тѐплые" вариации теплового поля. В случае, когда гистограмма имеет два максимума, 3 ступень включала правый максимум, 4 ступень – «седловину», 5 ступень – левый максимум. Для ступеней яркости выбраны ассоциативные цвета: с увеличением интенсивности теплового излучения увеличивается теплота тона, а от средних значений интенсивности теплового излучения в сторону его уменьшения и увеличения повышается насыщенность цвета. Таким образом, 52 ступени яркости окрашены в следующие цвета: 1 – синий, 2 – голубой, 3 – зелѐный, 4 – жѐлтый, 5 – оранжевый, 6 – красный, 7 – фиолетовый. Рис. 2.7. Принятое в работе разделение гистограмм с одним и с двумя максимумами на ступени и цвета, выбранные для ступеней. Разделение гистограмм на ступени также позволяет выявить участки местности, характеризующиеся фоновой интенсивностью теплового излучения и участки, для которых характерны отличные относительно выявленного фона значения интенсивности теплового излучения, причѐм в данном случае мы можем классифицировать такие участки по степени их выраженности (чем больше по модулю разница между среднестатистической яркостной температурой и яркостной температурой, отмеченной на таком участке, тем интенсивнее выражена вариация интенсивности теплового излучения). При таком разделении гистограммы ступени, включающие в себя наибольшее количество пикселов, определяют объекты, имеющие фоновый уровень теплового излучения; очевидно, что в летний сезон смещение максимума гистограммы вправо вполне оправдывается общим повышением температуры (соответственно, и уровня излучения). Ступени, находящиеся справа от максимума, определяют объекты с повышенным уровнем 53 излучения, слева от максимума – с пониженным. Таким образом, мы имеем: чѐтко выделяющиеся фоновые объекты разной интенсивности теплового излучения, абсолютно преобладающие на снимке (3, 4, 5 ступени), объекты с пониженной (2 ступень) и повышенной (6 ступень) интенсивностью теплового излучения и, наконец, экстремально "холодные" (1 ступень) и экстремально "тѐплые" (7 ступень) объекты. Этот принцип выделения ступеней квантования применѐн ко всем изображениям, следовательно, обеспечена яркостная сопоставимость изображений. Выводы Такой подход к анализу каждого из разносезонных снимков позволяет выделить объекты, яркость которых существенно отличается от фона т.е. к которым приурочены вариации теплового поля. При учѐте значительной сезонной изменчивости теплового поля, а также различного влияния свойств географических объектов на интенсивность их теплового излучения, становится очевидным, что большинство вариаций теплового поля обладают выраженной сезонной динамикой, могут быть сильнее проявляться в одни сезоны и слабее в другие. Вариации интенсивности теплового излучения, характерные для географических объектов, говорит о наличии у них свойств, резко отличающихся от свойств других объектов территории (например, отсутствие растительного покрова, наличие производства, характеризующегося значительными теплопотерями, наличие проявлений вулканической активности и т.п.), следовательно, они могут оказывать значительное влияние на структуру геосистем рассматриваемой местности. Именно такие объекты, а также особенности сезонной изменчивости интенсивности их теплового излучения представляют интерес в настоящей работе. 54 2.4. Анализ разносезонных квантованных тепловых снимков 2.4.1. Городские территории а) в) б) г) Рис. 2.8. Фрагмент квантованного изображения за 12 апреля 2000 (а), 26 мая 2003 (б), 29 сентября 2000 (в), 25 декабря 1999 (г). 55 Рассмотрим несколько фрагментов разносезонных тепловых космических снимков на территорию Москвы (рис. 2.8). В основе анализа лежит сопоставление информации, полученной со снимков, с результатами полевых наблюдений автора и информацией об объектах земной поверхности, полученная из интернет-портала Викимапия [wikimapia.org]. Сравнивая приведѐнные изображения, заметим, что для квантованных изображений, не относящихся к летнему сезону, наблюдается максимальное количество пикселов 4 ступени, т.е. фоновой интенсивности теплового излучения, близкой к средневзвешенной. Для летних квантованных изображений, с учѐтом того, что гистограммы летних снимков имеют два максимума, картина несколько иная: первое место по количеству пикселов занимает 5 ступень, т.е. пикселы, характеризующиеся фоновой интенсивностью теплового излучения, немного выше средневзвешенной. Следует обратить внимание и на структуру квантованных изображений, т.е. на структуру теплового поля. На летнем квантованном изображении (Рис. 2.8, б) хорошо проявляются общие контрасты теплового поля территории (участки с максимальной интенсивностью теплового излучения относятся к промышленным зонам и другим подобным объектам, в то время как леса и парки определяют пониженную интенсивность теплового излучения). Хорошо заметна важнейшая роль вегетирующей растительности в уменьшении интенсивности теплового излучения жилые районы достаточно чѐтко разделяются по степени озеленѐнности. На осеннем снимке (Рис. 2.8, в) контрасты сглаживаются, и хотя роль промышленных зон в формировании участков теплового поля с повышенной интенсивностью теплового излучения заметна хорошо, леса и парки уже не настолько выделяются своим охлаждающим влиянием, что, вероятно, связано с окончанием вегетационного периода, который у разных видов растений занимает разное время. Зимой структура теплового поля меняется 56 кардинально, и в качестве участков, к которым приурочена максимальная интенсивность теплового теплоэлектроцентрали излучения, (ТЭЦ) и выделяются, водные главным объекты, образом, подверженные интенсивному тепловому загрязнению. Жилые районы также выделяются повышенной интенсивностью теплового излучения, пониженная относительно фона интенсивность теплового излучения характерна, главным образом, для лесных массивов вне городской черты. Структура теплового поля весной весьма близка к тому, что наблюдается осенью, различие заключается, в первую очередь, в интенсивности теплового излучения водных объектов весной она пониженная, т.к. водные объекты ещѐ не успели прогреться, а осенью повышенная, т.к. водные объекты ещѐ не успели остыть. Таким образом, для рассматриваемой местности характерно выделение в качестве положительных (т.е. характеризующихся повышенной относительно фоновой, интенсивностью теплового излучения) вариаций теплового поля следующих групп объектов: 1. Промышленные зоны и отдельные промышленные предприятия. Для них характерно наличие крупных зданий, интенсивно аккумулирующих тепло (и, следовательно, интенсивно излучающих), а также малая доля зелѐных насаждений в общей площади. Повышенная интенсивность теплового излучения большинства промышленных зон проявляется практически в течение всего года. Кроме того, большое значение имеют предприятия, для которых характерны значительные теплопотери, особенно хорошим примером здесь могут служить ТЭЦ, повышенная интенсивность теплового излучения которых очень хорошо видна в течение отопительного сезона. 2. Подверженные интенсивному тепловому загрязнению водные объекты, для которых характерно существенное повышение их температуры и, следовательно, интенсивности теплового излучения за счѐт сброса 57 подогретых сточных вод. Наиболее заметна повышенная интенсивность теплового излучения таких водных объектов в зимний период, когда интенсивность теплового излучения вод оказывается значительно превышающей интенсивность теплового излучения окружающих объектов. 3. Жилые кварталы с плотной застройкой. Для таких географических объектов характерна малая доля зелѐных насаждений в общей площади участков, интенсивное поглощение (и, следовательно, излучение) тепла зданиями, нагрев зданий в течение отопительного сезона. Их повышенная интенсивность теплового излучения, также как и у промышленных зон, проявляется в течение всего года. В качестве отрицательных (т.е. характеризующихся пониженной, относительно фоновой, интенсивностью теплового излучения) вариаций теплового поля выделяются следующие географические объекты: 1. Городские леса и лесопарки. Для них характерно понижение интенсивности теплового излучения за счѐт активной транспирации растений, а также поглощения ими солнечной энергии для фотосинтеза. В результате лесные и парковые массивы на территории города формируют своеобразные "острова прохлады" в летний период. Здесь нужно отметить, что чем выше доля зелѐных насаждений в площади городских жилых кварталов, тем ближе их тепловые и излучательные характеристики к тепловым и излучательным характеристикам лесов. 2. Водные объекты, не подверженные интенсивному тепловому загрязнению. Изменчивость интенсивности теплового излучения таких объектов выглядит следующим образом: в течение зимы, весны и лета они характеризуются пониженной интенсивностью теплового излучения, а в конце осени повышенной за счѐт тепловой энергии, накопившейся в них в течение тѐплого сезона. Указанные объекты играют ведущую роль в формировании теплового поля городской территории. 58 2.4.2. Пригородные территории Рассмотрим результаты квантования фрагментов разносезонных тепловых космических снимков на территорию запада Московской области (части Истринского, Солнечногорского и Одинцовского районов), которую используем в качестве примера природно-антропогенной территории. Использованы те же снимки, что и в п. 2.4.1, но фрагменты на другую территорию. При анализе использовано сопоставление информации, полученной со снимков, с материалами наблюдений автора, а также информацией об объектах земной поверхности, полученной из интернетпортала Викимапия. Местность представляет собой равнинную территорию с типичным пригородным ландшафтом: относительно небольшие населѐнные пункты чередуются с лесами, а также с массивами дачных участков. На территории имеются и крупные водные объекты р. Москва и Истринское водохранилище. а) б) 59 в) г) д) Рис. 2.9. Квантованные фрагменты снимка запада Московской области: 14 марта 2003 (а), 26 мая 2003 (б), 7 ноября 1999 (в), 25 декабря 1999 (в). Фрагмент снимка системы ETM+ за 29 сентября 2000 на ту же территорию в натуральной цветопередаче (д). Рассмотрим квантованное весеннее изображение, за 14 марта (рис. 2.9, а). Наименьшей на данном фрагменте интенсивностью теплового излучения 60 отличаются открытые участки (поля и луга) в пойме р. Москвы и акватория Истринского водохранилища ("наиболее холодные" и "умеренно холодные" вариации теплового поля). Другие открытые пространства также отличаются пониженной интенсивностью теплового излучения ("умеренно холодные" вариации теплового поля и фоновая интенсивность теплового излучения, немного ниже средневзвешенной). Территории, занятые лесами, имеют уровень интенсивности интенсивности теплового теплового излучения, излучения схожий населѐнных с уровнем пунктов (фоновая интенсивность теплового излучения, близкая к средневзвешенной; фоновая интенсивность теплового излучения, немного выше средневзвешенной; "умеренно тѐплые" вариации теплового поля). По-видимому, это связано с тем, что леса лучше сохраняют тепло и препятствуют выхолаживанию. С другой стороны, тот факт, что наименьшей интенсивностью теплового излучения отличается участок в пойме, свидетельствует о влиянии рельефа земной поверхности на интенсивность теплового излучения. Наблюдаются небольшие по площади локальные тепловые максимумы, приуроченные, видимо, к промышленным предприятиям (в Истре – на территории ВНИИЭМ и ВНИИЭТО, в Химках – фабрика «Сходня-Мебель», в Зеленоградском АО – территории Северной и Восточной промзон). На снимке 26 мая (летнее состояние теплового поля, рис. 2.9, б) наименьшая интенсивность теплового излучения характерна для водных объектов, главным образом, крупных по площади ("наиболее холодные" вариации теплового поля), поскольку теплоѐмкость увеличивается с увеличением объѐма теплового излучения водного объекта. отличаются Повышенной населѐнные интенсивностью пункты и открытые пространства, а также садовые участки ("умеренно тѐплые" и "наиболее тѐплые" вариации теплового поля). При этом городские населѐнные пункты отличаются максимальной на данном фрагменте интенсивностью теплового излучения ("наиболее тѐплые" вариации теплового поля); в эту же группу 61 относятся некоторые открытые участки, и дифференциацию между ними провести сложно. Лесные массивы по интенсивности теплового излучения занимают промежуточный уровень ("умеренно холодные" вариации теплового поля и территории с фоновой интенсивностью теплового излучения, немного ниже средневзвешенной). К категории территорий, для которых характерна фоновая интенсивность теплового излучения, немного выше средневзвешенной, относятся дачные и коттеджные посѐлки с большим количеством древесной растительности. На квантованном осеннем изображении за 7 ноября (рис. 2.9, в) только водные объекты, выделяющиеся повышенной интенсивностью теплового излучения, идентифицируются хорошо. Что касается других объектов, их идентифицировать по данному квантованному изображению достаточно трудно. Квантованное зимнее изображение за 25 декабря (рис. 2.9, г) представляет зимнее распределение теплового поля изучаемой территории. Наименьшей интенсивностью теплового излучения отличаются участки без лесной растительности, для которых характерно интенсивное выхолаживание ("наиболее холодные" и "умеренно холодные" вариации теплового поля). Фоновой интенсивностью теплового излучения отличаются лесные массивы. Наибольшая интенсивность теплового излучения характерна для реки Истры ("умеренно тѐплые" и "наиболее тѐплые" вариации теплового поля), что, повидимому, связано с тепловым загрязнением этого водного объекта. Таким образом, для рассматриваемой местности характерны пространственно-временные вариации теплового поля следующих групп объектов: 1. Участки городской застройки. По сравнению с природными объектами, городская застройка отличается более интенсивным накоплением тепла, и, следовательно его более интенсивным излучением (за счѐт каменных строений, дорожного покрытия, а также 62 промышленных предприятий, для которых характерны выраженные теплопотери). Повышенная интенсивность теплового излучения городской застройки проявляется как в течение тѐплого сезона, так и холодного. 2. Лесные массивы характеризуются большим объѐмом растительной массы, следовательно, транспирации и для поглощения них характерны солнечной интенсивные энергии для процессы фотосинтеза. Следовательно, в течение вегетационного периода, т.е. в тѐплую часть года, лесные массивы формируют выраженные отрицательные вариации теплового поля. Важное "охлаждающее" значение имеет также затенение древесной растительностью земной поверхности. При этом, в зимнее время, когда биологические процессы растений существенно замедляются, леса не оказывают "охлаждающего" влияния; напротив, мощный растительный покров препятствует выхолаживанию территории, в результате чего лесные массивы отличаются повышенной интенсивностью теплового излучения, по сравнению с безлесными территориями. 3. Безлесные территории (луга, пустыри, сельскохозяйственные земли). Для них, в отличие от лесных массивов, характерна небольшая мощность растительного покрова, в результате чего транспирация и поглощение солнечной энергии менее интенсивны, отсутствует затенение. Поэтому в летний период, в отличие от лесных массивов, безлесные пространства характеризуются интенсивностью теплового излучения большей, чем леса. Кроме того, для отдельных типов безлесных пространств (например, пустыри, строительные площадки, распахиваемые сельскохозяйственные земли) характерна большая доля открытых грунтов, тепловые и излучательные свойства которых (особенно сухих) близки к аналогичным свойствам каменных строений. Всѐ это приводит к тому, что в летний период безлесные пространства часто проявляются как положительные вариации теплового поля. В зимний период на безлесных пространствах не сказывается препятствующий выхолаживанию эффект, характерный для лесов, с связи с 63 чем зимой безлесные пространства проявляются как отрицательные вариации теплового поля. 4. Водные объекты ведут себя аналогично водным объектам городской территории: выделяются водные объекты, подверженные интенсивному тепловому загрязнению, и не подверженные ему или подверженные в незначительной степени. Водные объекты, не подверженные тепловому загрязнению, отличаются пониженной интенсивностью теплового излучения весь год, кроме конца осени. Подверженные интенсивному тепловому загрязнению водные объекты связаны с хорошо выраженными положительными вариациями теплового поля в зимнее время. 2.4.3. Природные территории Рассмотрим результат применения операции квантования к фрагментам разносезонных тепловых космических снимков на природную территорию, а именно, на север Зейского района Амурской области, район прохождения железнодорожной магистрали Улак Эльга (рис. 2.10). Местность представляет собой южные предгорья Станового хребта с высотами до 700 м, покрытые преимущественно лиственничными лесами. 64 а) б) в) Рис. 2.10. Фрагменты квантованных изображений за 9 июня 2010 (а) и 28 августа 2010 (б), фрагмент снимка системы TM за 28 августа 2010 на ту же территорию, натуральная цветопередача (в). 65 При сопоставлении приведенных фрагментов выделяются следующие закономерности. При анализе использованы данные полевых обследований автора, проведѐнных летом 2010 года. На снимке за 9 июня (рис. 2.10, а) слабее всего излучает Зейское водохранилище, оно чѐтко выделяется на фоне всех прочих (синий цвет, "наиболее холодные" вариации теплового поля). Это связано с его большим объѐмом и пониженной температурой вод. Немного более "тѐплыми" объектами оказываются густые лиственничные и елово-лиственничные леса, а также берѐзовые леса и переходные зоны к болотным лиственничным редколесьям (голубой "умеренно холодные" вариации теплового поля, зелѐный фоновая интенсивность теплового излучения, немного ниже средневзвешенной, жѐлтый фоновая интенсивность теплового излучения, близкая к средневзвешенной, цвета). Оранжевым (фоновая интенсивность теплового излучения, немного выше средневзвешенной) и, частично, красным ("умеренно тѐплые" вариации теплового поля) цветом выделяются лиственничные маревые редколесья для них характерна меньшая мощность растительного покрова, что определяет более высокую интенсивность теплового излучения. Наиболее "тѐплые" объекты – гари и вырубки (причѐм следует отметить, что на этом снимке все лесоразработки видны особенно хорошо) выделились фиолетовым цветом ("наиболее тѐплые" тепловые аномалии). На снимке за 28 августа (рис. 2.10, б) наиболее "холодные" объекты – воды Зейского водохранилища (синий, а также голубой цвет "наиболее холодные" и "умеренно холодные" вариации теплового поля). Следует отметить, что в конце лета температура воды выше, чем в начале, что и проявилось на анализируемых фрагментах. Зелѐным цветом (фоновая интенсивность теплового излучения, немного ниже средневзвешенной) выделились лиственничные и елово-лиственничные леса. Жѐлтый (фоновая 66 интенсивность теплового излучения, близкая к средневзвешенной) и, частично, оранжевый (фоновая интенсивность теплового излучения, немного выше средневзвешенной) цвет – редколесья по долинам рек и ручьѐв. Наиболее "тѐплые" объекты – вырубки и гари – выделились красным ("умеренно тѐплые" вариации теплового поля), фиолетовым ("наиболее тѐплые" вариации теплового поля) и, частично, оранжевым (фоновая интенсивность теплового излучения, немного выше средневзвешенной) цветом. К сожалению, нет возможности проанализировать зимние снимки на данную территорию. Однако из этого небольшого анализа следует, что основным географическим фактором, влияющим на гетерогенность теплового поля этой местности, является рельеф. Важное значение имеет также мощность и структура растительного покрова, тесно связанная с особенностями рельефа. Выводы Анализ квантованных изображений различных территорий позволяет прийти к следующим заключениям. 1. Независимо от сезона года на тепловых снимках разделяются группы географических объектов, а именно: участки растительного покрова разных типов, водные объекты, населѐнные пункты и их внутренняя структура. В пределах этих групп наблюдается сезонная изменчивость различных объектов, вариации которой могут служить индикаторами их свойств. 2. В сезонной изменчивости различных географических объектов можно отметить закономерности, которые связаны со свойствами этих географических объектов (мощность растительного покрова, плотность городской застройки, интенсивность теплового загрязнения водных объектов и т.п.), т.е. сезонная изменчивость интенсивности теплового излучения может служить дешифровочным признаком этих свойств. 67 3. Кроме того, нужно отметить, что тепловое поле местностей различных типов (антропогенных, природных и природно-антропогенных) обладает существенной гетерогенностью, которая в каждом конкретном случае обуславливается разными причинами. Очевидно, что в случае природных территорий это природные факторы; в случае антропогенных – велико значение антропогенных факторов; в случае природно-антропогенных территорий наблюдается совокупность факторов. При квантовании изображений чѐтко выделяется фон и аномалии теплового поля местности, как положительные (интенсивность теплового излучения выше фона), так и отрицательные (интенсивность теплового излучения ниже фона). 2.5. Географические факторы теплового поля и его изменчивости Автором проанализировано большое количество тепловых космических снимков разных сенсоров на различные территории (съѐмочные системы TM, ETM+, TIRS, ASTER; территории городские: Москва, Киев, Нижний Новгород, Астрахань, Норильск и мн. др.; природные: север Московской обл., Зейский район Амурской обл., Быстринский район Камчасткого края, Южно-Курильский район Сахалинской обл., Мухоршибирский район Республики Бурятия и мн. др.), а также литературы, посвящѐнной свойствам тепловых снимков и особенностям информации, отображающейся на них [Jensen, 2000; Campbell et al., 2011] что позволяет утверждать следующее. Для любой территории можно наблюдать неоднородность распределения яркостной температуры (а, следовательно, интенсивности теплового излучения). Интенсивность теплового излучения объектов земной поверхности определяется их физическими и химическими свойствами, либо свойствами материалов, из которых они изготовлены (в случае антропогенных объектов), а также особенностями биохимических процессов (суммарная транспирация, изменение интенсивности процессов фотосинтеза и т.п.), которыми характеризуются объекты (в случае 68 природных объектов). Распределение интенсивности теплового излучения на некоторой территории зависит, помимо интенсивности прямого солнечного излучения, от следующих факторов. 1. Распределение водных объектов и влажность грунтов. Вода обладает высокой теплоѐмкостью. Водные объекты и объекты повышенной влажности медленнее, чем сухие объекты, реагируют на изменения температуры воздуха и интенсивности прямого солнечного излучения. Таким образом, при увеличении температуры воздуха, сухие объекты излучают сильнее, чем вода и увлажнѐнные объекты. Наоборот, при падении температуры воздуха, сухие объекты излучают слабее, чем вода и увлажнѐнные объекты. Отсюда следует такое явление, как пониженная интенсивность теплового излучения водных объектов на снимках, полученных в весенний период, а также повышенная интенсивность теплового излучения водных объектов на снимках, полученных в осенний период (особенно в предзимье). 2. Обилие растительности (мощность растительного покрова). Как и водные объекты, растительность хорошо опознаваема на тепловых космических снимках. В период активной вегетации растительность накапливает влагу, транспирирует (часто в таком случае говорят о так называемом суммарном испарении, т.е. испарении влаги с поверхности растений и транспирации влаги растениями), понижая свою температуру, кроме того, растения слабо поглощают солнечное излучение в тепловом инфракрасном диапазоне. Это приводит к тому, что в период активной вегетации растения отличаются пониженной интенсивностью теплового излучения. Ещѐ одной особенностью растительности (это касается главным образом лесной растительности) является формирование особого микроклимата, с которым связано препятствие активному выхолаживанию земной поверхности в зимнее время и затенение земной поверхности в летнее. Следовательно, на снимках, полученных в зимнее время, территории лесов выделяются повышенной интенсивностью теплового излучения по 69 сравнению с безлесными территориями (лугами, сельскохозяйственными полями); на снимках, полученных в летнее время наоборот. При этом, чем обильнее растительный покров, тем сильнее проявляются указанные особенности. Следует отметить, что все вышеприведенные утверждения справедливы в первую очередь для здоровой растительности. При наличии болезней и других дефектов смягчающее влияние растительности снижается. 3. Наличие антропогенных объектов, сделанных из плотных материалов с низкой теплоѐмкостью. Речь идѐт в первую очередь о таких материалах, как асфальт, бетон и железобетон, камень и тому подобных. Из таких материалов построена большая часть антропогенных объектов (жилые дома, производственные транспортные магистрали). помещения, Такие общественно-деловые объекты обладают очень центры, низкой теплоѐмкостью, то есть они способны очень интенсивно накапливать солнечную энергию и очень интенсивно излучать. Следовательно, в тѐплое время года такие объекты будут отличаться повышенной интенсивностью теплового излучения. При прочих равных условиях, чем выше площадь поверхности таких объектов, тем интенсивнее будет излучение. 4. Тепловое загрязнение (выделение антропогенного тепла). Поскольку на тепловых космических снимках находит отображение тепловое излучение поверхности, мы в данном случае не рассматриваем тепловое загрязнение атмосферного воздуха. Тепло вырабатывается во время производственного процесса во многих отраслях промышленности. Это влияет на повышение интенсивности теплового излучения заводских корпусов, прилегающих территорий, а также водных объектов, куда производится сброс промышленных вод. К тепловому загрязнению можно отнести и влияние центрального отопления на интенсивность теплового излучения зданий. В зимнее время жилые районы отличаются повышенной интенсивностью теплового излучения, хотя она не настолько велика, как интенсивность 70 теплового излучения других связанных с центральным отоплением объектов – теплоэлектроцентралей (ТЭЦ). 5. Собственное излучение Земли в областях проявления современного вулканизма, а также неравномерность интенсивности теплового излучения, связанная с геологическими особенностями территории. Источники собственного теплового излучения Земли чаще всего бывают представлены в трѐх видах: сольфатары, т.е. приуроченные к отверстиям в поверхности Земли – фумаролы – испарения сернистого газа, воды и углекислого газа; геотермальные источники, т.е. выходы на земную поверхность подземных вод повышенной температуры; вулканические извержения. Скопления сольфатар образуют сольфатарные поля, лишѐнные растительного покрова из-за ядовитых газов, что также влияет на повышение интенсивности теплового излучения этих объектов. Геотермальные источники формируют водные объекты (водотоки и водоѐмы), характеризующиеся повышенной температурой воды природного происхождения. В зависимости от размеров этих водных объектов, а также температуры вод в них, приуроченные к ним участки повышенной интенсивности теплового излучения, различаются по размерам и степени выраженности. Скопления геотермальных источников образуют группы горячих источников. Извержения вулканов охватывают большие площади и серьѐзно преобразуют окружающий ландшафт. Неоднородности теплового поля территории могут быть связаны с особенностями геологического строения территории месторождения некоторых минералов характеризуются повышенным потоком теплового излучения, кроме того, это может быть собственное тепло Земли без конкретных локальных выходов, например, в зонах разломов. 6. Рельеф и экспозиция склонов. Как уже было сказано, большое значение для поверхности интенсивности имеет теплового интенсивность излучения прямого объектов солнечного земной излучения. Распределение интенсивности прямого солнечного излучения сильно зависит 71 от экспозиции склонов: склоны северной экспозиции получают меньше радиации, чем южные. Это проявляется и в изображении расчленѐнной местности на тепловых снимках, хотя и в существенно меньшей степени, чем на снимках в видимом и ближнем инфракрасном диапазоне. Зимой в антициклональную погоду в понижениях рельефа скапливается холодный воздух, который охлаждает земную поверхность, находящуюся с ним в контакте. Поэтому на зимних тепловых снимках к понижениям рельефа могут быть приурочены локальные участки пониженной интенсивности теплового излучения. Таким образом, интенсивность теплового излучения определяется, в конечном итоге, географическими факторами. Это распределение по исследуемой территории антропогенных объектов, неоднородности растительного покрова и грунтов, распределение водных объектов, участков проявления современного вулканизма. Совокупность указанных факторов тесно связана со структурой геосистем (природных территориальных комплексов) различного иерархического ранга. Резюмируем особенности сезонной динамики теплового поля равнинной или среднегорной территории умеренного пояса, выявленные по результатам анализа приведѐнных в предыдущем параграфе материалов. Зимой для природных объектов территории в целом характерны слабые контрасты интенсивности теплового излучения. Интенсивность теплового излучения залесѐнных территорий несколько выше интенсивности теплового излучения открытых безлесных пространств за счѐт того, что лесной массив препятствует выхолаживанию земной поверхности. Водные объекты покрыты льдом и снегом, так же, как и безлесные пространства, поэтому интенсивность их теплового излучения в целом одинаковая, за исключением дней с антициклональной безветренной погодой, когда формируется атмосферная инверсия, и в долинах и понижениях скапливается холодный воздух, уменьшающий интенсивность 72 теплового излучения земной поверхности. Выявлено, что хорошо дешифрируются антропогенные объекты, выделяющиеся за счѐт повышенной интенсивности теплового излучения, связанной с наличием центрального отопления (собственно отапливаемые жилые кварталы и, в особенности, теплоэлектроцентрали); производственные объекты, для которых характерно выделение большого количество тепла в процессе производства; водные объекты, подверженные интенсивному тепловому загрязнению, например, сбросу сточных или производственных вод. Участки повышенной интенсивности теплового излучения, связанные с выделением внутреннего тепла Земли, обычно хорошо распознаются на зимних тепловых снимках благодаря существенному контрасту интенсивности теплового излучения источников тепла и окружающей местности. Для весны характерно повышение интенсивности прямого солнечного излучения, сход снежного покрова и начало вегетационного периода. Контрасты интенсивности теплового излучения различных участков поверхности увеличиваются. Выявлено, что среди природных объектов повышенной интенсивностью теплового излучения выделяются оголѐнные участки почвы, т.к. растительный покров на них ещѐ недостаточно развит для смягчения нагрева почвы и, соответственно, интенсивности еѐ излучения. Лесные массивы выделяются пониженной относительно безлесных территорий интенсивностью теплового излучения, хотя разница ещѐ не настолько велика, как это будет летом. Водные объекты, характеризующиеся повышенной теплоѐмкостью, отличаются пониженной интенсивностью теплового излучения, т.к. не успевают прогреться после холодного зимнего периода. Для антропогенных объектов характерно увеличение интенсивности теплового излучения каменных строений (за счѐт нагрева от прямой солнечной радиации), загрязнѐнные водные объекты всѐ так же хорошо распознаются. Участки выходов внутреннего тепла Земли распознаются 73 весьма хорошо за счѐт слабой подпитки горячих источников грунтовыми водами и отсутствия охлаждающего влияния снежного покрова. Летом в умеренном поясе идѐт активная вегетация, наблюдается годовой максимум интенсивности прямой солнечной радиации. Контрасты интенсивности теплового излучения объектов также максимальны. Выявлено, что среди природных объектов лесные массивы отличаются существенно пониженной интенсивностью теплового излучения и формируют своеобразные "острова прохлады", им противостоят участки оголѐнного грунта, безлесные территории, в первую очередь, сельскохозяйственные поля. За счѐт меньшей мощности растительного покрова и значительной интенсивности прямого солнечного излучения, они прогреваются существенно сильнее лесов. Особенно значительной интенсивностью теплового излучения отличаются участки открытого грунта. Наблюдается дифференциация растительного покрова по интенсивности теплового излучения в зависимости от его мощности, влажности, сомкнутости, общего состояния (угнетѐнность, повреждѐнность). Водные объекты, в первую очередь, крупные, сохраняют пониженную интенсивность теплового излучения. Среди антропогенных объектов повышенной интенсивностью теплового излучения отличаются каменные строения, в особенности, в пределах промышленных зон, где отсутствует или незначительна древесная растительность. Сбросы сточных или промышленных вод распознаются, но хуже, чем весной и зимой, за счѐт слабого отличия температур от естественного фона. Участки выходов внутреннего тепла Земли распознаются плохо их трудно отделить от неоднородностей теплового поля, связанных с ландшафтными факторами. Осенью происходит ослабление интенсивности прямой солнечной радиации, понижение температуры воздуха, конец вегетационного периода, в конце осени установление снежного покрова. В целом характерна такая же величина контрастов на местности, как и в случае весны. Выявлено, что из 74 всех объектов существенно выделяются повышенной интенсивностью теплового излучения крупные водные объекты. За счѐт повышенной теплоѐмкости воды, водные объекты не успевают быстро среагировать на ослабление интенсивности прямой солнечной радиации, поэтому в предзимье складывается, казалось бы, парадоксальная ситуация: водные объекты характеризуются самой высокой интенсивностью теплового излучения на рассматриваемой территории, опережая даже некоторые антропогенные объекты, причѐм, чем крупнее водный объект, тем выше его теплоѐмкость, и, следовательно, выше интенсивность теплового излучения. Осенью неплохо видна гетерогенность растительного покрова территории за счѐт различий в сроках окончания вегетации у разных видов растений. Леса в целом характеризуются пониженной интенсивностью теплового излучения. Хорошо выделяются безлесные территории и, особенно, сельскохозяйственные поля и участки открытого грунта интенсивность их теплового излучения повышена. Распределение интенсивности теплового излучения антропогенных объектов схоже с весенней ситуацией повышена интенсивность теплового излучения каменных строений, ближе к зиме хорошо распознаются теплоэлектроцентрали и отапливаемые жилые кварталы. Участки выходов внутреннего тепла Земли распознаются лучше, чем летом. Следует отметить, что амплитуды интенсивности теплового излучения объектов земной поверхности в сезонном ходе существенно больше, чем в суточном. Проведенный анализ особенностей изображения объектов на тепловых снимках участков, находящихся в разных природных зонах, с разным соотношением природных и антропогенных территорий показывает, что наиболее информативным для изучения природных территориальных комплексов является массив снимков, отражающий сезонную динамику интенсивности теплового излучения. 75 Выводы Итак, тепловое поле земной поверхности обладает высокой сезонной динамичностью, поэтому наиболее информативным и эффективным мы считаем исследование природных и антропогенных геосистем по разносезонным тепловым космическим снимкам. Анализ отображения природных и антропогенных территорий на тепловых снимках позволил сделать следующие выводы. 1. Независимо от сезона года на тепловых снимках выделяются группы географических объектов, различающиеся по своим тепловым и излучательным свойствам. Распределение этих географических объектов тесно связано с основными географическими факторами: географическая широта, континентальность климата, рельеф (абсолютная высота, экспозиция, угол наклона склона). 2. В сезонной изменчивости различных географических объектов можно отметить закономерности, которые связаны со свойствами этих объектов, т.е. сезонная изменчивость интенсивности теплового излучения служит дешифровочным признаком этих свойств. 3. Тепловое поле местностей различных типов (антропогенных, природных и природно-антропогенных) обладает существенной гетерогенностью, которая в каждом конкретном случае обуславливается несколько разными факторами – антропогенными, природными или их совокупностью. Отсюда вытекает важное положение: одиночный тепловой космический снимок фиксирует тепловое поле местности в некоторый момент времени, что ограничивает возможности его применения для изучения природных и антропогенных геосистем, в то время как совокупность тепловых космических снимков, полученных в разные сезоны года, позволяет выявлять особенности динамики интенсивности теплового 76 излучения различных природных территориальных комплексов и, на основе этого, выявлять их свойства. 77 ГЛАВА 3. РАЗРАБОТКА МЕТОДИКИ ДЕШИФРИРОВАНИЯ РАЗНОСЕЗОННЫХ ТЕПЛОВЫХ КОСМИЧЕСКИХ СНИМКОВ 3.1. Многовременной снимок, временной образ как дешифровочный признак В нашей работе набор сопоставимых разновременных (в том числе разносезонных) снимков мы будем называть многовременным снимком. Применительно к тепловому инфракрасному диапазону набор сопоставимых разновременных космических тепловых снимков назовѐм многовременным тепловым космическим снимком. Многовременной снимок представляет собой массив данных, где каждой точке земной поверхности можно поставить в соответствие вектор x = (b1, b2, ..., bi), где bi яркости на разновременных снимках. Важно, что номер строки и столбца и географические координаты каждого пиксела разносезонных снимков, входящих в многовременной, должны совпадать. Наше определение несколько отличается от предложенного ранее Ю.Ф. Книжниковым [Книжников и др., 1991]: "Совокупность единовременного снимка и динамического ряда сопоставимых снимков одного и того же объекта по аналогии с многозональным многовременным снимком"3. снимком Укажем мы также предлагаем важные именовать положения о многовременном снимке, представленные в [Книжников и др., 1991] и важные для нашей работы: "Как средство познания динамики это [многовременной снимок] не простая сумма снимков, его составляющие взаимодополняемы. В самом деле, временная закономерность изменения явления или процесса, ход его развития фиксируются разновременными снимками, которые, что очень важно, позволяют оценить темп динамики. 3 [Книжников и др., 1991], стр. 7. 78 Однако пока временной охват явлений, исследуемых с помощью разновременных снимков, не так велик: он ограничен десятилетиями. Одномоментные снимки, входящие в многовременный, представляют собой статичные срезы динамического явления, фиксируя его динамическое состояние, его морфологическую структуру на определѐнном этапе развития"4. Здесь важно указание на то, что одномоментные снимки, входящие в состав многовременного, должны быть подобраны таким образом, чтобы отражать состояние явления или процесса на определѐнном этапе изменений. Таким образом, при изучении динамического явления по разновременным снимкам важно понять этапы его изменений и подобрать снимки в соответствии с этими этапами. Как было показано в гл. 2, сезонная динамика интенсивности теплового излучения объектов тепловых космических применения проявляется снимках. многовременных на многовременных Известны снимков с примеры разносезонных практического использованием других спектральных каналов, чаще ближнего инфракрасного, как наилучшим образом представляющего контрасты вода‒суша и состояние растительного покрова [Рамазанова, 2012], однако использование многовременных тепловых разносезонных в настоящей работе предлагается впервые. "При сопоставительном дешифрировании многовременных снимков выявляются изменения, происходящие за период между съѐмками. Причѐм закономерности временных изменений географических объектов могут быть их дешифровочными признаками"5. В случае многовременного теплового космического снимка каждой точке земной поверхности можно поставить в соответствие не одно значение яркости теплового снимка, а массив значений, в котором количество значений определяется количеством исходных 4 там же, стр. 8. 5 там же, стр. 81. 79 снимков. Такой массив значений В.И. Кравцова предложила назвать временным образом (по аналогии со спектральным образом) [Книжников и др., 1991]. Временной образ может быть представлен как некоторый интегральный признак, в котором содержится информация об интенсивности теплового излучения объекта на всех снимках, составляющих многовременной. Временной образ отражает свойства объектов земной поверхности, проявляющиеся в особенностях из динамических изменений, и поэтому может быть использован как дешифровочный признак. Очевидно, что различия временных образов указывают на различия в физических, химических и биохимических свойствах географических объектов и природных территориальных дешифровочного признака комплексов. особенно "Использование актуально для этого объектов, характеризующихся регулярной сменой состояний, отражающейся на снимках"6. В случае разносезонных тепловых космических снимков временной образ может быть представлен как отражение сезонной динамики интенсивности теплового излучения природных комплексов. Несмотря на то, что данное понятие введено более 20 лет назад и широко применяется в аэрокосмических методах географических исследований в целом, применительно к тепловым космическим снимкам оно практически не используется, несмотря на его очевидную научную ценность. Многовременные снимки используются в географической науке для изучения ландшафтов [Книжников, 1985; Гуня, 1990; Гуня, 2010], городских территорий [Stewart, 2009]. Однако само понятие "временной образ" в работах используется редко. Ещѐ реже для исследования территорий применяются многовременные тепловые снимки, хотя примеры таких работ известны [Bechtel et al., 2012]. В этих работах многовременные тепловые 6 там же, стр. 81. 80 снимки, в совокупности с другими материалами, используются для выделения так называемых зон однородного местного климата local climate zones. Однако здесь, во-первых, многовременные снимки не являются основным исходным материалом, а во-вторых, не указана необходимость применения разносезонных снимков и не разработаны критерии отбора разносезонных снимков для выделения зон однородного местного климата, в то время как, на наш взгляд, именно обоснованный выбор снимков является основой достоверного выделения таких географических объектов. Для многих объектов, например, растительных сообществ, оправданность использования временного образа как дешифровочного признака довольно очевидна, т.к. особенности изменений фаз вегетации (проявляющиеся на тепловых снимках) сильно зависят от видового состава растительности, степени еѐ повреждѐнности, приуроченности к местообитаниям, которая, в свою очередь, часто определяет мощность растительного покрова, его сомкнутость и т.п. [Hansen et al., 2002]. Пример антропогенных объектов с чѐтко выраженным характером сезонной динамики интенсивности теплового излучения – ТЭЦ, которые отличаются повышенной интенсивностью теплового излучения зимой и практически не проявляются как тепловые аномалии в тѐплый период; обрабатываемые сельскохозяйственные земли, отличающиеся повышенной интенсивностью теплового излучения весной и осенью, средней летом и пониженной зимой. В литературе подтверждается эффективность использования разносезонных снимков для выявления комплексов географических объектов [Мелентьев и др., 2013] (в данном случае выявление экосистем на примере разносезонных дистанционных данных СВЧ-диапазона). Процесс создания многовременного разносезонного теплового космического снимка выглядит следующим образом. Разносезонные снимки с помощью специального программного обеспечения располагаются в порядке смены сезонов без учѐта года съѐмки, т.к. мы подбираем снимки с 81 учетом минимальности (или полного отсутствия) несезонных различий. Тем не менее, каждую исследуемую территорию необходимо исследовать на предмет значительности многолетних изменений и при их наличии исключить подвергшиеся изменениям территории из дальнейшего анализа. Следует исключать из анализа и снимки, полученные в период аномальных погодных условий. Далее из снимков формируется "многослойный" файл в одном из растровых форматов, поддерживающих такую функцию (например, GeoTIFF или LAN). Для визуализации временного образа удобно использовать так называемый график временного образа, на котором по горизонтальной оси отложены даты съѐмки, а по вертикальной – значения яркостей (рис. 3.1). Значения яркостей могут быть даны как для отдельных пикселов (временной образ точки или объекта), так и для кластеров по результатам кластеризации или контролируемой классификации (временной образ кластера, берутся средние значения яркости кластеров). Такие графики отражают особенности сезонной динамики интенсивности теплового излучения различных объектов. Рис. 3.1. Графики временных образов некоторых объектов на территории Нижнего Новгорода (1 промышленные объекты; 2 жилые районы; 3 городские леса; 4 водные объекты). 82 Выводы Итак, из определения многовременного снимка вытекает определение временного образа как дешифровочного признака географических объектов и природных территориальных комплексов. Мы определяем временной образ географического объекта или природного территориального комплекса как совокупность яркостей, соответствующих географическому объекту или природному территориальному комплексу, на разновременных снимках. В случае с тепловыми космическими снимками он отражает динамику интенсивности теплового излучения Понятие временного образа применительно к тепловым космическим снимкам до сих пор не используется, хотя очевидна его эффективность. 3.2. Критерии выбора снимков для создания многовременного разносезонного теплового снимка. Важнейшим этапом методики дешифрирования многовременных разносезонных тепловых космических снимков является выбор разносезонных снимков для изучения тепловых и излучательных свойств природных территориальных комплексов. От выбранных снимков зависит качество результата. В связи с этим, определение критериев выбора исходных снимков является очень важным этапом разработки методики. Первый критерий используемые снимки должны характеризоваться максимально возможным пространственным разрешением для выявления геосистем самого низкого иерархического уровня, площадь которых может составлять десятки квадратных метров [Николаев, 2006]. Таким пространственным разрешением характеризуются тепловые снимки с ресурсных спутников. Так, на сегодня максимальное пространственное разрешение среди тепловых космических снимков, имеющихся в открытом доступе – 60 м. Таким пространственным разрешением характеризуются снимки системы ETM+, работающей на спутнике Landsat-7. Снимки системы 83 ASTER, установленной на спутнике Terra, характеризуются пространственным разрешением 90 м, снимки недавно запущенного спутника Landsat-8 (система TIRS) характеризуются пространственным разрешением 100 м, снимки системы TM, до середины 2012 года работавшей на спутнике Landsat-5, характеризуются пространственным разрешением 120 м. Второй важный критерий отсутствие искажений яркостной температуры на используемых тепловых космических снимках. Такие искажения могут быть внесены атмосферными явлениями облаками, туманом, дымкой. Если при визуальном дешифрировании снимков в видимом диапазоне наличие дымки часто не является помехой, в случае тепловых снимков дымка существенно искажает интенсивность теплового излучения объектов, оказавшихся под еѐ покровом. Для тумана и облачного покрова искажения ещѐ сильнее. Итак, второй критерий полное отсутствие облачного покрова (как облачности нижних слоѐв, хорошо дешифрируемых в видимом диапазоне, так и облачности верхних слоѐв, которая хорошо дешифрируется в тепловом), тумана и дымки на используемых снимках. Следует отметить, что полностью безоблачные снимки на большие территории найти сложно; особенно это имеет отношение к регионам, для которых более характерна пасмурная, нежели ясная погода. Отсюда вытекает важное ограничение нашей методики исследовать по разносезонным тепловым снимкам районы, для которых характерна облачная погода, сложно ввиду недостатка снимков. Для районов с морским климатом найти подходящие снимки на большие территории становится вообще проблематично. Следовательно, при поиске и отборе снимков высока вероятность столкнуться с ситуацией, когда подобрать разносезонные снимки в рамках одного года невозможно. В этом случае следует подбирать снимки соседних лет с обязательным учѐтом и анализом многолетних 84 изменений теплового поля изучаемой местности. Если изменения значительны, такие снимки следует исключать из дальнейшей обработки. Стоит также отметить, что съѐмочная система ASTER производит съѐмку в режиме "on demand", т.е. на кокретные запрашиваемые территории, следовательно, выбор снимков этой системы ограничивается ещѐ и этим обстоятельством. С другой стороны, при учѐте критерия безоблачности снимков, все используемые тепловые снимки отображают состояние местности, свойственное антициклоническому типу погоды, для которого характерна ясная погода с максимальным для каждого сезона приходом прямой солнечной радиации, морозной погодой в зимнее время и жаркой в летнее, значительными суточными амплитудами температуры воздуха; особенно важным является интенсивный нагрев объектов исследуемой местности солнечным излучением это даѐт усиленные контрасты в изображении объектов на тепловых снимках. Используемые снимки должны обладать максимальной информативностью. Известно, что максимум теплового излучения Земли приходится на интервал 1012 мкм, т.е. собственное излучение большинства объектов земной поверхности приходится на этот диапазон. Следовательно, тепловые снимки именно в этом диапазоне будут содержать максимум информации об объектах земной поверхности, собственное излучение которых они регистрируют. Таким образом, третий критерий используемые тепловые космические снимки должны быть получены в спектральном диапазоне 1012 мкм. Системы TM и ETM+ фиксируют тепловые снимки в диапазоне 10,412,5 мкм (В6); система TIRS в диапазонах 10,611,2 мкм (B10) и 11,512,5 мкм (B11); система ASTER в диапазонах 8,1258,475 (B11), 8,4758,825 (B12), 8,9259,275 (B13), 10,25010,950 (B14), 10,95011,650 (B15) мкм. Таким образом, снимки систем TM, ETM+ и TIRS 85 полностью удовлетворяют данному критерию, равно как и 14 и 15 каналы системы ASTER. Важно иметь в виду, что чем больший архив сопоставимых снимков мы имеем, тем больший объѐм данных можем анализировать, тем больше возможностей выбора подходящих сцен. Следовательно, ещѐ одним критерием является объѐм архива сопоставимых снимков. Система TM впервые заработала в 1982 году на спутнике Landsat-4 и закончила работать в июне 2012 года на спутнике Landsat-5. Система ETM+ работает с апреля 1999 года, и до мая 2003 года работала бесперебойно; с конца мая 2003 года по настоящее время получает снимки с пропусками данных. Следует отметить, что снимки систем TM и ETM+ сопоставимы радиометрически, спектрально и геометрически, т.к. имеют одинаковое радиометрическое разрешение (8 бит), одинаковый спектральный диапазон и кратный размер пиксела (60 × 60 м для ETM+ и 120 × 120 м для TM). Система ASTER получает снимки с февраля 2000 года по настоящее время; радиометрическое разрешение получаемых снимков 12 бит. Система TIRS функционирует с февраля 2013 года по настоящее время, радиометрическое разрешение снимков 12 бит. Следовательно, наибольший объѐм полностью сопоставимых данных, обеспеченный работой систем TM и ETM+ около 30 лет спутниковой съѐмки. Чтобы создать многовременной снимок, составляющие его одномоментные снимки должны быть сопоставимы геометрически (т.е. иметь одинаковое или кратное и близкое пространственное разрешение), радиометрически (т.е. иметь одинаковое радиометрическое разрешение), спектрально (т.е. они должны быть получены в одном и том же спектральном диапазоне), по времени (т.е. они должны быть получены в одно и то же время суток). Что касается временной сопоставимости, то для еѐ реализации необходимо использовать снимки, полученные со спутников, находящихся на солнечно-синхронных орбитах. Это относится ко всем рассматриваемым в 86 данном разделе съѐмочным системам (TM, ETM+, TIRS, ASTER), причѐм снимки всех этих систем сопоставимы по времени, т.е. на одну и ту же территорию снимки регистрируются в близкие значения времени UTC (расхождения во времени съѐмки могут быть в пределах 20 минут). Однако с помощью тепловых снимков с ресурсных спутников невозможно исследовать суточную динамику географических объектов. Так, спутники серий Landsat и Terra работают на солнечно-синхронных орбитах, т.е. над некоторой точкой земной поверхности спутник пролетает в одно и то же время UTC (всемирного координированного времени). При выборе тепловых космических снимков для формирования многовременного разносезонного снимка важным условием является как можно более полное отражение одномоментными снимками сезонных изменений, т.е. ряд снимков должен равномерно охватывать все сезоны. Здесь следует отметить, что равномерность ряда снимков – понятие относительное, и она может варьироваться в зависимости от особенностей территории исследования. По результатам анализа тепловых снимков различных природных и антропогенных территорий выявлено, что в зимний период различия в интенсивности теплового излучения разных объектов как в городской среде, так и в природной, весьма малы, поэтому число снимков для зимнего периода может быть меньшим, чем для летнего. Так, при исследовании районов с продолжительной зимой, например, в Заполярье, общее количество снимков в ряду будет меньшим, чем при исследовании территории в средней полосе России или южнее. Приходится также учитывать особенности смены сезонов и их продолжительность в разных регионах, поскольку снимки, полученные в период наиболее активной вегетации, являются самыми информативными при оценке влияния на тепловое излучение растительного покрова. Удачно составленный временной ряд разносезонных снимков позволяет получить наиболее информацию о динамике теплового поля изучаемой территории. 87 полную Имея в виду все эти критерии, нельзя не отметить важное ограничение методики. Из требования отсутствия облачного покрова следует необходимость отбора снимков, полученных в антициклональную погоду. Однако для многих территорий в умеренных широтах полное отсутствие облачности наблюдается крайне редко. Выводы Итак, для формирования ряда снимков необходимо осуществить отбор разносезонных снимков в соответствии с обозначенными критериями, а именно: 1. Максимально возможное пространственное разрешение. 2. Отсутствие облачного покрова всех ярусов. 3. Спектральный диапазон 10 - 12 мкм. 4. Радиометрическая, спектральная, геометрическая, временная сопоставимость. 5. Как можно более полное отражение одномоментными снимками сезонных динамических изменений. Наилучшим образом данным критериям соответствуют снимки со спутников серии Landsat, а также снимки системы ASTER спутника Terra. При невозможности подбора разносезонных снимков за один сезон следует использовать снимки соседних лет, на которых отсутствуют существенные многолетние изменения теплового поля. 3.3. Исследование возможностей выявления тепловой структуры местности по многовременным тепловым снимкам С учѐтом указанных критериев мы можем подбирать разносезонные тепловые снимки для изучения различных территорий: природных, природно-антропогенных, антропогенных. Из отобранных разносезонных тепловых снимков мы можем сформировать многовременной тепловой 88 снимок, представляющий один "многослойный" файл. Такой файл состоит из разносезонных снимков (желательно, не менее 5), каждый снимок представляет собой закодированные уровнями яркости значения интенсивности теплового излучения (при радиометрическом разрешении 8 бит уровней яркости будет 28 = 256). При этом интервал значений яркостей изменяется в зависимости от сезона, в который получен снимок – для холодной части года значения будут смещены ближе к нулю, для тѐплой – ближе к 256. Разносезонные снимки в этом файле должны быть расположены в порядке смены сезонов без учѐта года съѐмки (для того, чтобы графики временных образов были репрезентативными и читаемыми), т.к. мы предполагаем, что многолетние изменения менее значительны, чем сезонные (снимки со значительными многолетними изменениями, например, из-за гарей, антропогенной застройки, стихийных бедствий, не должны включаться в анализ в соответствии с критериями, обозначенными в п. 3.2.). Поскольку в условиях отбора разносезонных снимков указана обязательная сопоставимость снимков (пространственная, радиометрическая, временная, геометрическая), пикселы разносезонных снимков в многовременном полностью совпадают по своему положению, и размеру. За счѐт реализации радиометрической и временной сопоставимости мы можем сопоставлять значения яркости этих пикселов. Мы можем оперировать исходными значениями яркостей, тогда график временного образа будет отражать годовой ход интенсивности теплового излучения анализируемого объекта (рис. 3.1) либо нормировать значения яркости снимка с учѐтом температуры воздуха в день съѐмки (путем вычитания минимального значения уровня яркости для каждого из разносезонных снимков) тогда график временного образа будет отражать величину отклонения от среднестатистического значения яркости на каждом разносезонном снимке. От последнего варианта в итоговом варианте методики было решено отказаться из-за его ненаглядности и сложности, однако он был использован при исследовании 89 тепловой структуры севера Московской области, которое анализируется ниже. Для реализации дешифровочного использования признака временного географических образа объектов и в качестве геосистем, воспользуемся операцией кластеризации (неконтролируемой классификации) многовременного снимка. Наиболее распространѐнный способ кластеризации метод ISODATA (Iterative Self-Organizing Data Analysis Technique). Он предназначен для разделения заданного множества образов (в данном случае точек x-мерного пространства, где x количество исходных разносезонных снимков) на подмножества (кластеры), связанные определенным свойством (условием близости точек по геометрическому расстоянию). Выполним указанную кластеризацию на примере многовременных снимков пригородной и городской территорий, что необходимо для выбора параметров обработки снимков. 3.3.1. Городские территории Рассмотрим результаты кластеризации фрагмента многовременного теплового космического снимка системы ETM+, составленного из 10 разносезонных снимков за 1999–2003 гг. на территорию Москвы. Проведена кластеризация на 2, 3, 4, 5 кластеров (рис. 3.2). 90 Рис. 3.2. Результаты кластеризации многовременных тепловых космических снимков системы ETM+ на территорию Москвы с выделением 2 кластеров (а), 3 кластеров (б), 4 кластеров (в), 5 кластеров (г) и временные образы полученных кластеров (цвет графика совпадает с цветом кластера). 91 При выделении в результате проведения операции неконтролируемой классификации 2 кластеров наблюдается выделение на территории Москвы двух типов геосистем: городских лесов совместно с водными объектами (эти геосистемы выделены синим цветом) и городской застройки (выделена жѐлтым цветом). Это означает, что на обрабатываемом многовременном разносезонном тепловом снимке наибольшие различия по временным образам наблюдаются для природных и антропогенных геосистем. При увеличении числа кластеров до 3 среди городской застройки выделяются жилые районы (жѐлтый цвет) и нежилая застройка (красный цвет). Таким образом, среди антропогенных геосистем наибольшая дифференциация наблюдается между жилыми и нежилыми городскими районами, различия между природными геосистемами в городе слабее. При выделении 4 кластеров среди нежилой застройки выделяются промышленные объекты (красный цвет) и прочие, например, зоны транспорта (коричневый цвет). В случае с выделением 5 кластеров происходит разделение городских лесов (зелѐный цвет) и водных объектов (синий цвет). Разделение природных геосистем по сезонной динамике интенсивности теплового излучения происходит, когда дифференциация антропогенных геосистем уже весьма велика. Результаты показывают, что тепловая структура позволяет выявить геосистемы, отличающиеся по ведущему фактору их функционирования. При выделении 2 кластеров мы получаем 2 принципиально различающихся геосистемы на территории города, первая из которых (городские леса и водные объекты) представлена объектами преимущественно природного происхождения, а вторая объектами преимущественно антропогенного (городская застройка). При увеличении числа кластеров ранг выделяемых геосистем уменьшается среди городской застройки выделяются жилые и нежилые районы, существенно различающиеся по своим функциям, характеру застройки, обилию растительности. Затем выделяются переходные 92 геосистемы от геосистем нежилых районов к геосистемам жилых. Наконец, выделяются водные объекты отдельно от городских лесов. Тот факт, что сперва происходит выделение антропогенных геосистем, говорит о том, что на изучаемой территории преобладают антропогенные геосистемы, а природные имеют подчинѐнное значение. 3.3.2. Природные и пригородные территории Рассмотрим результаты неконтролируемой классификации многовременного теплового снимка (снимок тот же, что и в предыдущем разделе, но другой фрагмент) на территорию севера Московской области (части Талдомского, Дмитровского и Солнечногорского районов). Для района характерно сочетание лесных массивов, обрабатываемых сельскохозяйственных земель, безлесных территорий, населѐнных пунктов. Использованы следующие параметры кластеризации: количество исходных снимков 10, сходимость 99%, минимальный размер кластера 50 пикселов; количество кластеров от 2 до 17. Исследуемый район можно разделить на две части: возвышенную и низменную. На юге простирается восточная оконечность СмоленскоМосковской моренно-эрозионной возвышенности, представленная КлинскоДмитровской грядой, которая сложена известняками, глинами и песчаниками, перекрытыми ледниковыми отложениями. Рельеф холмисто грядовый, средняя высота 230 м, максимальная отметка высот 262,9 м (точка закреплена геодезической пирамидой на междуречье реки Сестра и Лутосня, рядом с населенным пунктом Борис-Глеб). Клинско-Дмитровская гряда относительно крутым уступом спускается к Верхне-Волжской озѐрно-ледниковой плоской низменности. Низменность представляет собой плоскую или слабоволнистую песчаную равнину. Средняя высота 135 м. 93 Результаты кластеризации разносезонных тепловых космических снимков были сопоставлены с картой природных контуров, составленной специально для этой работы. Для составления этой карты проведено дешифрирование природных объектов по космическим снимкам в видимом диапазоне (снимки со спутников Landsat-7, SPOT-5. Получены контура лесной растительности, водных объектов и сельскохозяйственных полей в долине реки Яхрома и Сестра. Затем проведена работа с картой растительности Московской области (масштаб 1:200 000), составленной на кафедре биогеографии географического факультета МГУ (главный редактор Г.Н. Огуреева) [Карта растительности..., 1996]. Эта карта дает подробную информацию о породном составе лесной растительности и, с меньшей подробностью, о характере использования безлесных территорий. Этапом, предшествующим векторизации контуров типов растительности, стал анализ легенды. При составлении новой карты проведена генерализация легенды, которая заключалась в обобщении таксономических подразделений типов растительности данной территории. Было решено выделить самые крупные градации лесов по породному составу (сосново-еловые, сосново-еловые с дубом и липой и т.д.). Следует принимать во внимание, что информация о состоянии растительности на карте отображена на конец 1980-х, а снимок, по которому дешифрировались контура лесной растительности, датирован 2002 годом. В связи с этим отображение контуров лесов с разным породным составом происходило с учетом дешифрированных по снимку контуров лесных массивов. Что касается безлесных территорий, то их растительный покров зависит от хозяйственного использования территории, которое за такой продолжительный период времени – с 1991 по 1999 год (год, когда были получены самые ранние снимки, использованные в нашей работе) могло 94 измениться, поэтому было решено картографировать безлесные территории, основываясь только на результатах визуального дешифрирования космических снимков. Дешифрирование населенных пунктов происходило с привлечением снимков сверхвысокого разрешения, которые позволяют оценить их площадь и структуру застройки, которые учитывались при отборе населенных пунктов. В итоге была составлена карта природных контуров, которая отражает характерные особенности изучаемой территории (рис. 3.3). 95 Рис. 3.3. Карта природных контуров исследуемого участка. 96 При неконтролируемой классификации мы получаем результирующее изображение, на котором пикселы сгруппированы по схожести совокупности яркостей (минимальные расстояния между пикселами в пространстве признаков внутри кластера и максимальные между кластерами) на разносезонных снимках. Таким образом реализуется выделение участков исследуемой местности, однородных по характеру сезонной динамики интенсивности теплового излучения. Анализируемая местность представляет собой равнину с крупными массивами лесов, сельскохозяйственных полей, а также небольшими населѐнными пунктами сельского типа. Проведено несколько этапов неконтролируемой классификации, в каждом последующем увеличивалось количество задаваемых кластеров. Далее будут приведены результаты кластеризации при разном изначально заданном количестве кластеров с иллюстрациями, на которых линиями разных цветов выделены границы основных классов объектов местности. Кроме того, к каждой иллюстрации приведена легенда, на которой дается предположительное соотнесение выделенных кластеров с природными и антропогенными объектами. При визуальном анализе результата неконтролируемой классификации с выделением двух кластеров (рис. 3.4) выявлено, что кластер 1 в основном соответствует лесной растительности, а кластер 2 – безлесным территориям. Стоит заметить, что контуры выделенных кластеров совпадают с контурами, полученными в результате дешифрирования снимка в видимом диапазоне. Единственной неоднозначностью контура лесной растительности является включение в него водных объектов. 97 Рис. 3.4. Выделение 2 кластеров на территории севера Московской области. При увеличении числа выделяемых кластеров до 4 (рис. 3.5) оказалось, что мелколиственные породы, которые предположительно соответствуют клатеру 2, имеют отличное от хвойных лесов распределение интенсивности теплового излучения по сезонам. В кластер мелколиственных лесов отнесены пушистоберезовые и черноольховые леса. При сопоставлении кластера 1 (рис. 3.5) с полученной картой (рис. 3.2) выявлено, что в один кластер отнесены лесные массивы с разным породным составом, поэтому в его названии участвуют доминирующие породы. 98 Рис. 3.5. Выделение 4 кластеров на территории севера Московской области. При последующем увеличении числа кластеров (с 5 по 7) происходит увеличение количества выделяемых классов, относящихся к безлесным территориям, что еще раз подтверждает вывод, сделанный для варианта с 3 кластерами, о том, что изменения интенсивности теплового излучения в разные сезоны года для безлесных территорий имеет более ярко выраженный характер, чем для лесных массивов с разным породным составом. Кроме того, при увеличении количества кластеров, происходит переобъединение групп пикселов, предположительно относящихся к безлесным территориям. При задании количества кластеров, равного 8 (рис. 3.6) происходит разделение кластера 1 (рис. 3.5) на два новых кластера: кластер 1 (рис. 3.6) предположительно соответствующий сосново-еловым лесам и кластер 2, которому предположительно соответствуют сосново-еловые леса с дубом и липой. Таким образом, такое количество кластеров оказалось достаточным для выявления того вклада, который вносят широколиственные породы в общую картину изменения интенсивности теплового излучения хвойных 99 лесов, которые выделялись ранее, вследствие чего и произошло выделение лесного массива в отдельный класс. Также следует отметить, что по сравнению с предыдущими вариантами кластеризации изменились границы кластера 3. Теперь в границы этого кластера попадают не только мелколиственные породы, но и сосново-еловые леса. Рис. 3.6. Выделение 8 кластеров на территории севера Московской области. Кроме того, происходит дальнейшее увеличение количества кластеров, соответствующих безлесным территориям (рис. 3.6). Однозначно выделяется один кластер сельскохозяйственных полей, которые соответствуют крупному агрохозяйству в Яхромской пойме. Остальные, выделенные как безлесные территории, кластеры сложно однозначно соотнести с сельскохозяйственными полями или с луговой растительностью. Такое неоднозначное соотнесение кластеров с объектами земной поверхности происходит вследствие нескольких причин: во-первых, поля в разные годы могут по-разному использоваться, что влечет за собой принципиально 100 разные яркостные характеристики, которые не позволяют выявить сезонную динамику по имеющимся материалам, во-вторых, недостаточно полная информация о хозяйственном использовании безлесных территорий. При соотнесении данного варианта кластеризации с полученной ранее картой природных контуров выявлено, что территория разделяется на кластеры с подробностью, достаточной для построения графиков временных образов различных объектов и их анализа. Проанализируем графики временных образов для всех кластеров, кроме 7-го, т.к. форма графика его временного образа близка к форме графика временного образа 6-го кластера. Ниже приведены графики временных образов выделенных кластеров (Рис. 3.7 – 3.9) и их описание. Номера снимков соответствуют следующим датам: 1 ‒ 7 марта; 2 ‒ 14 марта; 3 ‒ 12 апреля; 4 ‒ 4 мая; 5 ‒ 26 мая; 6 ‒ 3 сентября; 7 ‒ 29 сентября; 8 ‒ 14 октября; 9 ‒ 7 ноября; 10 ‒ 25 декабря. Рис. 3.7. График временного образа кластера «Сосново-еловый лес» (этот кластер выделяется при задании 8 кластеров и сохраняет свои границы при увеличении количества кластеров). По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. 101 Рис. 3.8. График временного образа кластера «Хвойный лес с широколиственными породами». По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. Рис. 3.9. График временного образа кластера «Сосново-еловые леса с мелколиственными породами». По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. В целом, графики временных образов для лесов схожи, они характеризуются наличием двух максимумов: середина весны (когда снег уже сошел, но листвы, за счет которой происходит особенно выраженное понижение интенсивности теплового излучения, еще нет, и конец лета, когда хлорофилл замещается пигментами, и понижения температуры не происходит). Летние месяцы характеризуются почти горизонтальным отрезком с достаточно низкими значениями яркостной температуры, это происходит за счет транспирации листьями влаги, вследствие которой происходит охлаждение. Понижение 102 относительной яркости до ее минимального значения происходит осенью, когда интенсивность теплового излучения лесных массивов меньше, чем полей, и особенно, чем водных объектов, которые аккумулировали тепло за лето. Зимой значения яркостей немного повышаются на фоне полей, подверженных сильному выхолаживанию. Для хвойных лесов с широколиственными породами значения яркости в середине весны меньше (рис. 3.8), чем для сосново-еловых (рис 3.7). Такой характер соотношения уровней яркости объясняется, по-видимому, тем, что сосново-еловые леса занимают низменность, а хвойные с широколиственными породами – северный склон Клинско-Дмитровской гряды, соответственно интенсивность теплового излучения поверхности низменности будет выше, чем на склоне северной экспозиции. Таким образом, за счет нагревания поверхности, относительная температура мелколиственных лесов понижается. Характер графика временного образа сосново-еловых лесов с мелколиственными породами (рис 3.9) по внешнему виду не отличается от остальных, значения яркости располагается выше (в области более высоких значений яркости). Это объясняется тем, что хвойные породы вносят дополнительный охлаждающий эффект (зимой наличие хвои никак не влияет на общую картину, но весной и осенью, продолжая вырабатывать хлорофилл, они понижают значение яркости). Графики временных образов для безлесных территорий (Рис. 3.10– 3.12), в отличие от лесных массивов, различаются значительно. Максимальный уровень интенсивности теплового излучения приходится на летний сезон, что связанно с сильным нагревом поверхности в этот период (максимум температур приходится на лето) (рис. 3.10). На лугах такого происходить не может, так как они зарастают разнотравной растительностью с естественной сменой аспектов в течение всего лета (за счет чего происходило бы уменьшение значения яркости). Поэтому, скорее 103 всего, поля засеяны культурами, которые покрывают небольшую долю почвы (например, картофель). Постепенно происходит уменьшение уровня яркости осенью. Минимальное значение яркости приходится на зиму, что происходит за счет выхолаживания в условиях отсутствия древесной растительности. Рис. 3.10. «Временной образ» для кластера №4 на рис. 3.6. По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. По характеру временного образа можно сделать предположение о том, что поле засевается яровыми культурами (рис. 3.11), так как летом происходит понижение уровня яркости за счет растительности. Максимумы яркости приходятся на середину весны, когда поле распахано, и на нем еще нет всходов, за счет чего оно сильно нагревается, и на конец лета, когда происходит сбор урожая. Минимальные значения яркости приходятся на зиму (происходит выхолаживание). 104 Рис. 3.11. График временного образа для кластера №5 на рис. 3.6. По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. По внешнему виду графика временного образа (рис. 3.12) можно предположить, что поля, выделенные в этот кластер, заняты озимыми культурами. На это указывает понижение яркости в начале лета, когда происходит активный рост биомассы таких сельскохозяйственных культур, и повышение уровня яркости летом, когда, после сбора урожая, поле практически не покрыто зеленой массой. Рис. 3.12. График временного образа для кластера №6 на рис. 3.5. По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке. График временного образа кластера №8 напоминает графики кластеров лесов (но с меньшими значениями уровня яркости весной и несколько 105 большими – летом) (рис. 3.13). Скорее всего, это могут быть заросли кустарников, высокотравные луга. Рис. 3.13. График временного образа для кластера №8 на рис. 3.6. По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке Поскольку на проработанных вариантах кластеризации не произошло выделение водных объектов в отдельный кластер, стала очевидна необходимость увеличения числа кластеров для их выделения. При задании 9, 10 и 11 кластеров происходит выделение новых классов безлесных территорий, которые по внешнему виду графиков временных образов схожи с теми безлесными территориями, которые были выделены при 8 кластерах. Только при задании 12 кластеров (рис. 3.14) различия в сезонной динамике интенсивности теплового излучения лесных массивов и водных объектов становятся достаточными для выделения водных объектов в отдельный кластер. Кроме того, происходит выделение кластера №12, пикселы которого соответствуют просекам и зарастающим полянам. Их изображение одинаково в лесных массивах с разным породным составом, что, по-видимому, говорит, о сложившихся характерных геосистемах просек и зарастающих полян. 106 Кроме того, происходит выделение нового кластера лесных массивов, который, при сравнении с картой растительности Московской области, оказывается соответствующим пушистоберѐзовым лесам, то есть при таком количестве кластеров различия в уровнях спектральной яркости мелколиственных и пушистоберезовых лесов становятся достаточными для выделения нового кластера. Рис. 3.14. Выделение 12 кластеров на территории севера Московской области. При таком количестве кластеров можно проследить определенную закономерность для населенных пунктов. В их границы попадают пикселы 6 и 9 кластеров. Кроме того, на данной иллюстрации достаточно однозначно читается 12 кластер, который предположительно соответствует просекам и зарастающим полянам в лесах. Максимум яркости водных объектов приходится на середину-конец лета (рис. 3.15), когда вода максимально прогревается, и на середину осени, 107 что связанно с тем, что земная поверхность остывает быстрее, чем вода, поэтому интенсивность теплового излучения водных объектов выше. Минимум в начале осени также связан с соотношение интенсивности теплового излучения полей и водных объектов. В середине осени, когда поля уже лишились растительности (при положительной температуре), они излучают сильнее, чем водные объекты. Рис. 3.15. График временного образа водных объектов. По горизонтальной оси – порядковые номера снимков в многовременном файле, по вертикальной яркость на снимке Чрезмерно большое количество кластеров приводит к тому, что границы между классами полей становятся трудно читаемыми. Вследствие еще одного перераспределения пикселов, размывается граница между лесом и безлесными территориями, особенно хорошо это видно на юге фрагмента, где леса попадают в один кластер с полями (рис. 3.16). Кроме того, при таком варианте кластеризации сложно проследить закономерность распределения пикселов разных кластеров в пределах населенных пунктов. 108 Рис. 3.16. Выделение 17 кластеров в пространстве многовременного снимка. Выводы Таким образом, можно видеть, что при разделении территории на различное количество кластеров мы выделяем геосистемы различного иерархического уровня, разного типа. Однако при разделении территории на большое количество кластеров, некоторые кластеры становится сложно соотнести с геосистемами исследуемой территории. В связи с этим, при составлении карт тепловой структуры следует опираться на дополнительные материалы (карты, космические снимки в других диапазонах и более высокого пространственного разрешения, текстовые описания и пр.) для дешифрирования геосистем и определения оптимального числа кластеров. Максимально возможным количеством кластеров при кластеризации тепловых разносезонных космических снимков для составления карт тепловой структуры является такое, на котором все кластеры могут быть 109 соотнесены с геосистемами, а при большем количестве кластеров такое соотношение установить невозможно. Таким образом, неконтролируемая классификация многовременного разносезонного теплового снимка позволяет выявить структуру теплового поля анализируемой местности, причѐм элементы тепловой структуры характеризуются высокой степенью соответствия местным геосистемам. Более того, тепловая структура позволяет выявить геосистемы, выделяющиеся по ведущему фактору их функционирования. Предлагаем называть тепловой структурой распределение участков, различающихся по характеру сезонной динамики интенсивности теплового излучения. Тогда каждый выдел (элемент тепловой структуры, тепловая зона) характеризуется схожими характеристиками сезонной динамики интенсивности теплового излучения. Итак, тепловая структура местности – полученное по результатам обработки многовременного разносезонного теплового снимка пространственное распределение участков со сходным характером сезонной динамики теплового излучения. 3.4. Дешифрирование разносезонных многовременных тепловых космических снимков: выявление тепловой структуры и выявление тепловых аномалий На основании имеющихся исходных данных (тепловых космических снимков), а также с учѐтом необходимости как можно более полного извлечения информации из них, представляется наиболее эффективным реализация двух подходов – выявление тепловых аномалий территории и выявление тепловой структуры местности. Выявление тепловых аномалий целесообразно в тех случаях, когда заранее известно наличие на рассматриваемой территории объектов, отличающихся повышенной интенсивностью теплового излучения, например, проявлений вулканической активности или наличием промышленных 110 объектов с большими теплопотерями. Выявление тепловой структуры имеет смысл в случаях любых территорий. Мы предлагаем методику, имеющую целью выявление тепловых аномалий и тепловой структуры территории. Тепловое поле в целом обладает существенной гетерогенностью, которая проявляется в его структуре; в то же время, тепловое поле формируется излучением конкретных географических объектов, которые ведут себя как аномалии относительно некоторого среднего значения интенсивности теплового излучения территории, которое можно рассматривать как фон. Таким образом, выявление тепловой структуры это определение пространственно-временной неоднородности теплового поля исследуемой территории; выявление тепловых аномалий это определение тепловых и излучательных характеристик конкретных объектов, расположенных на исследуемой территории. Кроме того, выявление тепловой структуры позволяет выделить некоторые природные территориальные комплексы, в то время как выявление тепловых аномалий связано с дешифрирование конкретных объектов. Методика работы представлена на рис. 3.17. Первый этап – создание многовременных снимков – включает выбор подходящих изображений, их предварительную обработку и формирование многоканального снимка из разновременных. При этом отдельные снимки размещаются в порядке смены сезонов без учета года съемки, исходя из того, что сезонные изменения интенсивности теплового излучения значительны, а многолетние изменения в пределах одного сезона выражены слабее. 111 Рис. 3.17. Схема предлагаемой методики выявления тепловой структуры и тепловых аномалий территории. Далее методика работы зависит от цели исследования. При выявлении тепловой структуры на втором этапе проводится кластеризация многовременного снимка методом ISODATA при разных параметрах. Из полученных вариантов с разным количеством кластеров выбирается один, критериями качества результата кластеризации являются низкая дробность контуров, возможность подтвердить выделение тех или иных однородных участков дополнительной информацией. На этом этапе привлекаются картографические и аэрокосмические источники, данные полевых обследований, при необходимости корректируется, например, путем объединения схема кластеризации отдельных кластеров. Названия полученным элементам тепловой структуры следует давать на основании наиболее репрезентативных черт сезонной динамики интенсивности их теплового излучения. При выявлении тепловых аномалий второй этап состоит в создании синтезированных изображений: вариантов синтеза разносезонных снимков, дающих наиболее контрастное изображение территории. Различными цветами здесь отображаются объекты и участки местности, имеющие различный характер динамики излучения за период, заданный сроками используемых при синтезе снимков (рис. 3.18, 3.19). Выявление тепловых 112 аномалий на синтезированных изображениях проводится визуально, для них строятся графики временных образов, на основе которых осуществляется классификация тепловых аномалий выделенных типов. Порядок расположения в легенде карты тепловых аномалий разных типов таков: сначала даются положительные тепловые аномалии, затем отрицательные, причѐм в пределах этих подразделений сначала даются типы тепловых аномалий, сохраняющиеся наибольшее время в течение года, затем те, которые сохраняются в течение меньшего промежутка времени и т.д. Рассмотрим синтезированные изображения. Для южной части Нижнего Новгорода и его окрестностей (рис. 3.18) характерно, что в ноябре наиболее интенсивно излучают водные объекты (изобразились красным), в июне – сельхозугодья (зелѐным), в апреле – городские строения (синим), промышленные объекты излучают одинаково сильно на всех трѐх снимках (белым). На изображении Москвы (рис. 3.19) видно, что весной интенсивно излучают промышленные объекты и обрабатываемые сельскохозяйственные земли (жѐлтый цвет на изображении). Зимой интенсивно излучают водные объекты, подверженные интенсивному тепловому загрязнению (ярко голубой цвет), несколько менее интенсивно ‒ жилые кварталы (серо-голубой цвет). Промышленные объекты, одинаково интенсивно излучающие как зимой, так и весной, выделились белым цветом. 113 Рис. 3.18. Синтезированное изображение южной части Нижнего Новгорода, снимки системы ETM+ за ноябрь (R), июнь (G), апрель (B). 114 Рис. 3.19. Синтезированное изображение Москвы, снимки системы ETM+ за май (R, G), декабрь (B). Выводы Итак, мы предлагаем использовать для картографирования природных и антропогенных территорий многовременной разносезонный тепловой космический снимок и временной образ – в качестве дешифровочного признака природных и антропогенных геосистем разного иерархического уровня. Мы определяем временной образ географического объекта или геосистемы как совокупность яркостей, соответствующих географическому объекту или природному территориальному комплексу, на разновременных 115 снимках. В случае с тепловыми космическими снимками он отражает динамику интенсивности теплового излучения. Для формирования ряда снимков необходимо осуществить отбор разносезонных снимков в соответствии с обозначенными критериями, а именно: 1. Максимально возможное пространственное разрешение. 2. Отсутствие облачного покрова всех ярусов. 3. Спектральный диапазон 10 - 12 мкм. 4. Радиометрическая, спектральная, геометрическая, временная сопоставимость. 5. Как можно более полное отражение одномоментными снимками сезонных динамических изменений. При невозможности подбора разносезонных снимков за один сезон следует использовать снимки соседних лет, на которых отсутствуют существенные многолетние изменения теплового поля. Эффективным способом обработки многовременного разносезонного снимка мы считаем неконтролируемую классификацию (кластеризацию). При разделении территории на различное количество кластеров мы выделяем геосистемы различного иерархического уровня, разного типа. Кластеризация многовременного разносезонного теплового снимка позволяет выявить структуру теплового поля анализируемой местности, причѐм элементы тепловой структуры характеризуются высокой степенью соответствия местным геосистемам. Более того, тепловая структура позволяет выявить геосистемы, выделяющиеся по ведущему фактору их функционирования, например, антропогенная нагрузка – для антропогенных геосистем, рельеф – для природных. Предлагаем называть тепловой структурой распределение участков, различающихся по характеру сезонной динамики интенсивности теплового излучения. Тогда каждый выдел (элемент тепловой структуры, тепловая зона) характеризуется схожими 116 характеристиками сезонной динамики интенсивности теплового излучения. Итак, тепловая структура местности – полученное по результатам обработки многовременного разносезонного теплового снимка пространственное распределение участков со сходным характером сезонной динамики теплового излучения. С другой стороны, многие природные и антропогенные территории характеризуются наличием географических объектов, выделяющихся по интенсивности теплового излучения среди остальных. Предлагаем тепловой аномалией называть отклонение интенсивности теплового излучения среднестатистического местности значения на тепловом интенсивности снимке теплового от излучения, зарегистрированного на нѐм, соответствующее определѐнному участку земной поверхности. 117 ГЛАВА 4. ВЫЯВЛЕНИЕ ТЕПЛОВОЙ СТРУКТУРЫ ГОРОДСКИХ И ПРИРОДНЫХ ТЕРРИТОРИЙ. КАРТЫ ТЕПЛОВОЙ СТРУКТУРЫ Ниже представлены результаты реализации разработанной методики выявления тепловой многовременных структуры разносезонных по результатам тепловых дешифрирования космических снимков на следующие антропогенные территории: г. Москва, г. Нижний Новгород, г. Астрахань, г. Кисловодск, г. Махачкала, г. Воронеж; природные территории: Алтачейский заказник (южная часть Республики Бурятия), юго-западное Подмосковье (новые территории г. Москвы, вошедшие в состав города в июле 2012 г.), вулкан Менделеева (о. Кунашир, Курильские острова), кальдера вулкана Головнина (о. Кунашир, Курильские острова). 4.1. Выявление тепловой структуры антропогенных территорий 4.1.1. Москва Москва является крупнейшим мегаполисом Европы. Такой значительный массив урбанизированных территорий, который имеется в Москве, представляет интерес для исследования особенностей городских ландшафтов. При таком разнообразии функций и необходимости развития городской среды необходимо территориальное планирование городских территорий, которое будет учитывать потребности каждой сферы деятельности населения, вписывая в городскую застройку всю необходимую инфраструктуру, рассчитывая при этом максимально возможную нагрузку на окружающую среду для целей поддержания комфортности проживания населения в городе Москве. Выявление тепловой структуры данной территории поможет в изучении дифференциации городских геосистем, в разделении территории города по благоприятности для жизни населения, в поиске участков экологической напряжѐнности. 118 Для составления карты тепловой структуры Москвы было отобрано 10 сопоставимых разносезонных тепловых космических снимков системы ETM+ за следующие даты: 7 ноября 1999, 25 декабря 1999, 29 сентября 2000, 4 мая 2001, 12 апреля 2002, 3 сентября 2002, 14 октября 2002, 7 марта 2003, 14 марта 2003, 26 мая 2003. Из этих снимков составлен многовременной, в котором одномоментные снимки расставлены в порядке смены сезонов, без учѐта года. В качестве источника также использованы материалы полевых обследований автора. Работа по составлению карты тепловой структуры Москвы проведена в два этапа. На первом этапе использовалась методика, основанная на анализе и квантовании гистограмм разносезонных тепловых снимков. Схема методики представлена на рис. 4.1. На первом этапе элементы тепловой структуры названы "тепловыми зонами", впоследствии от этого наименования решено отказаться. Рис. 4.1. Схема методики на первом этапе работы по картографированию тепловой структуры Москвы. Квантование проведено единообразным разделением всего диапазона яркостей каждого снимка на 7 ступеней. Представление разновременных снимков в единой цветовой гамме обеспечивает их сопоставимость и возможность сравнения. Квантованные снимки, отображающие относительное распределение тепловых контрастов города для каждого из снимков, позволили также проследить ход изменения относительных тепловых контрастов изображения объектов. Как и ожидалось, были выявлены определенные соответствия между типом территории и характером изменения теплового излучения. На рис. 4.2, 119 на примере Строгинского залива, проанализировано изменение теплового излучения водного объекта по сезонам. На графике, приведенном на рисунке, изменение интенсивности излучения показано по ступеням квантования, таким образом, мы получаем кривую, отражающую характер изменения уровня излучения объектов определенного типа относительно других объектов по датам съемки – график временного образа тепловой аномалии. Рис. 4.2. Пример построения графика временного образа тепловой аномалии водного объекта (Строгинский залив). Сравнение кривых изменений относительной интенсивности теплового излучения, построенных для разных видов городских территорий и объектов, позволили классифицировать все городские объекты на 4 класса и 11 подклассов сезонной динамики тепловых аномалий. Каждый такой график для группы объектов характеризует тот или иной тип динамики, который при соотнесении с территорией города назван тепловой "зоной" и "подзоной". Рассмотрим кратко основные особенности 4 выделенных «тепловых зон»: зона водных объектов, зона промышленных объектов, зона растительности и зона жилой застройки. Водные объекты выделяются характерным минимумом интенсивности теплового излучения в летний и, особенно, весенний период и характерным максимумом в конце осени. Это обусловлено высокой теплоемкостью воды, ее способностью медленно нагреваться и так же медленно отдавать тепло. Общими чертами сезонной 120 изменчивости интенсивности теплового излучения объектов, относящихся к промышленным, являются ее высокий уровень по всем сезонам года (за счет нагрева промышленных корпусов солнечными лучами в теплый период года и тепловой энергии, вырабатываемой во время производственного процесса). Для древесной растительности характерен практически самый низкий уровень интенсивности теплового излучения в теплый период года и средний уровень – в холодный период. Это связано с активной транспирацией зеленой растительности, приводящей к понижению температуры растений (и, соответственно, их теплового излучения) в теплый период года. Территории, лишенные городских строений и лесной растительности – луга, пустыри и прочие аналогичные объекты – за счет меньшей растительной массы излучают сильнее, чем территории, покрытые древесной растительностью. Общими чертами годового хода интенсивности теплового излучения жилых кварталов являются ее слабое изменение в течение года и средний уровень на большинстве снимков. Скорее всего, это связано со сложной структурой изображения жилых кварталов на тепловых снимках системы ETM+, где в пределах одного пиксела могут усредняться яркости жилых домов с высокой интенсивностью теплового излучения и зеленой внутриквартальной растительности с низким уровнем теплового излучения. Внутри каждого типа сезонной изменчивости интенсивности теплового излучения выделено по несколько подтипов. Типы и подтипы сезонной динамики интенсивности теплового излучения (или тепловые зоны и подзоны) представлены в виде карты (рис. 4.3), которая дает возможность анализировать пространственное распределение элементов тепловой структуры в Москве. Для точного определения использовались снимки границ выделенных зон и подзон сверхвысокого пространственного разрешения (GoogleEarth). Вспомогательное значение имели квантованные изображения; интернет-источники, такие как интернет-портал Викимапия, использовались 121 для получения дополнительной информации об объектах, их функциях, назначении и т.п.; границы участков, покрытых растительностью уточнялись по изображения NDVI, рассчитанным по снимкам за май и за сентябрь. Рис. 4.3. "Тепловых зоны" Москвы. А1 – жилая застройка с высокой степенью озеленения; А2 – жилая застройка со средней степенью озеленения; А3 – жилая застройка с низкой степенью озеленения; Б1 – промышленные зоны высокой активности; Б2 – промышленные зоны средней активности; Б3 – промышленные зоны слабой активности; В1 – лесные и парковые массивы; В2 – луга, пустыри и прочие безлесные территории; Г1 122 – сильнозагрязненные водные объекты; Г2 – среднезагрязненные водные объекты; Г3 – слабозагрязненные водные объекты. Д - зона центра Москвы, где пространственного разрешения теплового канала недостаточно для характеристики объектов. Этот этап позволил проанализировать разносезонные снимки с помощью операции квантования, а также провести классификацию временных образов полученных выделов. Кроме того, на этом этапе выявлены его основные недостатки: недостаточная автоматизированность и трудозатратность, значительное влияние субъективного фактора. Однако полученные результаты тем не менее заслуживают внимания. На втором этапе картографирования тепловой структуры Москвы проводилась обработка снимков по стандартной методике, описанной в п. 3.4. В результате обработки многовременного снимка получена карта, на которой выделено 10 различных элементов тепловой структуры (рис. 4.4), которым были поставлены в соответствие водные объекты, жилая застройка, промышленные зоны и источники экстремально высоких значений теплового излучения на их территории, транспортные коридоры, незастроенные и слабозастроенные безлесные территории, слабонарушенная лесная растительность и лесная растительность парков и скверов. Обработка снимка заключалась в его кластеризации и выборе подходящего варианта. Был выбран вариант с 14 кластерами, 2 пары из которых были объединены. 123 Рис. 4.4. Тепловая структура территории г. Москвы, тепловые зоны: Значительная сезонная амплитуда интенсивности теплового излучения и ярко выраженный летний максимум: I. Техногенные территории с максимальной интенсивностью теплового излучения (1 – максимальная интенсивность в данном типе; 2 – минимальная интенсивность в данном типе); II. Природно-антропогенные территории с высокой интенсивностью теплового излучения (3 – максимальная интенсивность в данном типе; 4 – средняя интенсивность в данном типе; 5 – минимальная интенсивность в данном 124 типе); III. Антропогенно-природные территории с максимумом интенсивности теплового излучения весной – 6. Небольшая сезонная амплитуда интенсивности теплового излучения и слабовыраженный летний максимум: 7 – максимальная интенсивность в данном типе; 8 – минимальная интенсивность в данном типе. Слабовыраженная сезонная амплитуда интенсивности теплового излучения и отсутствие летнего максимума: 9 – максимальная интенсивность в данном типе; 10 – минимальная интенсивность в данном типе. Все полученные тепловые зоны были разделены на 3 группы. Основанием для выделения таких групп стали общие для нескольких зон особенности сезонной изменчивости интенсивности теплового излучения. Графики временных образов представлены на рис. 4.5. Рис. 4.5. Графики временных образов тепловых зон Москвы (номера линий графика совпадают с номерами тепловых зон). Группы получили следующие названия: 1. Территории со значительной сезонной амплитудой интенсивности теплового излучения и ярко выраженным летним максимумом (один максимум интенсивности теплового излучения). В эту группу были отнесены территории с преобладанием антропогенной застройки. Графики временных 125 образов, построенные для кластеров, которым в соответствие были поставлены рассматриваемые территории, имеют один выраженный максимум значений. В рассматриваемую группу были отнесены 6 типов городских территорий, графики временных образов которых схожи по сезонной динамике интенсивности теплового излучения, но отличаются по интенсивности теплового излучения в разные сезоны. Для того чтобы в легенде наглядно продемонстрировать эту разницу, в рассматриваемой группе было выделено 3 подгруппы. а) Техногенные территории с максимальной интенсивностью теплового излучения. Понятие техногенных объектов является более узким понятием, чем понятие антропогенных, которое подразумевает любые преобразованные человеком природные объекты; техногенные территории непосредственно связаны с техническими сооружениями. К техногенным территориям отнесены две категории объектов: ТЭЦ, отдельные строения промышленных предприятий, к которым приурочено наиболее интенсивное выделение теплового излучения в производственном процессе и т.д. (зона 1 на карте, рис. 4.4) и промышленные зоны (зона 2 на карте, рис. 4.4). б) Природно-антропогенные территории с высокой интенсивностью теплового понятно, излучения. что Из словосочетания доминирующей в этой «природно-антропогенные» группе объектов являются антропогенные объекты, так, здесь выделены территории транспортных объектов (зона 3 на карте, рис.4.4). Однако необходимо указать на наличие объектов, близких к природным, например, зеленая растительность в пределах жилых кварталов, которая позволяет выделить кварталы жилой застройки с низкой (зона 4 на карте, рис. 4.4) и высокой (зона 5 на карте, рис. 4.4) степенью озеленения. в) Антропогенно-природные территории, с относительно высокой интенсивностью теплового излучения. В этой группе кластеров доминирующими являются объекты, близкие к природным. В эту группу 126 были отнесены озелененные территории с отдельными объектами антропогенной застройки (зона 6 на карте рис. 4.4). 2. Территории с невысокой сезонной амплитудой интенсивности теплового излучения и слабовыраженным летним максимумом. В эту группу были отнесены характеризуются антропогенно-природные меньшими значениями территории, интенсивности которые теплового излучения, чем объекты, отнесенные в предыдущую группу. Это, во-первых, луга и пустыри на территории города, т.е. участки местности, лишѐнные городской застройки и лесной растительности (зона 7 на карте рис. 4.4), а вовторых, лесная растительность парков и скверов (зона 8 на карте рис. 4.4). 3. Территории с низкой сезонной интенсивностью теплового излучения и отсутствием летнего максимума (два максимума интенсивности теплового излучения, которые приходятся на середину весны и конец лета, понижение интенсивности теплового излучения летом). К этой группе объектов были отнесены водные объекты (зона 9 на карте, рис. 4.4) и древесная растительность, приуроченная к понижениям рельефа или территориям, грунты которых характеризуются повышенным увлажнением (зона 10 на карте, рис. 4.4). Карта (рис. 4.4) иллюстрирует неоднородность теплового поля городской территории и связанную с ней дифференциацию отдельных участков местности по приуроченным к ним геосистемам. Например, зоны 1 и 2 определяют местоположение техногенных природных территориальных комплексов в городе, приуроченных, главным образом, к промышленным зонам. Зона 3 связана с антропогенными природными территориальными комплексами, для которых характерна высокая плотность объектов, характеризующихся низкой теплоѐмкостью (антропогенные объекты, сделанные из камня, бетона, асфальта). Зоны 4 и 5 антропогенные природные территориальные комплексы, для которых, однако, характерно значительное участие объектов естественного характера, главным образом, 127 зелѐной растительности, а также водных объектов (небольших водотоков и водоѐмов). Зоны 6 и 7 отражают распределение безлесных природных территориальных комплексов с большей (зона 6) и меньшей (зона 7) антропогенной нагрузкой. Зона 8 это природные территориальные комплексы, связанные с лесными массивами. Зона 9 определяет положение природных территориальных комплексов, связанных с крупными водными объектами. Зона 10 природные территориальные комплексы лесных массивов, характеризующихся повышенной увлажнѐнностью. 4.1.2. Нижний Новгород Река Ока разделяет выбранную территорию на две различающиеся по природным условиям и особенностям использования части: возвышенное правобережье (Дятловы горы) и низменное левобережье. Для правобережья характерен расчлененный рельеф, большая доля парковых и лесопарковых массивов, малое число промышленных предприятий. Здесь присутствуют объекты, существенно различающиеся по функциональному значению и своим тепловым и излучательным свойствам: крупные по площади объекты рекреационного и природоохранного значения (например, крупнейший в городе лесопарк Щѐлоковский Хутор), значимые промышленные объекты (например, завод «Нител»), крупные жилые массивы многоэтажной (Щербинки, Мыза, район ул. Бекетова и др.) и малоэтажной (Дубѐнки, Сахарный Дол и др.) застройки. Кроме того, на выбранный фрагмент попадают пригородные безлесные земли (луга и поля), массивы садовых участков, небольшие населенные пункты. Для левобережья, напротив, характерен равнинный рельеф (большая часть территории – укрепленные участки пойм Оки). Здесь находятся все крупнейшие промышленные предприятия города (в том числе ОАО «ГАЗ», ОАО «РУМО», Завод штампов и прессформ – ЗШП и многие другие), характерна высокая плотность жилой застройки: многоэтажные районы 128 (Северный, Мончегорский, Соцгород-I, -II и др.) и малоэтажные районы (Гвоздильный, Парижской Коммуны и др.). Присутствуют небольшие объекты рекреационного назначения (Автозаводский ПКиО, парк Дубки и др.). Для составления карты тепловой структуры использованы тепловые снимки системы ETM+ за следующие даты: 18 ноября 1999, 10 апреля 2000, 26 апреля 2000, 21 мая 2000, 11 июля 2001, 19 августа 2001, 12 июня 2002, 30 июля 2002, 27 марта 2003. Проведены полевые обследования. При выявлении тепловой структуры на изучаемой территории выделено 7 типов структуры – тепловых зон – (рис. 4.6). Каждому типу дано условное название, которое отражает характер динамики интенсивности теплового излучения объектов данного типа (зоны). Рис. 4.6. Тепловая структура южной части Нижнего Новгорода: 1 – зона экстремально высокой интенсивности теплового излучения; 2 – зона очень высокой интенсивности теплового излучения; 3 – зона высокой интенсивности теплового излучения; 4 – зона средней со значительными сезонными амплитудами интенсивности теплового излучения; 5 – зона средней с уменьшенными сезонными амплитудами интенсивности теплового излучения; 6 – зона пониженной интенсивности теплового излучения; 7 – зона 129 повышенной интенсивности теплового излучения в холодный период и пониженной – в теплый. Прочие обозначения: а станции метро; б железнодорожные платформы; в автодорожная сеть; г основные железные дороги; д названия массивов многоэтажной застройки; е названия массивов малоэтажной застройки; ж названия населѐнных пунктов вне городской черты Нижнего Новгорода с преобладанием многоэтажной застройки; и названия населѐнных пунктов вне городской черты Нижнего Новгорода с преобладанием малоэтажной застройки; к подписи объектов гидрографии; л подписи различных городских объектов. Анализ тепловой структуры южной части Нижнего Новгорода с опорой на снимки сверхвысокого разрешения и картографические материалы [Природный..., 2000] позволяет выявить следующие ее особенности (рис. 4.6, 4.7). Зоны экстремально высокой интенсивности теплового излучения соответствуют сильно нагревающимся за счет производственного процесса и солнечного излучения корпусам крупных промышленных предприятий. Зоны очень высокой интенсивности теплового излучения соответствуют территориям промышленных и коммунально-складских предприятий. Эти объекты и территории наиболее существенно выделяются по своим тепловым и излучательным характеристикам. Стоит отметить существенную дифференциацию объектов по выделенным зонам в зависимости от их расположения в правобережной или левобережной частях города. Так, например, зоне средней со значительными сезонными амплитудами интенсивности теплового излучения на левобережье соответствуют территории садовых участков, парков в черте города, территории с луговым ландшафтом, жилых кварталов с не очень высокой плотностью застройки, в то время как на правобережье это, в основном, жилые кварталы, что свидетельствует о том, что на правобережье растительность и рельеф оказывают существенно большее влияние на дифференциацию интенсивности теплового излучения, чем на левобережье. Зоны высокой интенсивности теплового излучения соответствуют жилым массивам с относительно высокой плотностью застройки на левобережье. Зона средней с уменьшенными сезонными амплитудами 130 интенсивности теплового излучения соответствует безлесным участкам (луга, пустыри, сельхозугодья) на правобережье. Зона пониженной интенсивности теплового излучения это лесные массивы на левобережье и лесные, кустарниковые массивы, а также садовые участки на правобережье. Наконец, зона повышенной интенсивности теплового излучения в холодный период и пониженной – в тѐплый соответствует крупным водным объектам исследуемой территории, в первую очередь, это река Ока, а также некоторые крупные водоѐмы Пермяковское, Сортировочное озѐра. Рис. 4.7. Графики временных образов элементов тепловой структуры, выделенных на карте тепловой структуры южной части Нижнего Новгорода (номера графиков совпадают с номерами элементов тепловой структуры в подписи к рис. 4.6). Полученная карта (рис. 4.6) демонстрирует дифференциацию природных территориальных комплексов данной территории, причѐм она проявляется несколько различно в зависимости от географических особенностей местности. Так, на более возвышенном и расчленѐнном правом берегу зоны 1 и 2 определяют местоположение нескольких наиболее интенсивно излучающих техногенных геосистем. Зона 3 это антропогенные геосистемы, характеризующиеся плотной застройкой и незначительным количеством объектов естественного характера (растительность). Зона 4 определяет местоположение антропогенных природных территориальных 131 комплексов, характеризующихся значительным участием объектов естественного характера, т.е., это, в первую очередь, жилые кварталы. Зона 5 связана с безлесными природными или антропогенно-природными комплексами (луга, сельскохозяйственные поля и т.п.). Зона 6 характеризует местоположение геосистем, связанных с лесными и кустарниковыми массивами, как природного, так и природно-антропогенного происхождения (парки, садовые участки). Низменный равнинный левый берег характеризуется следующим распределением природных территориальных комплексов. Зоны 1 и 2 это техногенные геосистемы промышленные, коммунально-складские зоны, зоны транспортных объектов. Зона 3 это антропогенные природные территориальные комплексы, связанные с присутствием в их составе объектов естественного характера (древесная растительность) жилые кварталы. Зона 4 определяет местоположение природно-антропогенных геосистем, для которых характерна значительная роль антропогенного фактора это городские парки, жилые кварталы с высокой степенью озеленения, массивы садовых участков, а также заросли кустарников. Природных территориальных комплексов, связанных с зоной 5, на левом берегу нет. Зона 6 связана с природными геосистемами лесными массивами, антропогенный пресс на которые ослаблен по сравнению с другими геосистемами территории. Зона 7 для обеих частей исследуемой территории определяет положение природных геосистем крупных водоѐмов и водотоков. 4.1.3. Города европейской части России Проиллюстрируем возможности предлагаемой методики для сравнительного изучения тепловой структуры следующих антропогенных территорий: Европейской России, а именно Астрахань, Воронеж, Кисловодск, Махачкала, Москва, Нижний Новгород. Города подобраны 132 таким образом, чтобы они отличались по мезоклиматическим особенностям, людности, развитию промышленного производства, особенностям застройки. Целью анализа является изучение на основе дешифрирования тепловой структуры географических особенностей поверхностных островов тепла различных городов Европейской России. Проведена кластеризация многовременных разносезонных тепловых снимков с выделением 5 кластеров для каждого города. Важен одинаковый подход к обработке разных снимков и, в частности, задание одного и того же числа кластеров при обработке снимков разных городских территорий. При этом выявлено, что для разных городов в кластеры выделяются разные объекты. Результаты кластеризации приведены на рис. 4.84.11 и в табл. 4.1. Рис. 4.8. Результат кластеризации многовременного разносезонного теплового снимка Москвы. 133 Рис. 4.9. Результат кластеризации многовременного разносезонного теплового снимка Нижнего Новгорода и его агломерации. Рис. 4.10. Результат кластеризации многовременного разносезонного теплового снимка Кисловодска. Рис. 4.11. Результат кластеризации многовременного разносезонного теплового снимка Воронежа. 134 Сопоставление результатов кластеризации представлены в таблице 4.1. Таблица 4.1. Результаты кластеризации исследуемых городских территорий. Снимки, даты съѐмки без года 1 кластер 2 кластер 3 кластер 4 кластер 5 кластер Астрахань 22 апреля 21 июля 20 августа 7 октября 10 декабря 12 февраля Крупные здания в Жилая застройка черте города, и частично безлесная открытые участки пустынная территория Сельскохозяйст- Древесная Водные венные растительность объекты орошаемые участки Воронеж 9 мая 25 июля 30 сентября 9 ноября 18 февраля Промышленные объекты в черте города, обрабатываемые земли Безлесные территории, частично промышленные объекты, жилая застройка Жилая застройка Древесная Водные растительность объекты Кисловодск 23 мая 17 июня 9 августа 12 сентября 25 ноября 26 декабря Отдельные крупные строения на территории города; не покрытые растительностью склоны хребтов южной экспозиции Жилая застройка, Поросль леса и Древесная Водные открытые молодые растительность объекты, безлесные посадки леса междуречий склоны пространства за северной чертой города экспозиции, занятые лугами, курортный парк на севере города Махачкала 11 мая 20 августа 7 октября 10 декабря Слабо озеленѐнные районы города (как с промышленными объектами, так и с жилой застройкой), опустыненные земли и Районы города с Открытые Древесная Водные высокой безлесные растительность объекты степенью участки склонов озеленения (в основном жилая застройка) и сельхозугодия 135 Снимки, даты съѐмки без года 1 кластер 2 кластер 3 кластер 4 кластер 5 кластер Москва 7 марта 26 мая 3 сентября 7 ноября 25 декабря Наиболее интенсивно излучающие промышленные объекты, Промышленные Жилая застройка Древесная Водные зоны с меньшей растительность объекты, интенсивностью хвойные леса теплового излучения, частично жилые кварталы Нижний Новгород 18 ноября 3 января 26 апреля 11 июля Промышленные объекты и промышленные зоны Жилая застройка Открытые безлесные пространства Древесная Водные растительность объекты Сравнительный визуальный анализ результатов кластеризации снимков для каждого города показывает, что наличие большого количества активных промышленных предприятий на городской территории оказывает наиболее сильное влияние на структуру теплового поля. В зависимости от параметров городов (географическая широта, континентальность климата, рельеф, особенности застройки, людность, характер промышленного производства) выявляются различия в распределении городских объектов по выделенным кластерам. Так, например, в крупных городах, для которых характерна высокая плотность застройки и интенсивное развитие промышленного производства (Москва, Нижний Новгород, Воронеж) в 1 кластере (территории, для которых характерен наиболее высокий уровень интенсивности теплового излучения) выделяются промышленные зоны. При наличии в окрестностях города земель сельскохозяйственного использования, они также отнесены к этому кластеру. В меньших по размеру южных городах, где интенсивность промышленного производства слабее и для которых характерен равнинный рельеф (Махачкала, Астрахань), в 1 кластер отнесены преимущественно 136 безлесные территории. Для городов практически без промышленного производства и со сложным рельефом (Кисловодск) именно рельеф становится определяющим фактором в распределении интенсивности теплового излучения, и в 1 кластер попадают территории на склонах южной экспозиции. Различия в объектах, отнесѐнных ко 2 кластеру для анализируемых городов значительнее. В Москве, для которой характерна высокая плотность застройки, во 2 кластер были отнесены как промышленные объекты, так и плотная жилая застройка. В Нижнем Новгороде во 2 кластер отнесены, главным образом, жилые кварталы, и частично безлесные пространства. Схожая ситуация выявилась и в Воронеже, Астрахани, Кисловодске и Махачкале 2 кластер здесь это преимущественно жилая застройка и безлесные пространства, однако в Воронеже, как и в Москве в этом кластере оказались и промышленные предприятия, а в Кисловодске к этому кластеру отнесена практически вся городская застройка. В 3 кластер в случае крупных компактных городов (Москва, Воронеж) отнесена жилая застройка, в Нижнем Новгороде, где имеются большие площади безлесных пространств Балахнинской низменности в окрестностях города, в 3 кластер попали они. В окрестностях Астрахани большую ландшафтообразующую роль играют орошаемые сельскохозяйственные поля, отнесѐнные в 3 кластер. В Махачкале и Кисловодске в 3 кластер попали геосистемы, не имеющие существенной связи с городом безлесные пространства в предгорьях в случае Махачкалы и низкорослые леса в случае Кисловодска. 4 кластер для всех городов определяется однозначно это древесная растительность. Наконец, 5 кластер также однозначно определяется в случае всех городов (водные объекты), за исключением Кисловодска в случае этого города, помимо водных объектов, к 5 кластеру отнесена древесная растительность на склонах северной экспозиции. 137 Анализ результатов дешифрирования тепловой структуры позволяет утверждать, что на основе такого способа обработки многовременного снимка можно установить определяющие факторы формирования поверхностных островов тепла городов в европейской России: 1. Наличие большого количества активных промышленных предприятий в городе оказывает наиболее сильное влияние на формирование острова тепла. 2. Плотность застройки довольно сильно влияет на формирование острова тепла города, что, в свою очередь, можно связать и с плотностью населения территории. 3. Небольшие города без крупных промышленных предприятий островов тепла не формируют. Основными факторами распределения интенсивности теплового излучения на городской территории становятся особенности рельефа, растительного покрова, грунтов. Отметим, что ранее не проводилось экспериментов по сопоставлению островов тепла различных городов европейской России, основанных на тепловых снимках с ресурсных спутников. 4.2. Выявление тепловой структуры природных территорий 4.2.1. Юго-западное Подмосковье Территория, занимаемая Троицким и Новомосковским административными округами (ТиНАО) г. Москвы, простирается к югозападу от московской кольцевой автодороги (МКАД) вплоть до границы Калужской области. Участок, занимаемый ТиНАО, занимает площадь более 146 тыс. гектаров и лежит на территории двух физико-географических (ландшафтно-геоморфологических) районов: западные и северо-западные районы располагаются на Смоленско-Московской моренной возвышенности, остальная часть территории принадлежит Москворецко-Окской моренно138 эрозионной равнине, преимущественно району Теплостанской останцовой эрозионной возвышенности. Основным типом рельефа данной местности являются слабоволнистые равнины. Абсолютные отметки высот находятся в диапазоне от 100 до 250 метров, понижения приурочены к долинам рек. Основным видом почв являются дерново-подзолистые. По долинам крупных рек полосы аллювиальных почв различной ширины. Большая часть территории ТиНАО (около 70%) покрыта лесом. Леса хвойно-широколиственные с преобладанием березы, ели, сосны [О состоянии..., 2013]. Выбор территории ТиНАО для присоединения к Москве объясняется оптимальным, по мнению разработчиков проекта, местоположением для выполнения столичных функций, а также слабой урбанизацией этого участка, где в настоящее время проживает менее 250 тыс. человек. С включением новых территорий в состав г. Москвы вошло 21 муниципальное образование, в том числе 2 городских округа, 19 городских и сельских поселений. В состав Новомосковского административного округа (НАО), площадь которого составляет 360 кв. км, входит 10 поселений и городской округ Щербинка. На территории НАО проживает 114 тыс. человек. Троицкий административный округ (ТАО) включает 9 поселений и городской округ Троицк общей площадью 1060 кв. км. Его населяет 93 тыс. человек. Наиболее крупными населѐнными пунктами ТиНАО являются г. Троицк (40 тыс. человек), г. Щербинка (33 тыс. человек) и г. Московский (17 тыс. человек). Главные автомагистрали – Калужское и Киевское шоссе. В ТиНАО активно разрабатывается транспортная инфраструктура: прорабатываются и внедряются новые направления общественного транспорта, проектируются автомобильные дороги и связки [http://newmos.info/]. Важность необходимостью изучения ее освоения территории в ТиНАО ближайшее время. обуславливается Только после исследования данной местности станет возможным создание грамотной 139 стратегии освоения. Новые территории Москвы представляют интерес для географов как район перспективного развития современной городской инфраструктуры. Для создания многовременного разносезонного теплового снимка и выявления на его основе тепловой структуры территории использованы тепловые снимки системы TM за следующие даты: 20 мая 2007, 29 июня 2010, 15 июля 2010, 28 августа 2011, 22 сентября 2006, 19 октября 2010. Снимков на зимний период, удовлетворяющих критериям отбора, в архиве USGS нет. Тем не менее, мы считаем возможным использовать такой набор снимков, т.к. зимой в средней полосе России весьма малы контрасты интенсивности теплового излучения большинства природных и природноантропогенных объектов, поэтому зимние тепловые снимки существенно менее информативны. По результатам выявления тепловой структуры по многовременному разносезонному тепловому снимку территории ТиНАО выделено 8 тепловых зон: зона экстремально высокой интенсивности теплового излучения, зона очень высокой интенсивности теплового излучения, зона высокой интенсивности теплового излучения, зона средней интенсивности теплового излучения с повышенной интенсивностью в мае и пониженной в июне, а также 4 зоны пониженной интенсивности теплового излучения (рис. 4.12). 140 Рис. 4.12. Тепловая структура Троицкого и Новомосковского административных округов г. Москвы. Тепловые зоны: 1 Экстремально высокой интенсивности теплового излучения; 2 Очень высокой интенсивности теплового излучения; 3 Высокой интенсивности теплового излучения; 4 Средней интенсивности теплового излучения с повышенной интенсивностью в мае и пониженной в июне; 5, 6, 7, 8 Пониженной интенсивности теплового излучения (от большей интенсивности теплового излучения (5) к меньшей (8). Прочие обозначения: 9 Основные автомобильные дороги; 10 Участки снимков, закрытые облачным покровом. При сопоставлении выделенных зон со снимком SPOT-6 и данными интернет-ресурса Викимапия удалось соотнести их с некоторыми группами природных и антропогенных объектов на территории ТиНАО. Так, зоне экстремально высокой интенсивности теплового излучения соответствуют 141 промышленные объекты и крупные торговые центры. Объекты этой зоны занимают не более 1-2% площади на карте. К ней относятся, например, такие объекты как ТЦ Мега Теплый Стан, а также крупные складские помещения в г. Щербинка и рядом с пос. Крѐкшино. В зоне очень высокой интенсивности теплового излучения находятся преимущественно городские районы, плотно застроенные коттеджные поселки и развязки крупных автодорог. К зоне высокой интенсивности теплового излучения отнесена жилая застройка в дачных поселках, а также городская застройка с высокой степенью озеленения или в непосредственной близости к лесным массивам, оказывающим охлаждающий эффект. В зоне средней интенсивности теплового излучения с повышенной интенсивностью в мае и пониженной в июне расположены земли сельскохозяйственного назначения и безлесные пространства (луга и пустыри). Характер изменения интенсивности теплового излучения объектов этой зоны отличается от характера изменения интенсивности теплового излучения других зон (в целом, схожих), что отражено в ее названии. Подобный ход интенсивности теплового излучения объясняется тем, что в мае распахиваемые сельскохозяйственные поля прогреваются быстрее других объектов. Поскольку открытый грунт обладает низкой теплоѐмкостью, следовательно, он интенсивно излучает. В июне, когда поля покрываются культурами, наблюдается резкое понижение интенсивности теплового излучения. Зоны пониженной интенсивности теплового излучения являются схожими по динамике и незначительно различающимися по интенсивности излучения, в связи с чем были помещены в одну группу. От первой к четвертой зоне интенсивность теплового излучения равномерно понижается. В первую зону этой группы попали дачные участки и соседствующие с ними безлесные пространства. Ко второй зоне были отнесены открытые участки, 142 находящиеся в непосредственной близости от леса. Третья зона пониженной интенсивности теплового излучения включает в себя опушки леса, а также участки леса вдоль железных и автомобильных дорог. К четвертой зоне, зоне самой низкой интенсивности теплового излучения, были отнесены лесные массивы и водоемы; эта зона охватывает более половины площади исследуемой территории. Взаимосвязь тепловых зон и природных территориальных комплексов на данной территории следующая. Зона 1 – это техногенные геосистемы крупных промышленных предприятий, торговых и складских комплексов. С зоной 2 связаны антропогенные природные территориальные комплексы, для которых характерно более-менее существенное влияние объектов естественного характера, например, участки городской жилой, коттеджной застройки, а также зоны транспортной инфраструктуры. Зона 3 – это, в основном, антропогенные природные комплексы, для которых характерно более активное участие объектов естественного происхождения, а именно, комплексы садовых и дачных участков, жилые районы с высокой степенью озеленения. Для зоны 4 характерны природные и антропогенно-природные геосистемы, лишѐнные лесной растительности (луга, пустыри, сельскохозяйственные поля и т.п.). Зоны 5, 6, 7, 8 это преимущественно природные геосистемы, либо антропогенное участие в них не слишком значительно. Так, к зоне 5 относятся отдельные массивы дачных участков, к зонам 6 и 7 переходные геосистемы от леса к безлесным пространствам (6 безлесные пространства, граничащие с лесами, 7 опушки леса). Для зоны 8 характерны природные комплексы лесных массивов и водных объектов. 4.2.4. Кальдера вулкана Головнина Вулкан Головнина является самым южным вулканом Курильских островов, представляет собой кальдеру, действующий. Диаметр кальдеры 4– 4,5 км, самая высокая точка края кальдеры – г. Головнина, 541 м, юго143 восточная часть кальдеры, самая низкая – на дне озера Горячего, 67 м. В кальдере находятся 2 озера: озеро Горячее и озеро Кипящее. Днище кальдеры плавно опускается к урезу озера Горячего, в центре кальдеры – два экструзивных купола: Центральный Восточный и Центральный Западный с максимальной высотой 276 м. Размеры озера Горячего – 2,5 км × 1 км, глубина – более 60 м, отметка уреза – 129 м, Кипящего – 200 м × 300 м, глубина 16 м, урез несколько выше, озѐра соединены каналом. Озеро Горячее сообщается с Охотским морем через ручей Озѐрный. Вода в обоих озѐрах отличается кислой реакцией и богата сульфатными соединениями. В центральной части озера Кипящего вода преимущественно хлоридного натриевого состава, pH = 3,7, температура воды около 30°C. Для верхних слоѐв озера Горячего характерны воды сульфатно-хлоридного натриевокальциевого состава, pH = 3,0, температура воды около 18°C. По берегам озѐр – множество сольфатар и серных источников [Козлов и др., 2009; Козлов и др., 2012]. Вода в Кипящем никогда не замерзает, озеро Горячее частично покрывается льдом в зимнее время. Растительный покров кальдеры весьма разнообразен и пѐстр для такой небольшой территории и представлен такими сообществами, как: бамбучник с редколесьем из ели Глена; леса из ели Глена; заросли кедрового стланика (главным образом, в центральной части кальдеры); широколиственные леса (в западной части кальдеры); смешанные хвойно-широколиственные леса (северная часть кальдеры); территории вокруг фумарол и серных источников практически лишены растительности [Ганзей, 2010]. Кальдера вулкана Головнина находится на территории Курильского заповедника и является объектом охраны федерального значения. Выбор территории для исследования еѐ тепловой структуры объясняется наличием здесь источников внутреннего тепла Земли, которые оказывают существенное влияние 144 на тепловое поле местности, относительной доступностью этого вулкана по сравнению со многими другими, а также большим ландшафтным разнообразием данной местности. Для выявления тепловой структуры исследуемой территории использованы тепловые снимки систем TM и ETM+ за следующие даты: система ETM+ 24 ноября 1999, 31 марта 2000, 26 сентября 2001, 1 февраля 2002, 6 апреля 2002, 11 мая 2003; система TM – 5 июня 1999, 12 августа 1999, 13 сентября 1999. Использованы материалы полевых обследований автора (май 2013 г., июнь–август 2014 г.). Обработка (кластеризация) составленного из указанных разносезонных снимков многовременного теплового снимка позволила выделить на территории кальдеры вулкана Головнина 5 элементов тепловой структуры (зон) (рис. 4.13): зоны экстремально высокой интенсивности теплового излучения; зоны повышенной интенсивности теплового излучения; зоны повышенной интенсивности теплового излучения со значительными сезонными амплитудами; зоны пониженной интенсивности теплового излучения; зоны низкой интенсивности теплового излучения. Наиболее значительно по особенностям динамики интенсивности теплового излучения выделяется зона экстремально высокой интенсивности теплового излучения. 145 Рис. 4.13. Тепловая структура территории кальдеры вулкана Головнина: 1 – зоны экстремально высокой интенсивности теплового излучения; 2 – зоны повышенной интенсивности теплового излучения; 3 – зоны повышенной интенсивности теплового излучения со значительными сезонными амплитудами; 4 – зоны пониженной интенсивности теплового излучения; 5 – зоны низкой интенсивности теплового излучения. Выбран вариант с 5 кластерами, поскольку он лучше всего согласовывается с результатами полевых обследований местности. Варианты с меньшим количеством кластеров не позволяют дифференцировать территорию по особенностям растительного покрова, а варианты с большим количеством кластеров отображают влияние экспозиционного эффекта в рельефе. При анализе результатов дешифрирования тепловой структуры кальдеры вулкана Головнина обращают на себя внимание следующие закономерности. Зона экстремально высокой интенсивности теплового излучения соответствует акватории озера Кипящего. Зоны повышенной интенсивности теплового излучения – это склоны южной экспозиции и лишѐнные растительности участки земной поверхности близ сольфатарных 146 полей. Зоны значительными повышенной сезонными интенсивности теплового излучения амплитудами в соответствуют целом со территориям, занятым преимущественно бамбучником с редколесьями из ели Глена, без густой лесной растительности. Зоны пониженной интенсивности теплового излучения связаны с залесѐнными склонами кальдеры. Зоны низкой интенсивности теплового излучения это затенѐнные части склонов и акватория озера Горячего. Здесь мы можем видеть чѐткую дифференциацию территории, ведущими факторами в формировании типов тепловой структуры являются растительный покров, рельеф, проявления вулканической активности. Как и в предыдущих примерах, различия в распределении теплового поля данной местности связаны с дифференциацией природных территориальных комплексов. Так, зона 1 связана с природным территориальным комплексом озера Кипящего. Зона 2 это преимущественно залесѐнные склоны южной экспозиции, сольфатарные поля, а также участки, покрытые бамбучником, наиболее сильно прогреваемые солнечным излучением. Зона 3 определяет положение геосистем бамбучников с редколесьями из ели Глена. Зона 4 водораздельные и приводораздельные залесѐнные участки. Зона 5 связана с природными комплексами залесѐнных склонов северной экспозиции; к ней также относится геосистема озера Горячего. 4.2.3. Тепловая структура и высотная поясность Алтачейского заказника Алтачейский заказник находится в пределах Мухоршибирского района республики Бурятия, на Селенгинском нагорье. Его основная функция охрана, восстановление и воспроизводство редких видов животных, а также защита среды их обитания. Заказник находится на территории Забайкальской природной области, а именно в Западном Забайкалье. Ландшафты 147 Западного Забайкалья сформированы под воздействием горного рельефа и резко континентального восточносибирского климата, а также положением области на стыке южносибирских степей, светлохвойных горных лесов и южнотаежных сосняков. На территории заказника амплитуда высот превышает 800 метров. Высшая точка заказника также является наивысшей точкой Заганского хребта – 1382 м, в верховьях р. Средний Сибильдуй. Низшая точка находится в месте впадения реки Сухары в Хилок – 540 м. На территории заказника протекает пять относительно крупных рек. Самой крупной является Хилок, являющийся правым притоком реки Селенги (бассейн оз. Байкал). Река извилистая, имеет множество проток [Ресурсы..., 1966]. В центральной части заказника находятся два сравнительно крупных озера площадью, в зависимости от сезона, 100200 тыс. м2 каждое Эхэ-Нур и Бугатэ-Нур. Окрестности озѐр, особенно Бугатэ-Нур, представляют собой солончаки. Растительность заказника достаточно разнообразна. Весь заказник можно условно разделить на две части – лесную и степную. Леса представлены в основном светлохвойными породами – сосняками с рододендроном даурским, лиственичниками с брусникой и рододендроном даурским. В центральных и западных участках заказника сосновые леса в значительной степени остепненные. Кроме того, на территории заказника встречаются различные березовые и вязовые леса. По долинам рек преобладают березняки осоковые с большим участием кустарников, по склонам Заганского хребта поднимаются березняки с лиственницей с коротконожкой и схизахной. В местах распространения островной вечной мерзлоты встречаются заболоченные березовые леса осоковые с черникой и ерники. В нижнем течении рек и в поймах р. Хилок и р. Сухара начинают преобладать вяз, черемуха и различные виды ив. По долинам рек и ручьев нередки заросли кустарников, наибольшее участие в которых принимают различные виды ив, берез и спирей. 148 Степные сообщества представлены типчаково-полынными, разнотравными, ковыльно-житняковыми и чиево-ирисовыми степями. Кроме того, большие территории заняты степями с караганой и лапчаткой бесстебельной. На склонах в долине реки Хилок располагаются участки каменистых степей с преобладанием ковылей, полыней, нителистника и разнотравья. Нередки заросли кустарников – лоха, спиреи. Остепненные склоны встречаются и по долине р. Алташа и р. Сибильдуй. В средней части заказника степные участки перемежаются лесополосами, в составе которых доминируют тополь, сосна и вяз. Луговые сообщества представлены лугами в долинах рек с преобладанием кровохлебки, василистника, ирисов и разнотравья. Вдоль ручьев и речек нередки осоково-злаковые луга. Вокруг озер Эхэ-Нур и Бугатэ-Нур располагаются осоково-камышовые луга и заросли тростника. В долине р. Сухара луга нередко имеют небольшую степень засоления. Скальная растительность встречается на остепненных склонах, где есть скальные выходы и в лесной части Заганского хребта. На скалах среди леса обычны многоножка виргинская и вудсия эльбская. На скалах рядом с остепненными участками преобладают селагинелла кровяно-красная, горноколосники, вудсия эльбская. На территории больше всего распространены аллювиально-луговые и каштановые почвы, в основном, легкосуглинистые. Почвообразующими породами являются кислые гранитоиды, сиениты, гранито-гнейсы. Лесостепные перелески из сосны, лиственницы, березы и осины развиваются на темно-серых Лиственничники неоподзоленными лесных или занимают или дерновых участки с горно-таежными [Гвоздецкий и др., 1963]. 149 неоподзоленных щебнистыми ожелезненными почвах. дерновыми почвами Антропогенно преобразованная растительность занимает поля, залежи, обочины дорог и поселки, где чаще всего встречается крапива коноплевая, конопля, донник и различные злаки. На территории заказника расположено четыре населенных пункта – сѐла Подлопатки, Усть-Алташа, Цолга и Балта. Сельскохозяйственные предприятия используют земли заказника под сенокосы, пастбища и пашни. Также выделены небольшие участки леса под рубку древесины. Алтачейский заказник выбран в качестве объекта исследования, т.к. эта территория отличается сравнительно большим разнообразием природных комплексов от сухой полынной степи к горным берѐзово-сосноволиственничным лесам, кроме того, для неѐ характерно антропогенное воздействие, проявляющееся в рубке леса, выпасе скота и сенокосах. Автор диссертационной работы участвовал в полевых работах на территории заказника в августе 2013 года в рамках проекта, поддержанного грантом РФФИ "Методология проектирования системы картографического обеспечения особо охраняемых природных территорий на базе геоинформационных технологий", в ходе которых были составлены полевые описания растительного покрова. Для составления карты тепловой структуры использованы снимки системы TM за следующие даты: 10 октября 2001, 7 июня 2002, 25 июля 2002, 10 августа 2002, 14 ноября 2002, 17 января 2003, 6 марта 2003. Использованы материалы полевых обследований, зафиксированные в 102 точках описаний. По результатам кластеризации теплового многовременного космического снимка на территорию Алтачейского заказника было выделено 7 тепловых зон, различных по характеристикам сезонной динамики интенсивности теплового излучения: зона очень высокой интенсивности теплового излучения летом, самой низкой - зимой; зона самой высокой интенсивности теплового излучения 150 летом, средней - зимой; зона интенсивности теплового излучения летом - выше среднего, зимой - средней; зона интенсивности теплового излучения летом - средней, зимой - выше среднего; зона интенсивности теплового излучения ниже среднего летом и зимой; зона интенсивности теплового излучения летом - низкой, зимой самой высокой; зона интенсивности теплового излучения летом - самой низкой, зимой - очень высокой. Все зоны показаны на полученной карте тепловой структуры (рис. 4.14). Рис. 4.14. Тепловая структура территории Алтачейского заказника. Тепловые зоны: 1 Зона очень высокой интенсивности теплового излучения летом, самой низкой - зимой (степь); 2 - Зона самой высокой интенсивности теплового излучения летом, средней зимой (лесостепь); 3 - Зона интенсивности теплового излучения летом - выше среднего, зимой - средней (гари); 4 - Зона интенсивности теплового излучения летом - средней, зимой - выше среднего (леса с преобладанием сосны); 5 - Зона интенсивности теплового излучения ниже среднего летом и зимой (остепнѐнные участки лесов, а также растительность речных долин); 6 - Зона интенсивности теплового излучения летом низкой, зимой - самой высокой (мелколиственные леса и заросли кустарников); 7 - Зона интенсивности теплового излучения летом - самой низкой, зимой - очень высокой (леса с 151 преобладанием лиственницы). Карта дополнена условными обозначениями озѐр Эхэ-Нур и Бугатэ-Нур, населѐнных пунктов Цолга, Балта, Усть-Алташа и Подлопатки, основных дорог. Полученный результат кластеризации был сопоставлен с результатами полевых обследований, что позволило выявить связь между элементами тепловой структуры и растительными сообществами изучаемой территории. Так, например, зона очень высокой интенсивности теплового излучения летом, самой низкой - зимой (зона 1) в значительной степени соответствует степным природным комплексам по левобережью р. Сухара и правобережью р. Хилок, для которых характерны разнотравно-злаково-полынные сообщества с отдельными кустарниками - караганой бурятской и караганой малой. Это связано с низкой влажностью этих природных комплексов. К зоне самой высокой интенсивности теплового излучения летом, средней - зимой (зона 2) относятся лесостепные полынно-злаково-разнотравные участки с вязом приземистым, сосной лесной, караганой бурятской, жостером краснодревесным, а также лесополосы с тополем чѐрным и акацией жѐлтой. Сюда же попал участок старой гари в долине реки Гашей с разреженным лесом из сосны лесной. Неоднозначно идентифицируется зона интенсивности теплового излучения летом - выше среднего, зимой - средней (зона 3) - к ней частично относятся участки лесостепи, а в большей степени гари, в том числе старые. При этом зона интенсивности теплового излучения летом - средней, зимой - выше среднего (зона 4) весьма чѐтко соотносится с лесами из сосны лесной с рододендроном даурским в кустарниковом ярусе. Приуроченность к определѐнным природным комплексам сложнее всего определить для зоны интенсивности теплового излучения ниже среднего летом и зимой (зона 5). По-видимому, ей соответствуют два их типа: растительность речных долин (в первую очередь, Хилка, Сухары и Сибильдуя), которая представлена ивняками, черѐмушниками, зарослями вяза приземистого, яблони ягодной, а также остепнѐнные участки леса в 152 местах его перехода в лесостепь, для которых характерны разреженные смородиново-шиповниковые сосняки, густые заросли вяза приземистого со смородиной таранушкой и спиреей в кустарниковом покрове. Зона интенсивности теплового излучения летом - низкой, зимой - самой высокой (зона 6) приурочена к долине реки Алташи, а также к высотному уровню 800 - 1000 м данной местности. Для речной долины Алташи характерны кустарниковые сообщества (ива, спирея, курильский чай и т.п.), берѐза белая, местами - лиственница сибирская, осина. Высотный уровень 800 - 1000 м преимущественно занят лесами с преобладанием берѐзы белой, вместе с ней встречаются сосна лесная, лиственница сибирская, по речным долинам также ель сибирская. К зоне интенсивности теплового излучения летом - самой низкой, зимой - очень высокой (зона 7) можно отнести наиболее высотные для данной местности природные комплексы - леса с преобладанием лиственницы сибирской, произрастающие по водоразделу Заганского хребта. Для этих лесов характерно также наличие в древостое сосны лесной и берѐзы белой, в кустарниковом покрове распространены рододендрон даурский, спирея средняя, в верховьях речных долин - смородина чѐрная. На скалахостанцах встречается барбарис. Кроме того, в эту тепловую зону оказались включены солончаковые комплексы озѐр Бугатэ-Нур и Эхэ-Нур, что связано, по-видимому, со схожими особенностями увлажнения данных природных комплексов. Таким образом, установлено соответствие полученных элементов тепловой структуры природным территориальным комплексам изучаемой территории, дифференцированным по степени увлажнѐнности, что связано с высотными поясами растительности. Так, зона 1 соответствует наиболее засушливым степным природным комплексам. Зона 2 чуть более увлажнѐнные участки лесостепных геосистем. К зоне 3 отнесены более увлажнѐнные по сравнению с лесостепными участками геосистемы гарей и переходных участков от лесостепи к лесу, однако они менее влажные, чем 153 сосновые леса в горной части заказника. К зоне 5 приурочены долинные природные комплексы, к зоне 6 природные комплексы березняков и кустарниковых сообществ, в том числе на верхних высотных уровнях изучаемой местности. Зона 7 связана с наиболее увлажнѐнными горными берѐзово-сосново-лиственничными водораздела Заганского лесами, хребта. Важно распространѐнными отметить, что вдоль результат кластеризации позволяет выявить высотную поясность изучаемой местности. 4.2.4. Тепловая структура и высотная поясность вулкана Менделеева Вулкан Менделеева расположен в центральной части острова Кунашир и формирует чѐтко выраженный низкогорный массив, его высочайшие вершины - г. Менделеева, 887 м, и г. Мечникова, 798 м. Диаметр вулканического конуса составляет 3 км, а кратера – 1 км. С запада массив вулкана Менделеева характеризующихся окаймляется выровненными серией поверхностями морских и террас, перекрытыми продуктами извержений. Из них наибольшие размеры имеет высокая (150 – 250 м над ур. м.) терраса, останцы которой образуют водоразделы ручьев охотоморского побережья [Курильские…, 2004]. Структура растительного покрова изучаемой территории, при кажущейся на первый взгляд его гомогенности, довольно разнообразна и пестра. Это обусловлено, кроме природно-климатических особенностей, проявлениями здесь активного вулканизма, горным рельефом, развитием довольно густой гидрологической сети и пр. Благодаря горному рельефу здесь довольно четко проявляется высотная дифференциация растительности, что еще больше усложняет структуру растительного покрова. На рассматриваемой территории, с различной степенью выраженности и представленности, можно выделить следующие основные растительные формации и группировки: темнохвойные леса; хвойно-широколиственные леса; 154 каменноберѐзовая формация; долинные (пойменные) леса; заросли кедрового стланика; высокогорная растительность; бамбучники. Для дешифрирования тепловой структуры использованы разносезонные тепловые космические снимки систем ETM+ (24 ноября 1999, 31 марта 2000, 26 сентября 2001, 1 февраля 2002, 6 апреля 2002, 11 мая 2003) и TM (9 июня 1999, 13 сентября 1999). Тепловые снимки дополнены материалами полевых обследований. Полевые работы на территории вулкана Менделеева проводились с 23 июля по 22 августа 2013 года сотрудниками Института морской геологии и геофизики ДВО РАН в рамках проекта по уточнению и обоснованию границ памятника природы Вулкан Менделеева, а также в июне–августе 2014 года автором. Во время полевых исследований были выполнены работы по изучению растительного покрова территории памятника природы. Материалы полевых работ были представлены, в частности, в виде точек с координатами и описаниями фитоценозов. Полученные данные сопоставлены с результатами дешифрирования снимков. В результате кластеризации многовременного разносезонного теплового космического снимка выделяются высотные пояса горного массива (рис. 4.16). Сопоставление результатов кластеризации многовременного снимка с данными полевых обследований позволяет уверенно соотнести выделенные кластеры с природно-территориальными комплексами, характерными для вулкана Менделеева и его окрестностей. Выделяются леса (темнохвойные, преимущественно широколиственные, смешанные); разреженные леса с бамбучником; заросли кедрового стланика; комплексы приморских скал; молодая восстанавливающаяся древеснокустарниковая растительность в местах интенсивного антропогенного воздействия или близ сольфатарных полей; антропогенные ландшафты, связанные с селитебными территориями, дорогами, а также открытый грунт. 155 Для сравнения с результатами выявления природных территориальных комплексов по многовременному разносезонному тепловому космическому снимку проведена кластеризация многозонального снимка системы ETM+ за 26 сентября 2001 г. с разбиением на то же количество кластеров. Снимки во всех каналах, кроме панхроматического, собраны в многозональный файл. Выбор этой даты для составления многозонального снимка объясняется тем, что на время, в которое получен этот снимок, приходится активная честь вегетационного периода на Южных Курилах (рис. 4.15). Однако сопоставление полученного результата кластеризации с данными полевых обследований хороших результатов не дало: однозначно идентифицировать точки описаний с кластерами не удалось, в отличие от результатов кластеризации многовременного разносезонного теплового космического снимка. Рис. 4.15. Результат кластеризации многозонального снимка системы ETM+ за 26 сентября 2001 г. на территорию вулкана Менделеева и окрестностей. 156 Интересно провести сопоставление результатов кластеризации многовременного теплового космического снимка и фрагмента ландшафтной карты из Атласа Курильских островов [Атлас..., 2009], оригинальный масштаб 1:500 000 (рис. 4.17). Можно заметить схожесть контуров на двух изображениях, хотя детальность карты и снимка существенно различается. Например, контура 4, 5, 9а (соответственно: стланиковые среднегорнонизкогорные ландшафты; тундровые среднегорные ландшафты с кустарниковыми тундрами; лесные среднегорно-низкогорные ландшафты с зарослями бамбука) и типом растительности, выделенном по многовременному разносезонному снимку как заросли кедрового стланика. Контуру 17 (лесные низкогорные пологосклонные ландшафты с пихтовыми лесами) в значительной степени соответствует класс темнохвойных (еловых и пихтово-еловых) лесов, контурам 18 (лесные платообразные увалистохолмистые возвышенности с пихтово-широколиственными лесами) и 12 (лесные низкогорные пологосклонные ландшафты с каменноберѐзовыми лесами) соответствует класс разреженных лесов с бамбуком. Контуру 34 (селитебные территории) в значительной степени соответствуют классы, обозначенные как "антропогенный ландшафт и открытый грунт" и "антропогенный ландшафт". 157 Рис. 4.17. Результат кластеризации многовременного разносезонного теплового снимка на территорию вулкана Менделеева и окрестностей. Выделенные кластеры: 1 - смешанные леса; 2 - преимущественно широколиственные леса; 3 - темнохвойные; 4 - разреженные леса с бамбуком; 5 - заросли кедрового стланика; 6 - приморские природные комплексы; 7 – разреженная растительность; 8 - антропогенный ландшафт и открытый грунт; 9 антропогенный ландшафт; 10 - морская акватория. 158 Рис. 4.16. Фрагмент ландшафтной карты на территорию вулкана Менделеева и окрестностей из Атласа Курильских островов [Атлас..., 2009]. Ландшафты: 4 - Тундровые. Среднегорные с кустарниковыми тундрами. 5 - Стланиковые. Среднегорно-низкогорные. 9а - Лесные. Среднегорно-низкогорные с зарослями бамбука. 12. Лесные. Низкогорные пологосклонные с каменноберѐзовыми лесами. 16 - Лесные. Низкогорные крутосклонные. 17 - Лесные. Низкогорные пологосклонные с пихтовыми лесами. 18 - Лесные. Платообразных увалисто-холмистых возвышенностей с пихтово-широколиственными лесами. 18а - Лесные. Платообразных увалисто-холмистых возвышенностей с пихтовошироколиственными лесами и бамбучником. 23 - Луговые. Платообразных возвышенностей с разнотравными лугами. 24 - Лугово-кустарниковые. Террасы морские с можжевельниково-крупнотравными лугами. 33 - Прибрежные скалы, осыпи с фрагментарной растительностью. 34 - Селитебные территории. Этот пример многовременных демонстрирует разносезонных высокую тепловых информативность космических снимков и эффективность предлагаемой методики их обработки. Результаты обработки многовременных разносезонных снимков и их последующей интерпретации 159 лучше согласуются территориальных с полевыми комплексах, данными чем о местных результаты природных дешифрирования многозонального снимка. Выводы Карты тепловой структуры являются картами нового содержания. Как видно из приведѐнных описаний, элементы тепловой структуры, которые выделены на них, соответствуют некоторым геосистемам местности или их комплексам. При этом следует отметить, что разделение этих геосистем основано на влиянии ведущего (помимо зонального) для каждой из изучаемых территорий фактора. Так, например, для городских и пригородных территорий (Москва, южная часть Нижнего Новгорода, югозападное Подмосковье) значительное влияние на формирование геосистем оказывает антропогенная нарушенность местности. Для кальдеры вулкана Головнина ведущими факторами формирования неоднородности местных геосистем являются рельеф (главным образом, экспозиция склонов), растительный покров, проявления вулканической активности. Для природных территорий горного массива вулкана Менделеева и Алтачейского заказника, ведущим фактором в формировании неоднородности природных территориальных комплексов является положение в рельефе, с которым связано уменьшение температуры воздуха и почвы с высотой. Следовательно, карты тепловой структуры позволяют выявить разнообразие природных комплексов изучаемой местности, основываясь на ведущем факторе их дифференциации. Карты тепловой структуры рекомендуется использовать в ландшафтном картографировании при выделении геосистем различного иерархического уровня, изучения функциональной организации ландшафта и энергетического баланса геосистем? при решении проблемы выделения однородных геосистем разного иерархического уровня в ландшафтоведении 160 [Хорошев и др., 2010]. При картографировании городских территорий карты тепловой структуры целесообразно использовать для районирования территории по степени благоприятности для проживания, как материал в городском планировании, при реконструкции имеющихся районов города и создании новых, а также для целей городского благоустройства. Кроме того, карты тепловой структуры являются ценным материалом при изучении антропогенной преобразованности территорий. 161 ГЛАВА 5. ВЫЯВЛЕНИЕ ТЕПЛОВЫХ АНОМАЛИЙ ГОРОДСКИХ И ПРИРОДНЫХ ТЕРРИТОРИЙ. КАРТЫ ТЕПЛОВЫХ АНОМАЛИЙ Ниже представлены результаты выявления тепловых аномалий на основании реализации разработанной методики дешифрирования многовременных разносезонных тепловых космических снимков следующих антропогенных территорий: южная часть г. Нижний Новгород, СевероЗападный административный округ г. Москвы; территорий, для которых характерны проявления вулканической активности: кальдера вулкана Головнина (о. Кунашир, Курильские острова), вулкан Синарка (о. Шиашкотан, Курильские острова). 5.1. Выявление тепловых аномалий антропогенных территорий 5.1.1. Нижний Новгород Характеристика территории и описание исходных материалов приведены в п. 4.1.2. Картографические результаты дешифрирования тепловых аномалий (рис. 5.1) представлены следующим образом. На фоновой территории выделены тепловые аномалии, классифицированные по пространственновременному признаку. Все тепловые аномалии разделены на положительные (интенсивность теплового излучения выше фона) и отрицательные (интенсивность теплового излучения ниже фона), постоянные (устойчивые, проявляющиеся весь год или большую часть года) и временные (неустойчивые, проявляющиеся только в отдельные сезоны). Отдельно выделены тепловые аномалии, связанные с загрязнѐнными водными объектами они проявляются как хорошо выраженные положительные тепловые аномалии в тѐплую часть года, в то время как в остальные сезоны они не выражены. 162 Рис. 5.1. Тепловые аномалии южной части Нижнего Новгорода: 1 постоянные положительные, приуроченные к антропогенным объектам; 2 временные положительные, приуроченные к антропогенным объектам; 3 загрязнѐнные водные объекты (положительные тепловые аномалии в холодную часть года); 4 постоянные отрицательные, приуроченные к природным объектам; 4 временные отрицательные, приуроченные к природным и антропогенно-природным объектам. 5 фоновые территории. Прочие обозначения: а станции метро; б железнодорожные платформы; в автодорожная сеть; г основные железные дороги; д названия районов многоэтажной застройки; е названия районов малоэтажной застройки; ж названия населѐнных пунктов вне городской черты Нижнего Новгорода с преобладанием многоэтажной застройки; и подписи различных городских объектов. Распределение тепловых аномалий территории южной части Нижнего Новгорода подчинено следующим закономерностям. Постоянные положительные тепловые аномалии сосредоточены главным образом на левом берегу Временные и соответствуют положительные крупным тепловые промышленным аномалии объектам. распределены более равномерно и в основном соответствуют небольшим промышленным предприятиям. Загрязнѐнные водные объекты на исследуемой территории это 163 река Ока ниже водосброса завода АвтоГАЗ. Постоянно выраженные отрицательные тепловые аномалии это крупные водные объекты, такие как река Ока или Пермяковское озеро. Временные отрицательные тепловые аномалии это, в первую очередь, лесные и парковые массивы, а также садовые участки. Эти объекты не проявляются как отрицательные тепловые аномалии зимой, когда массивы древесной растительности препятствуют выхолаживанию территории. Эта информация может быть полезна не только при выделении границ промышленных зон и предприятий, оказывающих наиболее существенное воздействие на окружающую среду, но и для определения интенсивности этого воздействия. Положительные тепловые аномалии, выраженные только зимой, это, в первую очередь, сброс очистных сооружений завода «ГАЗ» в Оку и его шлейф. Следовательно, по наличию тепловых аномалий такого характера мы можем обнаруживать тепловое загрязнение водных объектов. Поскольку тепловое загрязнение часто сопутствует загрязнению других видов, то такие тепловые аномалии могут служить индикаторами загрязнения водных объектов в целом. Полученная карта позволяет выявить объекты, оказывающие наиболее сильное влияние на формирование теплового поля местности. При этом, выявленные аномалии могут быть как положительными, так и отрицательными, т.е. как повышать общую интенсивность теплового поля, так и понижать еѐ. Объекты, повышающие интенсивность теплового поля на данной территории, это, в первую очередь, крупные промышленные предприятия и промышленные зоны. Во-первых, из-за особенностей застройки таких объектов, они интенсивно накапливают солнечную энергию и интенсивно еѐ излучают. Во-вторых, тепловое излучение может выделяться в течение производственного процесса. Объекты, оказывающие охлаждающее воздействие, это, главным образом, лесные и парковые массивы, а также крупные водные объекты. 164 5.1.2. Москва, Северо-Западный административный округ На примере Северо-Западного административного округа Москвы проведѐн детальный анализ пространственно-временной динамики тепловых аномалий с использованием официальной Схемы функционального зонирования территории [http://gpinfo.mka.mos.ru/] (рис. 5.2). Характеристики объектов получены с привлечением данных дистанционного зондирования сверхвысокого пространственного разрешения и других источников. В качестве исходных снимков использовались 10 разносезонных тепловых снимков, которые применялись для составлений карт Москвы, п. 3.1.1. На карте представлена классификация тепловых аномалий по степени их устойчивости (устойчивые проявляющиеся большую часть года, неустойчивые проявляющиеся в отдельные сезоны), а также по приуроченности к конкретным географическим объектам. Жилым районам соответствует территория, характеризующаяся фоновой интенсивностью теплового излучения, что выявлено в ходе анализа снимков. 165 Рис. 5.2. Тепловые аномалии Северо-Западного административного округа г. Москвы. 166 Детальное многовременного сопоставление разносезонного результатов теплового дешифрирования снимка со схемой функционального зонирования позволило выявить общие черты и различия в тепловых характеристиках функциональным объектов, признакам. Однако объединѐнных в функциональное группы по зонирование предполагает некоторую субъективность, что мы и можем видеть в наличии некоторых неточностей, наличие которых подтверждено при полевых обследованиях. Так, отдельные промышленные объекты, выявленные по многовременному разносезонному тепловому снимку, отнесены к общественным и даже жилым функциональным зонам. Отдельные жилые кварталы отнесены к общественным функциональным зонам. Это несколько осложняет анализ свойств объектов и их связи с тепловым излучением. Однако, несмотря на эти недостатки, исследование тепловых аномалий Северо-Западного округа позволило сделать важные выводы на основе детального анализа городских объектов и сезонной динамики их теплового излучения. Например, подтверждается, что центральное отопление оказывает существенное влияние на тепловое излучение жилых кварталов в зимний период. При этом жилые кварталы с разной плотностью застройки имеют разный уровень интенсивности теплового излучения в зимнее время: чем выше плотность застройки, тем тепловое излучение выше. Подтверждается предположение о влиянии растительности в жилых кварталах на отображение жилых кварталов на тепловых снимках. При этом очевидно, что для полного отображения тепловых характеристик жилых кварталов на тепловых снимках разрешения 60 м не достаточно. Необходимо иметь снимки такого пространственного разрешения, которое позволило бы дешифрировать отдельные жилые здания, т.е. не хуже 15 м. При детальном исследовании сезонной динамики теплового излучения промышленных объектов обнаружено, 167 что интенсивность теплового излучения объектов данного типа в значительной степени определяется особенностями производственных процессов, связанных с ними. Однако, несмотря на то, что во многих случаях пространственного разрешения 60 м оказывается достаточно для дешифрирования отдельных промышленных корпусов, для более полной характеристики особенностей теплового излучения промышленных объектов необходимо знать особенности процессов, связанных с ними, а получить эту информацию достаточно трудно. Практически достаточно полно мы можем охарактеризовать только особенности теплового излучения таких объектов, как ТЭЦ и РТС. При анализе сезонной динамики теплового излучения безлесных территорий выявлено значительное влияние отсутствие активно транспирирующей экспозиции растительности. склонов в Выявлены существенные различия в сезонной динамике теплового излучения лесов и безлесных территорий. Детальная характеристика водных объектов показала возможности оценки реакции температуры водного объекта на изменение температуры воздуха. Пространственного разрешения 60 м достаточно для изучения тепловых характеристик крупных водных объектов, но оно недостаточно для исследования небольших водостоков и водоѐмов. 5.2. Выявление тепловых аномалий районов проявления вулканической активности 5.2.1. Кальдера вулкана Головнина Характеристика территории и описание исходных материалов приведены в п. 4.2.4. Принцип классификации тепловых аномалий аналогичен реализованному при дешифрировании тепловых аномалий южной части Нижнего Новгорода – выделены положительные и отрицательные тепловые аномалии, различающиеся по устойчивости (рис. 5.3). 168 Рис. 5.3. Тепловые аномалии кальдеры вулкана Головнина. 1 постоянные положительные; 2 временные положительные; 3 положительные в отдельные сезоны; 4 постоянные отрицательные; 5 отрицательные в отдельные сезоны. 6 фоновые территории. Результаты дешифрирования тепловых аномалий кальдеры вулкана Головнина, обнаруживают следующие закономерности их пространственновременного распределения (рис. 5.3). Постоянные положительные тепловые аномалии соответствуют поверхности озера Кипящее и Центральному Западному сольфатарному полю кальдеры – участкам наиболее активных проявлений вулканической активности. Кроме того, как значимые положительные тепловые аномалии выделяются такие участки кальдеры, как склон юго-восточной экспозиции на северо-западном краю кальдеры (характеризующийся значительной крутизной); юго-западный склон Центрального Западного купола; участки, лишенные лесной растительности; небольшие сольфатарные поля. Отрицательные тепловые аномалии дифференцируются следующим образом: постоянно выраженной является аномалия, связанная с участком акватории озера Горячего; в отдельные 169 сезоны как отрицательные тепловые аномалии выражены затененные участки склонов. Как и в предыдущем примере, карта позволяет выявить объекты, влияющие на формирование теплового поля исследуемой местности. Объекты, повышающие общую интенсивность теплового поля, это проявления вулканической активности сольфатарные поля и кратерное озеро Кипящее. Объекты, понижающие общую интенсивность теплового поля озеро Горячее, особенно его наиболее холодный сектор, а также отдельные массивы древесной растительности. 5.2.2. Вулкан Синарка Сложный вулканический массив Синарка расположен в северной части о. Шиашкотан и имеет размеры 9×11 км. В составе массива около 20 небольших лавовых стратовулканов и экструзивных куполов, сложенных двупироксеновыми андезитами. Крупнейшим и действующим является вулкан Синарка. Это вулкан с наивысшей отметкой 934 м. В его кратере находится Центральный экструзивный купол. Северо-западный склон конуса вулкана разрушен, по рытвине на конусе вулкана спускается короткий и широкий язык лавового потока. Он возник во время последнего крупного извержения в 1872-1878 гг. – произошел направленный взрыв, после которого по разрушенному участку излился поток магмы. Извержение привело к росту Центрального экструзивного купола. Таким образом, весь северо-западный склон вулкана покрыт толстым слоем гидротермально измененного материала. В настоящее время в северной части Центрального экструзивного купола расположены парогазовые выходы, у подножия вулкана находятся два фумарольных поля с минеральными термальными источниками (рис. 5.4) [Жарков и др., 2011]. 170 Рис. 5.4. Вулкан Синарка [http://smuso.ucoz.ru/photo/2] и схема его строения [Горшков, 1967] Использованы разносезонные тепловые снимки систем TM и ETM+ за даты: 14 июля 1998, 11 сентября 2000, 12 мая 2002, 21 мая 2002, 22 апреля 2003, 5 июля 2007. При дешифрировании многовременного снимка использованы материалы полевых наблюдений сотрудников лаборатории вулканологии и вулканоопасностей ИМГиГ ДВО РАН (г. Южно-Сахалинск). По результатам дешифрирования многовременного снимка составлена карта тепловых аномалий вулкана Синарка, приведѐнная на рис. 5.5. 171 Рис. 5.5. Тепловые аномалии вулкана Синарка. Выраженные тепловые аномалии: а) отрицательные, весной; б) отрицательные, весной и летом; в) отрицательные, весной и осенью; г) положительные, весной и осенью; д) положительные, весной; е) положительные, весной и летом; ж) положительные, летом; з) положительные, почти весь год. Причины возникновения тепловых аномалий: 1) ландшафтные особенности местности; 2) проявления вулканической активности. На изучаемой территории по площади распространения преобладают положительные тепловые аномалии. Их площадь составляет 65% от общей площади тепловых аномалий на выделенной территории, а отрицательные тепловые аномалии составляют соответственно 35% площади всех выделенных аномалий. Отрицательные тепловые аномалии, показанные в южной части карты, находятся в отрицательной форме рельефа и связаны с влиянием рельефа и экспозиции склонов. Отрицательные аномалии проявляются преимущественно на склонах северной экспозиции. 172 Положительные аномалии сосредоточены в области кратера, на южных, восточных, юго-восточных склонах, а также у подножия северного и северо-западного склона. По данным космических снимков положительная аномалия на Центральном экструзивном куполе, связанная с вулканической активностью, чаще проявляется весной и осенью. Выраженные весной положительные аномалии у подножья восточного склона соответствуют положению Северо-восточного фумарольного поля с горячими источниками. Положительная аномалия, выраженная летом, у подножия северного макросклона вулкана, связана с рельефом местности – она расположена в долине на еѐ борту южной экспозиции. Таким образом, на карте показаны тепловые аномалии двух типов: связанные с рельефом местности и грунтами; связанные с проявлениями вулканической активности. Из анализа карты можно заключить, что происходит интенсивный прогрев склонов южной экспозиции, кроме того, сильно излучают шлаковые поля, сложенные вулканическими породами тѐмного цвета. Использование условных обозначений рельефа на карте тепловых аномалий помогает выявить генезис тепловых аномалий. Выводы Как и карты тепловой структуры, карты тепловых аномалий являются картами нового содержания. Как видно из приведѐнных примеров, они позволяют выявить объекты, влияние которых на формирование теплового поля изучаемой местности наиболее существенно. Очевидно, что карты тепловых аномалий имеет смысл составлять на территории, где имеются географические объекты, выделяющиеся по интенсивности теплового излучения среди других, например, промышленные предприятия, проявления вулканической активности. Как видно на всех приведѐнных примерах, выделяются как положительные географические тепловые объекты, аномалии 173 (т.е. с которыми увеличивающие связаны общую интенсивность теплового поля изучаемой местности), так и географические объекты, с которыми связаны отрицательные тепловые аномалии (т.е. уменьшающие общую интенсивность теплового поля изучаемой местности). К объектам первой группы относятся промышленные зоны и отдельные промышленные предприятия, места сброса сточных вод, городские районы с плотной застройкой, участки проявления вулканической активности. К объектам второй группы относятся массивы древесной растительности, водные объекты, не подверженные интенсивному антропогенному воздействию. Карты тепловых аномалий позволяют выявлять такие объекты, анализировать их пространственно-временную изменчивость. Крупные положительные тепловые аномалии могут быть индикаторами участков экологической напряжѐнности (в случае антропогенного ландшафта) либо индикаторами природных значительной ландшафтов, ландшафтной неоднородности например, связанной с (в случае проявлениями вулканической активности). Кроме того, дешифрирование проявлений вулканической активности и их пространственно-временной изменчивости остаѐтся актуальной задачей в связи со значительной труднодоступностью большинства вулканических районов нашей страны. Таким образом, карты тепловых аномалий могут использоваться в эколого-географическом картографировании для локализации объектов, отличающихся экстремально высокой интенсивностью теплового излучения, которое может быть связано с загрязнением различных видов. При изучении городского острова тепла карты тепловых аномалий позволяют локализовать как местные участки повышенной интенсивности теплового излучения, так и "острова прохлады", что может быть использовано в городском планировании и благоустройстве. При изучении зон проявлений вулканической активности карты тепловых аномалий позволяют локализовать не только сами проявления термальные источники, сольфатарные поля и пр. но и последствия вулканической 174 деятельности: шлаковые поля, лишѐнные фумарольных полей. 175 растительности участки ЗАКЛЮЧЕНИЕ Проведѐнная работа позволяет сформулировать следующие основные выводы: 1. В результате анализа тепловых космических снимков на различные природные и антропогенные территории и научных работ, посвящѐнных тепловым космическим снимкам и их применению в науках о Земле, проведено изучение особенностей отображения интенсивности теплового излучения географических объектов на тепловых космических снимках. Выявлено, что тепловое поле местности обладает выраженной изменчивостью, в том числе многолетней, сезонной, суточной. Их всех трѐх видов изменчивости наибольшие амплитуды, при отсутствии влияния стихийных природных и антропогенных сил, характерны для сезонной изменчивости. Проведена оценка применимости тепловых снимков с разных сенсоров для решения различных задач в науках о Земле. 2. Предложено использовать многовременной снимок для дешифрирования природных и антропогенных геосистем. В многовременном снимке разносезонные снимки расставлены в порядке смены сезонов, без учѐта года съѐмки (многолетние изменение принимаются незначимыми; если же имеются значимые изменения, такие снимки исключаются из дальнейшего анализа). В этой связи обоснован подход к изучению природных и антропогенных территорий на основе применения разносезонных тепловых космических снимков. 3. С учѐтом требований к пространственному разрешению снимков и их разносезонности, сформулированы критерии отбора разносезонных тепловых космических снимков для изучения пространственно-временного распределения интенсивности теплового излучения и связи природных территориальных комплексов с ним: а) Максимально возможно высокое пространственное разрешение. 176 б) Отсутствие облачного покрова всех ярусов. в) Спектральный диапазон 10–12 мкм. г) Радиометрическая, спектральная, геометрическая, временная сопоставимость. д) Как можно более полное отражение одномоментными снимками сезонных динамических состояний местности. Обоснованы оптимальные подходы к дешифрированию природных и антропогенных геосистем по разносезонным тепловым космическим снимкам: визуальное дешифрирование неоднородностей теплового поля и неконтролируемая классификация многовременного снимка. 4. Разработана методика дешифрирования тепловой структуры и тепловых аномалий по многовременным разносезонным тепловым космическим снимкам. Под тепловой структурой понимается полученное по результатам обработки многовременного разносезонного теплового снимка пространственное распределение участков со сходным характером сезонной динамики теплового излучения; под тепловой аномалией понимается отклонение интенсивности теплового излучения местности на тепловом снимке от среднестатистического значения, соответствующее определѐнному участку земной поверхности. Тепловое поле в целом обладает существенной гетерогенностью, которая проявляется в его структуре; в то же время, тепловое поле формируется излучением конкретных географических объектов, которые ведут себя как аномалии относительно некоторого среднего значения интенсивности теплового излучения территории, которое можно рассматривать как фон. Таким образом, выявление тепловой структуры это определение пространственно-временной неоднородности теплового поля исследуемой территории; выявление тепловых аномалий это определение тепловых и излучательных характеристик конкретных объектов, расположенных на исследуемой территории. Кроме того, выявление тепловой структуры позволяет выделить некоторые природные или 177 антропогенные геосистемы, в то время как выявление тепловых аномалий связано с дешифрирование конкретных объектов. 5. Предложенная методика реализована на примере ряда природных и антропогенных территорий. Созданы карты тепловой структуры Москвы, южной части Нижнего Новгорода, юго-западного Подмосковья, вулкана Менделеева, кальдеры вулкана Головнина, Алтачейского заказника. Составлены карты тепловых аномалий Северо-Западного административного округа Москвы, южной части Нижнего Новгорода, кальдеры вулкана Головнина, вулкана Синарка. В случае каждой территории выявлены географические закономерности распределения интенсивности теплового излучения и еѐ связь с природными и антропогенными геосистемами (тепловая структура местности) и с отдельными объектами (тепловые аномалии). Разработанная методика помогает извлекать из тепловых космических снимков качественную информацию о географических, основанную на различиях в динамике интенсивности их теплового излучения, и обеспечивает возможность их картографирования. Выявление тепловой структуры местности позволяет выделить геосистемы, различающиеся по степени проявления ведущего фактора, воздействующего на их функционирование (антропогенная нагрузка, рельеф и т.п.); выявление тепловых аномалий позволяет локализовать географические объекты, оказывающие наиболее сильное влияние на формирование теплового поля местности (природного тепловых аномалий напряжѐнности либо и может антропогенного являться наличием происхождения) наличие индикатором природных экологической процессов, играющих ландшафтообразующее значение (например, проявления вулканической активности). По картам тепловых аномалий на примере Курильских островов выявлен генезис тепловых аномалий (рельеф или вулканическая активность). По картам тепловой структуры на примере горных районов выявлены 178 элементы высотной поясности, а на примере городских территорий районы города, отличающиеся по особенностям застройки. Результаты дешифрирования многовременных тепловых космических снимков по предложенной методике рекомендуется использовать при картографировании природных территориальных комплексов, оценке антропогенного воздействия на них, выявлении гетерогенности теплового поля местности. Кроме того, они могут быть использованы для планирования эколого-географических исследований, в том числе по оценке экологической обстановки, т.к. тепловое загрязнение может служить индикатором загрязнения многих других видов. На защиту выносятся следующие положения: 1. Совокупность тепловых космических снимков, полученных в разные сезоны года, позволяет выявлять свойства географических объектов, проявляющиеся в особенностях динамики интенсивности теплового излучения. Географическое дешифрирование таких свойств основывается на использовании многовременных разносезонных снимков, отображающих изменение интенсивности теплового излучения во времени. 2. Разработанная методика географического дешифрирования многовременных тепловых снимков, включающая отбор разносезонных снимков, создание многовременного снимка и его обработку, обеспечивает выявление географических объектов, схожих по своим временным образам. 3. Картографическое представление результатов дешифрирования многовременных тепловых снимков основывается на двух базовых понятиях: тепловая структура местности и тепловая аномалия местности. Под тепловой структурой понимается многовременного полученное разносезонного по теплового результатам снимка обработки пространственное распределение участков со сходным характером сезонной динамики теплового излучения; под тепловой аномалией понимается отклонение интенсивности теплового излучения местности на тепловом снимке от 179 среднестатистического значения, соответствующее определѐнному участку земной поверхности. 4. Создание на основе разработанной методики карт тепловой структуры позволяет выделить геосистемы, различающиеся по сезонной динамике интенсивности теплового излучения. Карты тепловых аномалий отображают географические объекты природного и антропогенного происхождения, оказывающие наиболее сильное влияние на формирование теплового поля местности и его пространственно-временную изменчивость. 180 Список литературы 1. Абушенко Н.А., Алтынцев Д.А., Мазуров А.А., Минько Н.П. Оценка площадей крупных лесных пожаров по данным AVHRR/NOAA // Исследования Земли из космоса, 2000, №2, с. 87-93. 2. Алексанин А.И., Алексанина М.Г., Горин И.И. Спутниковые ИК-изображения водной поверхности: от термических структур к полю скоростей // Исследования Земли из космоса, 2001, №2, с. 7-15. 3. Атлас Курильских островов / Российская академия наук. Институт географии РАН. Тихоокеанский институт географии ДВО РАН; Редкол.: Котляков В.М. (председатель), Бакланов П.Я., Комедчиков Н.Н. (гл. ред.) и др.; Отв. ред.картограф Фѐдорова Е.Я. — М.; Владивосток: ИПЦ «ДИК», 2009. — 516 с. 4. Ахмедов Ш.А., Алиев М.И., Мирзоев Ф.А. Об изменчивости компонентов радиационного баланса над Кавказско-Каспийским регионом по спутниковым данным // Исследование Земли из космоса, 2007, №3, с. 34-36. 5. Бондур В.Г. Космический мониторинг природных пожаров в России в условиях аномальной жары 2010 г. // Исследование Земли из космоса, 2011, №3, с. 3-13. 6. Бусыгин Б.С., Гаркуша И.Н., Зацепин Е.П. Выявление тепловых аномалий по данным съемки сканера ASTER. // Наукові праці ДонНТУ: Серія гірн.-геол., 2010. – Вип. 12 (173). – С. 73–81. 7. Бухаров М.В., Соловьѐв В.И. Мониторинг осадков осеннего периода по измерениям уходящего теплового излучения Земли со спутника NOAA // Исследования Земли из космоса, 2004, №5, с. 51-57. 8. Викторов С.В., Чикишев А.Г. Ландшафтная индикация и ее практическое применение. М.: Изд-во МГУ, 1990, 200 с. 9. Вилор Н.В., Абушенко Н.А., Тащилин С.А. Инфракрасное излучение в зонах спрединга и рифтогенеза (на примере Афарской депрессии, Северо-Восточная Африка) // Исследование Земли из космоса, 2006, №3, с. 76-82. 10. Вилор Н.В., Абушенко Н.А., Тащилин С.А. Инфракрасное излучение Земли в области сочленения океан-континент // Исследования Земли из космоса, 2004, №2, с. 17-24. 181 11. Вилор Н.В., Минько Н.В. Спутниковый мониторинг инфракрасного излучения геолого-структурных элементов Саяно-Байкало-Патомской горной области и Байкальской рифтовой зоны // Исследование Земли из космоса, 2002, №4, с. 55-61. 12. Вилор Н.В., Русанов В.А., Шарпинский Д.Ю. Динамика уходящего инфракрасного излучения элементов геологической структуры земной поверхности по данным съѐмки со спутников NOAA и Terra // Исследования Земли из космоса, 2009, №3, с. 3-15. 13. Ганзей К.С. Ландшафты и физико-географическое районирование Курильских островов. Владивосток: Дальнаука, 2010. – 214 с. 14. Гвоздецкий Н.А., Михайлов Н.И. Физическая география СССР. Азиатская часть. – М.: Государственное издательство географической литературы, 1963. – 572 с. 15. Гинзбург А.И., Зацепин А.Г., Костяной А.Г., Кривошея В.Г., Скирта А.Ю., Соловьѐв Д.М., Станичный С.В., Шеремет Н.А., Шиганова Т.А., Якубенко В.Г., Грегуар М. Антициклонические вихри в глубоководной восточной части Чѐрного моря летом-осенью 1999 г. (спутниковые и судовые наблюдения) // Исследования Земли из космоса, 2002, №5, с. 3-11. 16. Гинзбург А.И., Костяной А.Г., Незлин Н.П., Соловьѐв Д.М., Станичная Р.Р., Станичный С.В. Антициклонические вихри над северо-западным материковым склоном Чѐрного моря и их роль в переносе богатых хлорофиллом шельфовых вод в глубоководный бассейн // Исследование Земли из космоса, 2000, №3, с. 71-81. 17. Гинзбург А.И., Костяной А.Г., Незлин Н.П., Соловьѐв Д.М., Станичный С.В. Эволюция антициклонического вихря в северо-восточной части Чѐрного моря летом и осенью 1993 г. (спутниковые и судовые наблюдения) // Исследования Земли из космоса, 2001, №2, с. 69-75. 18. Гинзбург А.И., Костяной А.Г., Соловьѐв Д.М., Станичный С.В. Эволюция вихрей и струй северо-восточной части Чѐрного моря осенью 1997 г. (спутниковые наблюдения) // Исследования Земли из космоса, 2000, №1, с. 3-14. 19. Гинзбург А.И., Костяной А.Г., Соловьѐв Д.М., Шеремет Н.А. Структура апвеллинга у западного побережья Среднего Каспия (по спутниковым данным) // Исследования Земли из космоса, 2005, №4, с. 76-85. 20. Глушкова Н.В., Баландис В.А. Опыт использования многозональных космоснимков ASTER на примере Уронайского рудного узла // Исследование Земли из космоса, 2005, №2, с. 61-66. 182 21. Головко В.А. Глобальное перераспределение составляющих радиационного баланса Земли // Исследование Земли из космоса, 2003, №6, с. 3-13. 22. Головко В.А., Козодеров В.В. Радиационный баланс Земли новые приложения для изучения стихийных бедствий из космоса // Исследования Земли из космоса, 2000, №1, с. 26-41. 23. Горный В.И. Космические измерительные методы инфракрасного теплового диапазона при мониторинге потенциально опасных явлений и объектов. Тр. Всерос. конф. ―Современные проблемы дистанционного зондирования Земли из Космоса‖. Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов. Москва, 10–12 ноября 2003 г. М.: Полиграфсервис, 2004. с. 10–16. 24. Горный В.И., Крицук С.Г. О возможности картографирования физико- географических зон тепловой космической съѐмкой // Доклады Академии Наук. География, 2006, Т. 411, №5, с. 684-686. 25. Горный В.И., Крицук С.Г., Латыпов И.Ш., Храмцов В.Н. Верификация крупномасштабных карт термодинамического индекса нарушенности экосистем // Современные проблемы дистанционного зондирования Земли из космоса, 2013, Т. 10, № 4, с. 201–212. 26. Горный В.И., Шилин Б.В., Ясинский Г.И. Тепловая аэрокосмическая съѐмка. – М.: Недра, 1993. – 128 с.. 27. Горшков Г.С. Вулканизм Курильской островной дуги. – М.: Наука, 1967. – 288 с. 28. Гуня А.Н. Изучение возможностей выявления динамики состояний ландшафтов по наземным и аэрокосмическим данным // Вестник МГУ. Серия 5. №1, 1990, с. 53-57. 29. Гуня А.Н. Ландшафтные основы анализа природных и природно-антропогенных изменений высокогорных территорий. - Нальчик: Издательство КБНЦ РАН, 2010. 200 с. 30. Жарков Р.В., Козлов, Д.Н., Дегтерев А.В. Современная фумарольная гидротермальная активность вулкана Синарка (о. Шиашкотан, Курильские острова) // Вестник КРАУНЦ. Науки о Земле. 2011, № 1 (выпуск 17), с. 179-185 31. Карта растительности Московской области. Микляева И.М., Огуреева Г.Н. Суслова Е.Г., Швергунова Л.В. Географический факультет МГУ им. Ломоносова, Лаборатория биогеографического картографирования. М.:1996. 183 32. Кислов А.В., моделирование Константинов температуры П.И. Детализированное московского мегаполиса // пространственное Метеорология и гидрология. - Москва: НИЦ "Планета", 2011, № 5, с. 25-32. 33. Книжников Ю.Ф. Динамическое аэрокосмическое зондирование (содержание, проблемы, область применения) // Вестник МГУ, Серия 5, №4, 1985, с. 7-14. 34. Книжников Ю.Ф., Кравцова В.И. Аэрокосмические исследования динамики географических явлений. М., Изд-во Моск. Ун-та, 1991. – 206 с.: с илл. 35. Козлов Д.Н., Жарков Р.В. Новые данные по морфологии внутрикальдерных озѐр островов Кунашир и Симушир // Вестник КРАУНЦ. Науки о Земле. 2009, № 2, Выпуск №14, с. 30–35. 36. Козлов Д.Н., Жарков Р.В. Тепловизионная съемка активных вулканов Курильских островов в 2009-2011 гг. // Вестник КРАУНЦ. Науки о Земле. 2012, № 1, Выпуск №19, с. 231–239. 37. Козлов Д.Н., Пузаченко М.Ю., Федяева М.В., Пузаченко Ю.Г. Отображение пространственного варьирования свойств ландшафтного покрова на основе дистанционной информации и цифровой модели рельефа // Известия РАН. Серия Географическая, 2008, №4, с. 112-124. 38. Кокутин С.Н. Развитие дистанционного тепловизионного метода при геоэкологических исследованиях природных и техногенных систем: автореф. дис. канд. геолого-минералогических наук: 25.00.36 / Уральский государственный горный университет. – Екатеринбург, 2010. – 21 с. 39. Комитет по архитектуре и градостроительству города Москвы: http://www.mka.mos.ru/mka/mka.nsf/ 40. Коновалова Т.И., Трофимова И.Е. Картографирование экологического состояния урбанизированных территорий на основе материалов дистанционных исследований Земли // Исследования Земли из космоса, 2008, №4, с. 36-44. 41. Курильские острова (природа, геология, землетрясения, вулканы, история, экономика). Южно-Сахалинск: Сахалинск. кн. изд-во, 2004. 228 с. 42. Мелентьев В.В., Мателенок И.В. Широтно-зональная дифференциация ландшафтов природных зон Западной Сибири по данным спутниковой СВЧ радиометрии // Лесоведение, 2013, №9. 43. Миловский Г.А., Бугарь В.Д., Деревянко И.В. Крупномасштабное прогнозирование оруднения и нефтегазоносности на Приполярном Урале // Исследование Земли из космоса, 2004, №4, с. 73-81. 184 44. Никитин А.А. Основные черты пространственного распределения поверхностных термических фронтов в водах Японского моря и их изменчивость // Исследование Земли из космоса, 2006, №5, с. 49-62. 45. Николаев В.А. Ландшафтоведение. Семинарские и практически занятия. Изд-е 2-е, перераб. и доп. - М.: Географический факультет МГУ, 2006. - 208 с. 46. Новиненко температуры Е.Г., Шевченко поверхности Г.В. Пространственно-временная Охотского моря по изменчивость спутниковым данным // Исследование Земли из космоса, 2007, №5, с. 50-60. 47. О состоянии природных ресурсов и окружающей среды Московской области в 2012 году. Информационный выпуск. Министерство экологии и природопользования Московской области. Красногорск. 2013. 260 с. 48. Пахомов Л.А., Люшвин П.В., Чернявский Е.Б. Учѐт искажающего влияния атмосферы при оценке альбедо и температуры поверхности Каспийского моря по данным аппаратуры AVHRR спутников NOAA // Исследования Земли из космоса, 2004, №3, с. 67-72. 49. Погребнов Н.Н., Фролов В.Н. Возможности дистанционной индикации геотермического поля угольных месторождений // Исследования Земли из космоса, 2005, №6, с. 56-60. 50. Покровский О.М. Изменения температуры поверхности океана в Северной Атлантике и колебания климата Европы // Исследования Земли из космоса, 2005, №4, с.24-34. 51. Покровский О.М. Объективный анализ полей температуры для поверхностей морей России по данным MODIS/Terra // Исследование Земли из космоса, 2005, №3, с. 5365. 52. Покровский О.М., Королевская И.П. Восстановление компонентов теплового баланса по данным спутниковых наблюдений // Исследование Земли из космоса, 2001, №5, с. 85-93. 53. Поляков А.В., Тимофеев Ю.М., Успенский А.Б. Возможности определения температуры и излучательной способности поверхности суши по данным спутниковых ИК-зондировщиков высокого спектрального разрешения (ИКФС-2) // Исследование Земли из космоса, 2010, № 4, с. 85 – 90. 54. Поляков А.В., Тимофеев Ю.М., Успенский А.Б. Температурно-влажностное зондирование атмосферы по данным спутникового ИК-зондировщика высокого 185 спектрального разрешения ИКФС-2 // Исследования Земли из космоса, 2009, №5, с. 3-10. 55. Портал Викимапия: wikimapia.org. 56. Природный комплекс большого города: Ландшафтно-экологический анализ / Э.Г. Коломыц, Г.С. Розенберг, О.В. Глебова и др. - М.: Наука; МАИК "Наука/Интерпериодика", 2000. -286 с. 57. Рамазанова Н.Е. Проблемы комплексной оценки геоэкосистем степной зоны бассейна р. Урал // Вестник ЕНУ им. Л.Н. Гумилѐва, 2012, №4, с. 260-266. 58. Ресурсы поверхностных вод СССР: Гидрологическая изученность. Т. 16. АнгароЕнисейский район. Вып. 3. Забайкалье/ Под ред. В. И. Зильберштейн. — Л.: Гидрометеоиздат, 1966. – 159 с. 59. Рублѐв А.Н., Успенский А.Б., Троценко А.Н., Удалова Т.А., Волкова Е.В. Детектирование и оценка балла облачности по данным атмосферных ИКзондировщиков высокого разрешения // Исследования Земли из космоса, 2004, №3, с. 43-51. 60. Смирнов Л.Е., Теоретические основы и методы географического дешифрирования аэроснимков, Л., 1967. 61. Соловьѐв В.И., Анекеева Л.А., Соловьѐва И.С., Успенский А.Б. Картирование температуры поверхности Мирового Океана по данным геостационарных ИСЗ // Исследования Земли из космоса, 2001, №3, с. 10-15. 62. Соловьѐв В.И., Успенский С.А. Мониторинг температуры поверхности суши по данным геостационарных метеорологических спутников нового поколения // Исследования Земли из космоса, 2009, №3, с. 79-89. 63. Тимофеев Н.А., Юровский А.В. Климатические корреляции и проблема чувствительности радиационного режима на океанах к вариациям характеристик облачности // Исследования Земли из космоса, 2001, №4, с. 53-62. 64. Тимофеев Н.А., Юровский А.В. Прогноз Эль-Ниньо на основе спутниковой информации // Исследования Земли из космоса, 2000, №3, с. 13-20. 65. Тронин А.А. Возможности применения космической тепловой съѐмки для исследования землетрясений // Исследования Земли из космоса, 2005, №4, с. 86-89. 66. Тронин А.А., Горный В.И., Крицук С.Г., Латыпов И.Ш. Спектральные методы дистанционного зондирования в геологии. Обзор // Современные проблемы дистанционного зондирования Земли из космоса, 2011, Т. 8, №4, с. 23-36. 186 67. Тронин А.А., Шилин Б.В. Мониторинг шлейфов городских очистных сооруже-ний Санкт-Петербурга аэрокосмической тепловой съѐмкой // Современные проблемы дистанционного зондирования Земли из космоса, 2008, том II, №5, с. 586 – 594. 68. Трофимова И.Е., Коновалова Т.И. Оценка теплового состояния ландшафтов Южного Прибайкалья дистанционными методами // География и природные ресурсы, 1996, №4, с. 61-71. 69. Трофимова И.Е., Коновалова Т.И., Бессолицына Е.П. Экспериментальные исследования аэродистанционными методами теплового состояния геосистем // География и природные ресурсы, 1998, №1, с. 22-26. 70. Успенский А.Б. Современное состояние и перспективы дистанционного температурно-влажностного зондирования атмосферы // Исследование Земли из космоса, 2010, №2, с. 26-35. 71. Филиппович В.Е., Лялько В.И., Станкевич С.А., Крылова А.Б., Мычак А.Г. Использование космической съѐмки при анализе теплового поля исторической части г. Киева // Проблеми та досвід інженерного захисту урбанізованих територій і збереження спадщини в умовах геоекологічного ризику: Мат-ли Міжнародної науково-практичної кон-ференції / Під ред. В. М. Шестопалова, М. Г. Демчишина, В. О. Кендзери, Ю. О. Маслова. - К.: Фенікс, 2013. - VI, с. 64 - 69. 72. Харук В.И., Кожуховская А.Г., Пестунов И.А., Рэнсон К.Дж., Цибульский Г.М. Съѐмка NOAA/AVHRR в мониторинге вспышек сибирского шелкопряда // Исследования Земли из космоса, 2001, №1, с. 80-86. 73. Харук В.И., Рансон К.Дж., Им С.Т., Федотова Е.В. Оценка влияний разработок месторождений золота на состояние таѐжных территорий Средней Сибири по данным ИСЗ Landsat-7 // Исследования Земли из космоса, 2001, №6, с. 68-81. 74. Харук В.И., Рэнсон К.Дж., Кузьмичѐв В.В., Буренина Т.А., Тихомиров А.Ю., Им С.Т. Съѐмка Landsat в анализе шелкопрядников Южной Сибири // Исследования Земли из космоса, 2002, №4, с. 79-90. 75. Хорошев А.В., Мерекалова К.А., Алещенко Г.М. Полимасштабная организация межкомпонетных отношений в ландшафте // Известия РАН. Серия Географическая, 2010, №1, с. 23-36. 76. Хорошев А.В., Пузаченко Ю.Г., Дьяконов К.Н. Современное состояние ландшафтной экологии // Известия РАН. Серия Географическая, 2006, №5, с. 12-21. 77. Шилин Б.В. Тепловая аэросъѐмка при изучении природных ресурсов. – Л.: Гидрометеоиздат, 1980. 187 78. Шовенгердт Р.А. Дистанционное зондирование. Модели и методы обработки изображений. М.: Техносфера. 2010. 560 с. 79. Agam N., Kustas W.P., Anderson M.C., Li F., Neale C.M.U. A vegetation index based technique for spatial sharpening of thermal imagery // Remote Sensing of Environment, 2007, Vol. 107, p. 545–558. 80. Anderson M.C., Allen R.G., Morse A., Kustas W.P. Use of Landsat thermal imagery in monitoring evapotranspiration and managing water resources // Remote Sensing of Environment. 2012, Vol. 122, p. 50–65. 81. Aniello C.A. Using Landsat-TM thermal data to map micro-urban heat islands in Dallas, Texas. Submitted to the Graduate Faculty of AddRan College of Arts and Sciences Texas Christian University in partial fulfillment of the requirements for the degree of Master of Science, December 1993. 82. Bechtel B., Daneke C., Langkamp T., Oßenbrügge J., Böhner J. Classification of Local Climate Zones from multitemporal remote sensing data // ICUC8 – 8th International Conference on Urban Climates, 6-10 August, 2012, UCD, Dublin Ireland. 83. Campbell J.B., Wynne R.H. Introduction to remote sensing. 5th ed. New York.: The Guilford Press. 2011. 718 p. 84. Cantat O. L’îlot de chaleur urbain parisien selon les types de temps // Norois, 2004, Vol. 191 (2004/2), p. 75-102. 85. Cheval S., Dumitrescu A. The July urban heat island of Bucharest as derived from modis images // Theoretical and Applied Climatology, 2009, Vol. 96, p. 145 – 153. 86. Chudnovsky A., Ben-Dor E., Saaroni H. Diurnal thermal behavior of selected urban objects using remote sensing measurements // Energy and Buildings, 2004, Vol. 36, p. 1063-1074. 87. Dousset B., Gourmelon F. Satellite multi-sensor data analysis of urban surface temperatures and landcover // ISPRS Journal of Photogrammetry & Remote Sensing, 2003, Vol. 58, p. 43 – 54. 88. EarthExplorer USGS: http://earthexplorer.usgs.gov/ 89. Gluch R., Quattrochi D.A., Luvall J.C. A multi-scale approach to urban thermal analysis // Remote Sensing of Environment, 2006, Vol. 104, p. 123 – 132. 90. Hansen M.C., DeFries R.S., Townshend J.R.G., Sohlberg R., Dimiceli C., Carroll M. Towards an operational MODIS continuous field of percent tree cover algorithm: examples using AVHRR and MODIS data // Remote Sensing of Environment. 2002, Vol. 83, p. 303–319. 188 91. Hung T., Uchihama D., Ochi S., Yasuoka Y. Assessment with satellite data of the urban heat island effects in Asian mega cities // International Journal of Applied Earth Observation and Geoinformation, 2006, Vol. 8, p. 34 – 48. 92. Jensen J.R. Remote sensing of the Environment: An Earth resource perspective. University of South Carolina, 2000. 93. Lagouarde J.-P., Moreau P., Irvine M., Bonnefond J.-M., Voogt J.A., Solliec F. Airborne experimental measurements of the angular variations in surface temperature over urban areas: case study of Marseille (France) // Remote Sensing of Environment, 2004, Vol. 93, p. 443-462. 94. Li Z.-L., Tang B.-H., Wu H., Ren H., Yan G., Wan Z., Trigo I.F., Sobrino J.A. Satellitederived land surface temperature: Current status and perspectives // Remote Sensing of Environment. 2013, Vol. 131, p. 14–37. 95. Lu D., Weng Q. Spectral mixture analysis of ASTER images for examining the relationship between urban thermal features and biophysical descriptors in Indianapolis, Indiana, USA // Remote Sensing of Environment, 2006, Vol. 104, p. 157-167. 96. NASA: ASTER: http://asterweb.jpl.nasa.gov/ 97. NASA: Landsat Science: http://landsat.gsfc.nasa.gov/ 98. Oki K., Omasa K. A Technique for Mapping Thermal Infrared Radiation Variation Within Land Cover // IEEE Transactions on Geoscience and Remote Sensing, 2003, Vol. 41, No. 6, p. 1521 – 1524. 99. Oppenheimer C. Volcanological applications of meteorological satellites // International Journal of Remote Sensing. 1998, Vol. 19, p. 2829-2864. 100. Oppenheimer, C., Yirgu, G. Thermal imaging of an active lava lake: Erta 'Ale volcano, Ethiopia // International Journal of Remote Sensing. 2002, Vol. 23, p. 47774782. 101. Peterson T.C. Assessment of Urban Versus Rural In Situ Surface Temperatures in the Contiguous United States: No Difference Found // Journal of Climate, 2003, Vol. 16, No. 18, p. 2941 – 2959. 102. Pu R., Gong P., Michishita R., Sasagawa T. Assessment of multi-resolution and multi-sensor data for urban surface temperature retrieval // Remote Sensing of Environment, 2006, Vol. 104, p. 211-225. 103. Quattrochi D.A., Luvall J.C. Thermal infrared remote sensing for analysis of landscape ecological processes: methods and applications // Landscape Ecology, 1999, Vol. 14, p. 577–598. 189 104. Rosenzweig C., Solecki W.D., Parshall L., Chopping M., Pope G., Goldberg R. Characterizing the urban heat island in current and future climates in New Jersey // Environmental Hazards, 2005, Vol. 6, p. 51–62. 105. Sobrino J.A., Jimenez-Munoz J.C., Paolini L. Land surface temperature retrieval from Landsat-5/TM // Remote Sensing of Environment, 2004, Vol. 90, p. 434 – 440. 106. Song J., Du S., Feng X., Guo L. The relationships between landscape compositions and land surfacetemperature: Quantifying their resolution sensitivity with spatialregression models // Landscape and Urban Planning, 2014, Vol. 123, p. 145– 157. 107. Southworth J. An assessment of Landsat TM band 6 thermal data for analyzing land cover in tropical dry forest regions // International Journal of Remote Sensing, 2004, Vol. 25, Vol. 4, p. 689 – 706. 108. Srivastava P.K., Majumdar T.J., Bhattacharya A.K. Surface temperature estimation in Singhbhum Shear Zone of India using Landsat-7 ETM+ thermal infrared data // Advances in Space Research, 2009, Vol. 43, p. 1563–1574. 109. Stankevich S., Filippovich V. Infrared satellite imaging for the study of urban heat islands in Ukraine // Proceedings of 8-th International Green Energy Conference, Kyiv, June 17-19, 2013. Kyiv. 2013. 110. Stathopoulou M., Cartalis C. Daytime urban heat islands from Landsat ETM+ and Corine land cover data: An application to major cities in Greece // Solar Energy, 2007, Vol. 81, p. 358 – 368. 111. Stathopoulou M., Cartalis C. Downscaling AVHRR land surface temperatures for improved surface urban heat island intensity estimation // Remote Sensing of Environment, 2009, Vol. 113, p. 2592–2605. 112. Stewart, I.D. classifying urban climate field sites by ―Local Climate Zones‖ // International Association for Urban Climate. 2009, Vol. 34, p. 8-11. 113. Suga Y., Ogawa H., Ohno K., Yamada K. Detection of surface temperature from Landsat-7/ETM+ // Advances in Space Research, 2003, Vol. 32, No. 11, p. 2235 - 2240. 114. Tan K.C., Lim H.S., MatJafri M.Z., Abdullah K. Land Surface Temperature Retrieval by Using ATCOR3_T and Normalized Difference Vegetation Index Methods in Penang Island // American Journal of Applied Sciences, 2010, Vol. 7(5), p. 717 – 723. 115. Tan K.C., Lim H.S., MatJafri M.Z., Abdullah K. Landsat data to evaluate urban expansion and determine land use/land cover changes in Penang Island, Malaysia // Environmental Earth Sciences, 2010, Vol. 60, p. 1509–1521. 116. USGS: Landsat: http://landsat.usgs.gov/ 190 117. Voogt J.A., Oke T.R. Thermal remote sensing of urban climates // Remote Sensing of Environment, 2003, Vol. 86, p. 370 – 384. 118. Weng Q. Thermal infrared remote sensing for urban climate and environmental studies: Methods, applications, and trends // ISPRS Journal of Photogrammetry and Remote Sensing, 2009, Vol. 64, p. 335 – 344. 119. Weng Q., Lu D. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegeta-tion coverage in Indianapolis, United States // International Journal of Applied Earth Observation and Geoinformation, 2008, Vol. 10, p. 68–83. 120. Weng Q., Lu D., Schubring J. Estimation of land surface temperature–vegetation abundance relationship for urban heat island studies // Remote Sensing of Environment, 2004, Vol. 89, p.467 – 483. 121. Weng Q., Quattrochi D.A. Thermal remote sensing of urban areas: An introduction to the special issue // Remote Sensing of Environment, 2006, Vol. 104, 119 – 122. 122. Wilson J.S., Clay M., Martin E., Stuckey D., Vedder-Risch K. Evaluating environmental influences of zoning in urban ecosystems with remote sensing // Remote Sensing of Environment, 2003, Vol. 86, p. 303–321. 123. Yang J.S., Wang Y.Q., August P.V. Estimation of Land Surface Temperature Using Spatial Interpolation and Satellite-Derived Surface Emissivity // Journal of Environmental Informatics, 2004, Vol. 4(1), p. 37 – 44. 124. Zhang J., Wang Y., Li Y. A C++ program for retrieving land surface temperature from the data of Landsat TM/ETM+ band 6 // Computers & Geosciences, 2006, Vol. 32, p. 1796–1805. 125. Zhou W., Huang G., Cadenasso M.L. Does spatial configuration matter? Understanding the effects of land cover pattern on land surface temperature in urban landscapes // Landscape and Urban Planning, 2011, Vol. 102. p. 54–63. 126. Zhu G., Blumberg D.G. Classification using ASTER data and SVM algorithms; the case study of Beer Sheva, Israel // Remote Sensing of Environment, 2002, Vol.80, p. 233-240. 191 ПРИЛОЖЕНИЯ 192 Приложение 1. Некоторые характеристики погоды в день съѐмки для отобранных для составления карты "тепловых зон" Москвы снимков Landsat. Погодные условия Дата съемки Темпера тура воздуха, ºС Ветер, напр., порывы в м/с Видим ость, км Нижняя граница облачнос ти, м 0,0 0 6 3000 +2,0 СВ, 1 6 3000 Гистограмма стандартизованного по границам изображения (см. ниже). По вертикали – количество пикселов, по горизонтали – яркость, характеризующая интенсивность теплового излучения. 7 марта (2003) 14 марта (2003) 193 12 апреля +15,0 З, 1 6 3000 +17,0 С, 2 6 3000 +20,0 С, 1 6 3000 (2002) 4 мая (2001) 26 мая (2003) 194 3 сентября +22,0 ЮЗ, 1 6 3000 +15,2 З, 1 10 3000 +20,0 ЮВ, 2 6 3000 (2002) 29 сентября (2000)* 6 октября (1999) 195 14 октября +1,0 0 6 3000 -5,0 СВ, 2 6 3000 -6,0 Ю, 1 6 3000 (2002) 7 ноября (1999) 25 декабря (1999) * Данные за 12.00 GMT. 196 Приложение 2. Информация о многовременных снимках на вулканы Курильских островов. одномоментных снимков по снимков в составе сезонам Наиболее удачный синтез снимка ETM+) Менделеева Кунашир 12 Головнина Кунашир 18 0 Лето (системы TM, Осень многовременного Весна Остров Количество Зима Вулкан Количество 3 2 7 3,2,1 3 2 1 5,3,2 2 Пик Сарычева Матуа Недостаточно снимков для создания многовременного снимка Экарма Экарма 4 0 1 2 1 4,3,1 Заварицкого Симушир 7 1 2 2 2 6,5,2 Синарка Шиашкотан 5 0 2 2 1 5,2,1 Итуруп 10 1 3 5 1 7,3,1 Иван Грозный 197 Приложение 3. Температура воздуха в день съемки для отобранных снимков системы ETM+ для составления карт тепловой структуры и тепловых аномалий территории Ульяновска. Дата съемки 19 марта 2002 Температура воздуха, °С +7 01 апреля 2001 +3 20 апреля 2002 +8 29 июня 2001 +23 05 сентября 2000 +25 08 ноября 2000 0 01 декабря1999 -2 198 Приложение 4. Точки описания растительного покрова во время полевых работ на территории Алтачейского заказника (помечены зелѐными кружками). 199
