Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 6. С. 79-90
Автоматизация оценки поверхностной закарстованности по спутниковым снимкам Sentinel-2
1 Пермский государственный национальный исследовательский университет, Пермь, Россия
Одобрена к печати: 28.11.2022
DOI: 10.21046/2070-7401-2022-19-6-79-90
Демонстрируются преимущества проведения детального анализа данных дистанционного зондирования Земли в карстологических целях с использованием облачной платформы Google Earth Engine и геоинформационных систем. В качестве исследуемого выбран закарстованный участок в пределах Кишертского района развития гипсового и карбонатно-гипсового карста в Пермском крае. В статье демонстрируется применение классификации космических снимков с обучением, целью которой служит автоматическое зонирование территории по типу местности: луга и сельхозугодья, леса, урбанизированные участки. В пределах территорий, покрытых луговой растительностью, проведён расчёт вегетационных индексов с целью оконтурить потенциально опасные участки. Идея использования в оценке поверхностной закарстованности вегетационных индексов основана на том, что относительно высокие значения вегетационных индексов в пределах карстовых воронок являются отражением того, что борта, склоны и днища воронок на изучаемой площади покрыты кустарниковой влаголюбивой растительностью, которая при расчёте индексов весьма успешно дешифрируется на фоне луговой. На основе пространственного анализа, заключающегося в оценке площадного распространения потенциально опасных участков по данным растровых моделей вегетационных индексов, построена прогнозная модель, зонирующая изучаемую территорию по степени карстовой опасности. В результате количественной оценки применимости предлагаемой методики можно сделать вывод, что участки совпадения всех четырёх индексов весьма точно характеризуют площадь распространения подтверждённых карстовых форм и комплексный учёт вегетационных индексов весьма информативен в оценке поверхностной закарстованности.
Ключевые слова: данные дистанционного зондирования земли, Google Earth Engine, вегетационные индексы, инженерно-геологические изыскания, поверхностная закарстованность, карстовый массив, карстовая опасность
Полный текстСписок литературы:
- Горбунова К. А., Андрейчук В. Н., Костарев В. П., Максимович Н. Г. Карст и пещеры Пермской области. Пермь: Пермский гос. ун-т, 1992. 200 с.
- Золотарев Д. Р. Результаты линеаментного анализа на закарстованных территориях Пермского края // Современные проблемы науки и образования. 2012. № 5. 9 с. https://science-education.ru/ru/article/view?id=7233 (дата обращения: 04.10.2022).
- Золотарев Д. Р., Катаев В. Н. Воздействие линеаментной тектоники на развитие карстовых процессов на локальном уровне // Геориск. 2013. № 1. С. 34–43.
- Золотарев Д. Р., Катаев В. Н., Щербаков С. В. Соотношение закарстованности и линеаментов в пределах Полазненского локального поднятия // Геология и полезные ископаемые Западного Урала: материалы юбилейной научно-практич. конф., посвященной 80-летию геол. факультета и 95-летию Пермского ун-та. Пермь, 2011. С. 153–155.
- Полякова Е. В., Кутинов Ю. Г., Минеев А. Л., Чистова З. Б. Геоэкологическая оценка вероятности активизации карстовых процессов на основе цифрового моделирования рельефа // Анализ, прогноз и управление природными рисками с учетом глобального изменения климата «Геориск-2018». Материалы 10-й Международ. научно-практич. конф. В 2 т. Т. 1 / отв. ред. Н. Г. Мавлянова. М., 2018. С. 221–225.
- Полякова Е. В., Кутинов Ю. Г., Минеев А. Л., Чистова З. Б., Беленович Т. Я. Применение глобальной цифровой модели рельефа ASTER GDEM v.2 для выделения районов возможной активизации карстовых процессов на территории Архангельской области // Ученые записки Казанского ун-та. Сер.: «Естественные науки». 2021. Т. 163. № 2. С. 302–319. DOI: 10.26907/2542-064X.2021.2.302-319.
- Alexander S. C., Rahimi M., Larson E., Bomberger C., Greenwaldt B., Alexander Jr. E. C. Combining LiDAR, aerial photography and pictometric tools for karst features database management // NCKRI Symp. 2: Proc. 13th Multidisciplinary Conf. Sinkholes and the Engineering and Environmental Impacts of Karst / eds. Land L., Doctor D. H., Stephenson J. B. Carlsbad, New Mexico, 2013. P. 441–448.
- Bruning J., Gierke J., Maclean A. An Approach to Lineament Analysis for Groundwater Exploration in Nicaragua // Photogrammetric Engineering and Remote Sensing. 2011. No. 77(5). P. 509–519. https://doi.org/10.14358/PERS.77.5.509.
- Crippen R. E. Calculating the Vegetation Index Faster // Remote Sensing of Environment. 1990. V. 34. P. 71–73. DOI: 10.1016/0034-4257(90)90085-Z.
- de Carvalho Jr. O. A., Guimarães R. F., Montgomery D. R., Gillespie A. R., Gomes R. A.T., de Souza Martins É., Silva N. C. Karst depression detection using ASTER, ALOS/PRISM and SRTM-derived digital elevation models in the Bambuí Group, Brazil // Remote Sensing. 2014. V. 6. P. 330–351. DOI: 10.3390/rs6010330.
- Gao B.-C. NDWI — A Normalized Difference Water Index for Remote Sensing of Vegetation Liquid Water From Space // Remote Sensing of Environment. 1996. No. 58(3). P. 257–266. https://doi.org/10.1016/S0034-4257(96)00067-3.
- Gorelick N., Hancher M., Dixon M., Ilyushchenko S., Thau D., Moore R. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. DOI: 10.1016/j.rse.2017.06.031.
- Hofierkaa J., Gallaya M., Bandurab P., Šašaka J. Identification of karst sinkholes in a forested karst landscape using airborne laser scanning data and water flow analysis // Geomorphology. 2018. V. 308. P. 265–277. https://doi.org/10.1016/j.geomorph.2018.02.004.
- Jin S., Sader S. Comparison of time series tasseled cap wetness and the normalized difference moisture index in detecting forest disturbances // Remote Sensing of Environment. 2005. No. 94. P. 364–372. DOI: 10.1016/j.rse.2004.10.012.
- Kaufman Y. J., Tanre D. Atmospherically resistant vegetation index (ARVI) for EOS-MODIS // IEEE Trans. Geoscience and Remote Sensing. N. Y., 1992. V. 30. Iss. 2. P. 261–270. DOI: 10.1109/36.134076.
- Luman D. E., Panno S. V. Mapping palimpsest karst features on the Illinois sinkhole plain using historical aerial photography // Carbonates and Evaporites. 2013. No. 28. P. 201–214. http://dx.doi.org/10.1007/s13146-012-0107-4.
- Meijerink A., Bannert D., Batelaan O., Lubczynski M., Pointet T. Remote Sensing Applications to Groundwater. Paris, France, 2007. 304 p.
- Panno S. V., Weibe C. P., Li W. Karst regions of Illinois: Illinois State Geological Survey. Open File Ser. 1997-2. 1996. 90 p.
- Rouse J. W., Haas R. H., Scheel J. A., Deering D. W. Monitoring Vegetation Systems in the Great Plains with ERTS // Proc. 3rd Earth Resource Technology Satellite-1 Symp. (ERTS-1). 1974. V. 1. P. 48–62.
- Shaban A., Khawlie M., Abdallah C. Use of remote sensing and GIS to determine recharge potential zones: the case of Occidental Lebanon // Hydrogeology J. 2006. No. 14. P. 433–443. https://doi.org/10.1007/s10040-005-0437-6.
- Siart C., Bubenzer O., Eitel B. Combining digital elevation data (SRTM/ASTER), high resolution satellite imagery (Quickbird) and GIS for geomorphological mapping: A multi-component case study on Mediterranean karst in Central Crete // Geomorphology. 2009. No. 112(1). P. 106–121. DOI: 10.1016/j.geomorph.2009.05.010.
- Susantoro T. M., Wikantika K., Saepuloh A., Harsolumakso A. H. Selection of vegetation indices for mapping the sugarcane condition around the oil and gas field of North West Java Basin, Indonesia. IOP Conf. Ser.: Earth and Environmental Science. 2018. 149 p. DOI: 10.1088/1755-1315/149/1/012001.
- Valjavec M. B., Ciglič R., Oštir K., Ribeiro D. Modelling habitats in karst landscape by integrating remote sensing and topography data // Open Geosciences. 2018. No. 10. P. 137–156. https://doi.org/10.1515/geo-2018-0011.