ПОЧВОВЕДЕНИЕ, 2015, № 10, с. 1277-1288
ДЕГРАДАЦИЯ, ВОССТАНОВЛЕНИЕ И ОХРАНА ПОЧВ
УДК 631.4
ОЦЕНКА ПОТЕРЬ ПЛОДОРОДНЫХ ПОЧВ В РЕЗУЛЬТАТЕ
ЗАПЕЧАТЫВАНИЯ ПО ДАННЫМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ И ГЕОИНФОРМАЦИОННЫХ СИСТЕМ © 2015 г. Е. C. Мохамед, А. Билял, А. Шалабай
Национальное управление дистанционного зондирования и космической науки, Египет, Каир, ул. Иосипа Броз Тито, 23, Эль-Ножа Ельгедид, п/я № 1564АльфМаскан e-mail: salama55_55@yahoo.com, salama55@mail.ru Поступила в редакцию 07.03.2014 г.
По данным дистанционного зондирования с использованием геоинформационных систем выявлены масштабы потерь плодородных почв дельты Нила в результате их запечатывания. Получены количественные оценки масштабов запечатывания почв при современном росте египетских городов и изменений в землепользовании и наземном покрове в период с 2001 по 2014 гг. на примере провинции Эль-Гарбия. Использовали данные космических снимков со спутников: Landsat 7 за 2001 г. с разрешением 30 м, Landsat 8 за 2013 г. с тем же разрешением и EgyptSat за 2010 г. с разрешением 7.8 м. Для мониторинга изменений в землепользовании и наземном покрове применяли четыре полуавтоматические классификации, основанные на методах максимального правдоподобия, минимального расстояния, нейронных сетей и опорных векторов. Выявлено, что продуктивность сельскохозяйственных угодий в районе исследований варьирует от средней до высокой в зависимости от химических и физических свойств почв. В период с 2001 по 2010 гг. было утрачено 3992 га высокопродуктивных почв за счет запечатывания. В период с 2010 по 2013 гг. произошло дальнейшее запечатывание 1397 га почв. По прогнозу роста городов к 2020 г. площадь застройки увеличится на 12.4%, что подразумевает дальнейшую утрату около 3400 га почв в районе исследований.
Ключевые слова: землепользование, наземный покров, выявление изменений, продуктивность почв. DOI: 10.7868/S0032180X1510007X
ВВЕДЕНИЕ
Сельское хозяйство является основным звеном государственной экономики Египта, а почвы дельты Нила — наиболее пригодные для сельскохозяйственного использования. Всего 4% от общей площади Египта занято сельскохозяйственными угодьями, и именно здесь сосредоточено население, плотность которого является одной из самых высоких в мире. Остальные 96% территории Египта — это аридная пустыня. В перспективе неизбежно освоение пустынных земель для нужд растущего населения, которое скоро не сможет уместиться в издревле заселенной дельте Нила [1]. Правительство предпринимает попытки остановить потерю продуктивных земель в этом районе и "перенаправить" рост городских застроек к периферии дельты и прилегающим пустынным районам [3]. Деградация почв и рост городов — наиболее распространенные проблемы развития сельского хозяйства [13, 14, 19]. Запечатывание почв — это полная и долговременная изоляция поверхности под непроницаемыми или полупроницаемыми искусственными материалами. Строительство новых жилых районов и транспортных
магистралей может привести к утрате значительной части сельскохозяйственных угодий [17]. В этой связи необходимо проводить учет утраченных в результате запечатывания земель, и дистанционные методы наблюдения земной поверхности становятся незаменимым инструментом получения информации и выявления изменений путем сопоставления космических снимков разных лет [2, 18]. Выявленные дистанционным зондированием общие тренды и проблемные области являются важной рекогносцировочной стадией при планировании более детальных полевых исследований. Космические снимки, сделанные со спутников Ьапё8а1, дают возможность наблюдать изменения в землепользовании и наземном покрове, а также служат источником картографической информации для многих других отраслей [6, 10, 12]. Разработанная технология дистанционного зондирования позволяет идентифицировать и количественно описать изменения в землепользовании и наземном покрове за конкретный период с использованием следующих методов обработки космических снимков: пост-классификационное сравнение, различение изображений, анализ главных компонент и вычисление индекса
Рис. 1. Географическое положение района исследований.
растительности [27]. Точность пост-классификационного сравнения наземных покровов зависит от точности исходных классификаций наземного покрова и их устойчивости во времени [5]. Продуктивность почвы определяется ее способностью производить определенное количество растительной биомассы на конкретной площади и поддерживать урожайность всех культур севооборота, практикуемого на этой площади. Качество земли — это комплексная характеристика, отвечающая нуждам планирования землеустройства и землепользования [7, 11, 26]. Продуктивность почвы является результирующей баланса изначальных почвенных свойств и потребностей выращиваемых культур. Оптимальное использование почвенных ресурсов нацелено на поддержание продуктивности почв в течение длительного времени [20—22].
Цель исследования — оценка последствий революции в Египте (2011 г.) для сельскохозяйственных угодий в провинции Эль-Гарбия, что подразумевает оценку потерь продуктивных почв в результате урбанизации и оценку роста городов до и после революции с помощью дистанционного зондирования.
ОБЪЕКТЫ И МЕТОДЫ
Район исследований (Эль-Гарбия) расположен в средней части дельты Нила в Египте в пределах 30°45'—31°20' Е и 30°35'—31°15' N. Этот район ограничен провинциями Кафр Эль-Шейх с севера, Минуфия с юга и протоками Нила: Дамьеттой и Розеттой — с востока и запада соответственно (рис. 1).
Обработка цифровых изображений. Использовали три временных массива данных, полученных в мае 2001 г. со спутника Landsat 7 с помощью мультиспектральной камеры Enhanced Thematic Mapper, ETM+; в мае 2010 г. со спутника Egyptsat с разрешением 7.8 м и в июле 2013 г. со спутника Landsat 8 с разрешением 30 м. Провели их геометрическую коррекцию и калибровку. Цифровую модель рельефа района исследований генерировали с помощью модели SRTM (30-метрового разрешения) и дополнительных высотных отметок, полученных в ходе полевых работ с помощью GPS-приемника.
Изменения в землепользовании и наземном покрове. Выявление изменений в землепользовании и наземном покрове района исследований в период с 2001 по 2013 гг. проводили с помощью компьютерного построения совмещенных моделей, полученных при
классификации разновременных снимков. Наиболее точные результаты получены при определении пост-классификационных изменений. Для мониторинга изменений в землепользовании и наземном покрове в пределах района исследований использовали четыре контролируемых классификации изображений по методам максимального правдоподобия, минимального расстояния, нейронных сетей и опорных векторов. Перечисленные методы применяли к снимкам 2001, 2010 и 2013 гг. с последующим сравнением для выявления наиболее точного.
Классификация по методу максимального правдоподобия. Данный метод заключался в расчетах значений дискриминационных функций для каждого пикселя изображения [15]:
р(ю,/х) = р(х/щ)р(щ)р(х),
где р(ю(/х) — искомый и доступный р(х/ю() оценивается при обучении данных, р(ю() — вероятность того, что класс ю; есть в изображении, является одинаковой для всех классов; р(х) — вероятность нахождения пикселя с вектором измерения х в изображении любого класса.
Классификация по минимальному расстоянию. В этом методе рассчитывали расстояния до каждого среднего вектора (цск) от каждого неизвестного пикселя (БУук). Оно может быть рассчитано как евклидово расстояние по теореме Пифагора с использованием формулы [15]:
Dist = 7(В¥11к - ^ск)2 + (В¥1Л - ^с1)2,
где цск и цс1 — средние векторы для класса с, измеренного в каналах к и I. Алгоритмы минимальных расстояний дают возможность определить пороговое расстояние от среднего значения до конкретного пикселя, за пределами которого данный пиксель уже не будет относиться к определенному классу (категории), даже если он расположен ближе к среднему значению для этого класса.
Классификация по искусственным нейронным сетям. В данном методе используется алгоритм обратного распространения ошибки для классификации с обучением. Для применения логистической и гиперболической функций активации выбрали скрытые слои изображения. Обучение нейронных сетей происходит в результате минимизации расстояния между активацией выходного узла и выходным сигналом сети. Затем следует обратное распространение ошибки и производится корректировка размера узла рекурсивным методом [8].
Метод опорных векторов широко применяется в дистанционных исследованиях по землепользованию и наземному покрову лесных и сельскохо-
зяйственных угодий. Этот классификатор позволяет работать со сложной структурой наземного покрова в районе исследований на нескольких уровнях разрешения. Данный метод представляет собой классификационную систему, разработанную на основе статистической теории обучения, и дает хорошие результаты при работе со сложными данными с большим количеством "шума". Алгоритм классификации включает четыре типа ядер: линейную, полиномиальную, радиальную базисную функцию и сигмоид [4]. Классификацию землепользования и наземного покрова проводили с помощью сигмоидной функции:
Сигмоид К(х, ху) = tg(gx1Xjх] + г),
где К(х, ху) — ядерная функция; g — гамма-параметр ядерных функций всех типов, кроме линейного; г — параметр смещения ядерных функций для полиномиальных и сигмоидных ядер.
Для задач классификации использовали набор алгоритмов с обучением. Выбрали группы соседних пикселей в классах сельского хозяйства, водных ресурсов и городских застроек. Для каждого класса рассчитывали коэффициент Каппа для сопоставления результатов классификации с имеющимися материалами. В пределах района исследований была представлена случайная выборка из 260 точек, покрывающих всю территорию провинции Эль-Гарбия. С использованием десятикратного скользящего контроля или кросс-вали-дации провели разделение исходных реферативных точек на две выборки: обучающую (90%) и контрольную (10%).
Полевые работы и лабораторный анализ. Провели морфологическую характеристику 14-и почвенных профилей, репрезентативно распределенных по различны
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.