Способ прогноза развития неблагоприятных воздействий на окружающую среду, выявленных по материалам аэрокосмической съемки

Изобретение относится к области обработки информации и может быть использовано для аэрокосмического экологического мониторинга территорий, находящихся под воздействием антропогенной деятельности, и разработки системы мер по предотвращению негативных последствий или поддержанию благоприятных тенденций.

Мониторинг предполагает не только наблюдение за процессом или явлением, но также его оценку, прогноз распространения и выработку предложений о снижении и предотвращении негативного воздействия на окружающую среду. На сегодняшний момент известно три основных метода прогнозирования [1]: экспертных оценок, экстраполяции и моделирования.

Метод экспертных оценок относится к числу наиболее разработанных. В основе метода лежит система получения и специализированной обработки прогностических оценок объекта мониторинга путем целенаправленного опроса специалистов-экспертов. В связи с этим результаты оценок прогноза развития неблагоприятного воздействия существенно зависят от квалификации эксперта и имеют субъективный характер.

Методы экстраполяции основаны на изучении количественных и качественных показателей исследуемого природного объекта за ряд предшествующих лет с последующим приложением выявленной тенденции их изменений к прогнозируемому периоду [2]. Недостатком таких методов является то, что они применимы только в случае, когда развитие ситуации в течение длительного времени происходит без значительных скачкообразных изменений. При этом не всегда можно адекватно выбрать модель, которая объективно описывает изменения процесса негативного воздействия во времени, особенно при ограниченном наборе или отсутствии ретроспективных данных.

В третьем методе прогноза, основанном на моделировании, в основном используют модели переноса и превращения загрязняющих веществ в окружающей среде (пространственно-географические модели). В настоящее время разработано достаточно большое количество прогнозных моделей распространения загрязнений в почвах, атмосфере и водных объектах [2-6], которые применяются в основном для составления краткосрочных прогнозов и направлены на оценку последствий негативного воздействия непосредственно сразу после аварий, залповых сбросов и выбросов. Однако зачастую выявленные загрязнения могут носить и долговременный характер, поэтому применение подобных моделей не всегда оправданно, так как регистрируется уже сам результат неблагоприятного воздействия.

Наиболее близкими по сущности аналогами к предлагаемому изобретению являются способы, основанные на использовании моделей изменения состояния отдельных компонентов экосистемы (так называемые экологические модели). Например, разработаны модели роста лесных плантаций, позволяющие анализировать динамику лесотаксационных показателей для широкого набора почвенно-климатических условий [7], а также прогнозные оценки состояния водных объектов [8].

Однако способы прогноза, рассмотренные в этих аналогах, дают лишь частные оценки прогноза для конкретного компонента среды (лес, вода и т.п.) относительно одного типа загрязнения. К тому же они в большей степени ориентированы на использование наземных средств измерений. Это увеличивает время обследования и снижает эффективность мероприятий по ликвидации накопленного на территории экологического ущерба.

В качестве наиболее близкого аналога можно рассмотреть методику комплексной оценки состояния окружающей среды с учетом особенностей геофизических условий местности, рассмотренную в материалах доклада Григорьевой О.В. «Научно-техническое обеспечение оценки экологической обстановки в Арктической зоне с использованием аэрокосмических средств мониторинга» [9]. В этой методике оценка основана на определении равновесия между антропогенным воздействием и реакцией окружающей среды на это воздействие, то есть способности противостоять негативным воздействиям, а в качестве исходных данных мониторинга используются много- и гиперспектральные данные дистанционного зондирования Земли в видимом и инфракрасном диапазонах спектра. Использование аэрокосмических средств наблюдения позволяет сократить время обследования обширных и малодоступных территорий, тем самым своевременно проводить прогноз воздействия выявленных негативных изменений в окружающей среде для планирования мероприятий по их ликвидации.

В этой методике для получения прогнозной оценки развития неблагоприятного воздействия на окружающую среду от выявленных загрязнений и нарушений используется система двух групп показателей, учитывающая направления развития неблагоприятного воздействия и период самовосстановления территории от загрязнений. Интегральную оценку развития неблагоприятных факторов I_p предлагается рассчитывать по формуле:

где X - уровень антропогенной нагрузки;

- потенциал самовосстановления территории, который определяет время возращения системы в первоначальное ненарушенное состояние;

r_i - балл i-го ландшафтно-климатического показателя территории;

n - количество показателей.

При этом в качестве ландшафтно-климатических показателей, характеризующих потенциал самовосстановления территории используются только следующие: окислительно-восстановительный режим почв (рН), содержание азота N в почве, средняя температура в самом теплом месяце, количество дней в году с температурой воздуха выше 10°С и мощность гумусового горизонта.

Данный подход нельзя считать достаточно обоснованным, так как не всегда одни и те же значения ландшафтно-климатических показателей r_i, входящих в R, справедливы для всех загрязнений, оцениваемых с помощью X. Например, для нефтезагрязнений земель и строительных отходов благоприятные значения кислотности почв являются крайне противоположными.

Недостатком также является то, что данный способ не является универсальным из-за жесткой привязки к пяти указанным ландшафтно-климатическим показателям, несмотря на то, что их перечень может быть намного шире. Например, не учитывается расположение участка загрязнения (нарушения) в пределах водоохранных зон, населенных пунктов, особо охраняемых природных территорий и др. При этом, как правило, данные дистанционного зондирования не могут предоставить всю информацию о существующих на территории загрязнениях, в некоторых случаях они только способствуют более рациональному планированию детальных наземных наблюдений. Соответственно приходится сталкиваться с вероятностными и случайными составляющими прогноза, которые влияют на точность предсказания и в некоторых случаях не описываются никакими закономерностями. Таким образом, использование "жестких" алгоритмов моделирования прогноза состояния экосистем может оказаться малоэффективным, так как предъявляет повышенные требования к полноте и точности исходных данных.

В материалах аналога также заявлено, что интегральные оценки прогноза неблагоприятного воздействия I_p используются для определения приоритетности экологической очистки обследованных объектов с учетом степени их текущего и прогнозируемого неблагоприятного воздействия на окружающую среду. Однако не сказано, каким способом осуществляется определение очередности ликвидации, а также каким образом производится расчет баллов ландшафтно-климатических показателей и уровня антропогенной нагрузки для расчета интегрального показателя.

Задача, решаемая заявленным способом, направлена на повышение оперативности получения информации о состоянии окружающей среды за счет использования дистанционных средств наблюдения и получения прогноза неблагоприятного воздействия с целью повышения эффективности принятия управленческих решений по ликвидации загрязнений (нарушений). Основное отличие от ближайшего аналога [9] заключается в том, что расчет прогнозной оценки развития неблагоприятных факторов I_jk осуществляется для каждого j-го вида загрязнения (нарушения) k-го компонента окружающей среды с помощью метода нечетких множеств, позволяющего принимать решения в условиях неопределенности. Это также позволяет дополнять систему ландшафтно-климатических и антропогенных показателей результатами наземных, лабораторных и других видов обследований. В свою очередь, получение интегральной оценки развития неблагоприятных факторов I_p для всей экосистемы территории мониторинга предлагается осуществлять на основе метода главных компонент, применяемого к частным покомпонентным оценкам I_k.

Технический результат достигается также тем, что впервые для двух наиболее распространенных видов загрязнений (отходы и нефтезагрязнения) вводится классификация значений основных ландшафтно-климатических показателей r_i по пятибалльной шкале и предлагается способ оценки уровня антропогенной нагрузки X_jk, вызванной выявленными в ходе аэрокосмического мониторинга загрязнениями и нарушениями.

Это позволяет более объективно оценить степень неблагоприятного воздействия выявленных загрязнений (нарушений) относительно природных условий каждой конкретной территории (типа почв, уровня залегания грунтовых вод, близости водных объектов и т.п.), а также повысить адекватность принимаемых решений по очередности ликвидации загрязнений по результатам ранжирования показателя I_p с использованием алгоритма нечетких множеств, особенно в условиях дефицита и даже возможной неточности результатов экологического мониторинга.

Функциональная схема, реализующая способ, представлена на фиг. 1 и состоит из следующих этапов:

- выявление и количественная оценка загрязнений (нарушений) территории по материалам аэрокосмической съемки и данным наземных обследований и измерений;

- оценка уровня негативного воздействия j-го загрязнителя (или продукта его разложения) на k-ый компонент окружающей среды (растительный покров и почвогрунты) по индексу X_jk;

- расчет ландшафтно-климатических показателей для каждого вида загрязнения (нарушения) {r_i}_jk;

- определение частных оценок развития неблагоприятного j-го фактора I_jk с помощью метода нечетких множеств;

- определение интегральной оценки развития неблагоприятных факторов I_p для всей экосистемы территории мониторинга с использованием метода главных компонент.

В заявленном способе идентификация и количественное описание загрязнений (нарушений) территории мониторинга по данным аэрокосмической съемки в видимом и инфракрасном диапазонах спектра осуществляется в соответствии с разработанными методиками и программными комплексами обработки много- и гиперспектральных данных, а также материалов инфракрасной тепловой съемки [10-14].

Для определения уровня антропогенной нагрузки j-го загрязнителя (нарушения) на каждый k-ый компонент окружающей среды (воду, почвы, растительность) производится расчет удельного комбинаторного индекса X_k по формуле:

где w_i - весовой коэффициент, отражающий степень опасности конкретного i-го участка воздействия на здоровье человека и компонент окружающей среды, нормированные в заданном интервале (например, от 1 до 5);

S_i - площадь i-го участка водного объекта, земель или растительности, подвергшегося антропогенному воздействию, м²;

S_об - общая площадь водного объекта, земель или растительности, м².

Весовые коэффициенты антропогенной нагрузки w_i определяются характеристиками негативного воздействия, а именно степенью опасности загрязнителя, местоположением участка загрязнения (в пределах водоохранных зон, особо охраняемых природных территориях, населенных пунктов и т.п.), степень опасности продуктов разложения.

При оценке экологического состояния почв к таким характеристикам относятся степень негативного воздействия свалки, уровень загрязнения почвогрунтов нефтепродуктами, превышение содержания загрязнителя над предельно-допустимой концентрацией и др.

В заявленном способе для оценки степени негативного воздействия свалок предлагается использовать следующий показатель:

w_i=K_S K_G C_D,

где K_S - коэффициент, значение которого зависит от площади свалки S_D; K_G - коэффициент размещения отходов, зависящий от категории и целевого назначения земель [15]; C_D - коэффициент, учитывающий класс опасности основных для данной свалки отходов или продуктов их разложения.

Для поврежденных участков леса, представленных сухостоем, в качестве весового коэффициента w_i принимается степень повреждения древостоя в соответствии с методикой, представленной в работе [10]. Для лесной растительности, подвергнутой незаконной рубке, весовой коэффициент w_i определяется площадью рубки, ее расположением и ценностью пород вырубленных деревьев. Для травянисто-кустарниковой растительности в качестве w_i принимается степень повреждения покрова, которая выражается через соответствующие вегетационные индексы, рассчитанные по данным аэрокосмической съемки.

При оценке степени загрязнения почв и водных объектов химическими поллютантами весовой коэффициент рассчитывается с учетом ПДК или фоновой концентрации загрязнителя по формуле w_i=C_i/C_Ф. Для пленок нефтепродуктов w_i определяется ее удельной массой.

На следующем этапе с помощью системы нечеткой логики производится расчет индекса развития неблагоприятного воздействия I_jk с учетом антропогенной нагрузки X_jk и ландшафтно-климатических показателей {r_i}_jk, характеризующих потенциал самовосстановления территории. Система нечеткой логики позволяет при заданных {r_i} и X дать прогноз состояния компонента экосистемы от возможности его полного самовосстановления в течение нескольких десятков лет до необратимых антропогенных изменений, связанных с разрушением защитных функций и критическими нарушениями естественной экосистемы. В последнем случае восстановление компонента экосистемы возможно только после проведения мероприятий по ликвидации загрязнений (нарушений) и восстановлению окружающей среды.

К основному перечню ландшафтно-климатических показателей r_i, которые учитываются при определении индекса развития неблагоприятного воздействия в результате загрязнений (нарушений), относятся тип и свойства почв (окислительно-восстановительный режим почв и годовая сумма температур в почвах), климатические факторы, устойчивость экосистемы и др. Показатели получают по результатам обработки данных аэрокосмической съемки, данным многолетних метеорологических наблюдений, данным наземных измерений, а также из почвенных и климатических карт. В заявленном способе по данным аэрокосмической съемки определяется показатель устойчивости экосистемы, рассчитываемый на основе решения уравнения энергетического баланса территории [16], учитывающего репродуктивные свойства растительности (фитомассы и биопродуктивности) [17].

Для успешной реализации метода нечетких множеств все показатели должны быть приведены к единой шкале измерений. В таблице 1 приведена пятибалльная классификация некоторых ландшафтно-климатических показателей, впервые разработанная в заявленном способе на основе анализа результатов исследований закономерностей трансформации загрязнителей в различных условиях.

Особенностью заявленного способа оценки развития неблагоприятного воздействия является то, что данная таблица может быть дополнена другими показателями r_i, характеризующими потенциал самовосстановления территории относительно остальных видов загрязнений, зафиксированных по данным наземного или аэрокосмического обследования. При этом на вход метода расчета индекса I_jk будет подаваться более расширенная система показателей.

Процедура определения индекса развития неблагоприятного воздействия I с помощью системы нечеткой логики осуществляется следующим образом.

На первом этапе для каждой нечеткой переменной {r_i} и X задаются как минимум две гауссовские функции принадлежности с заданным диапазоном изменения значений (например, от 1 до 5) и метками "низкая" и "высокая".

На втором этапе для выходной переменной I также задается как минимум две функции принадлежности треугольной формы с заданным диапазоном изменения значений (например, от 1 до 10) и метками "восстановление возможно, необратимые последствия минимальны" (I=1) и "восстановление невозможно, необратимые последствия максимальны" (I=10).

Вывод на базе нечеткой логики осуществляется по следующим правилам:

- если показатель {r_i} высокий, а нагрузка низкая X, то можно говорить о благоприятном прогнозе восстановления окружающей среды;

- если показатель {r_i} низкий, а нагрузка высокая X, то антропогенное воздействие имеет крайне отрицательные последствия для окружающей среды, восстановление которой возможно только после проведения работ по очистке.

Далее осуществляется расчет частных покомпонентных индексов по формуле:

где a_jk - весовой коэффициент, отражающий степень влияния j-го загрязнителя (нарушения) на прогноз состояния k-го компонента окружающей среды;

n - количество зарегистрированных видов загрязнений (нарушений).

Весовой коэффициент определяется условиями восстановления компонента окружающей среды по формуле:

где

Интегральный индекс I_p для всей экосистемы в целом рассчитывается с учетом всех покомпонентных оценок I_k с помощью метода многоатрибутного принятия решений по управлению экологическими системами. В качестве такого метода выбран метод главных компонент [18], позволяющий объединить несколько различных показателей в единый индекс.

В результате этого получаем значения индекса развития неблагоприятно воздействия I_p, позволяющие более адекватно принять решение по очистке загрязненных территорий с минимальными затратами на обследование и ликвидацию.

Способ реализован в специализированном программном продукте и применен к данным, полученным авиационными и космическими средствами дистанционного зондирования Земли. Программа в автоматизированном режиме извлекает информацию для расчета прогнозных оценок, по которым осуществляется принятие решений по определению приоритетности очистки территорий в нечетких и размытых условиях. В результате реализации заявленного способа выдается унифицированная информационная продукция о степени влияния и возможности восстановления нарушенных экосистем. Таким образом, способ отвечает критерию "промышленная применимость".

Используемые ссылки:

1. https://all-ecology.ru/index.php?request=full&id=288

2. Измалков В.И., Измалков А.В. Техногенная и экологическая безопасность и управление риском. - СПб, НИЦЭБ РАН. 1998. - 482 с.

3. Афанасьев Ю.А., Фомин С.А., Меньшиков В.В. и др. Мониторинг и методы контроля окружающей среды: Учеб. пособие в двух частях: Часть 2. Специальная.

4. Сузан Дмитрий Валерьевич Математическое моделирование распространение загрязнений в воздушной среде, 2003, Москва, 122 с., диссертация.

5. Черняев А.В., Павлов А.А. Моделирование процессов распространения нефтяных загрязнений по акватории малых водотоков // Журнал «Записки Горного института. Т. 203. Санкт-Петербург, 2013. С. 237-241.

6. Бельдеева Л.Н. Экологический мониторинг: Учебное пособие. / АлтГТУ им. И.И. Ползунова. - Барнаул: Изд-во АлтГТУ. 1999 - 122 с.

7. Припутана И.В., Фролова Г.Г., Шанин В.Н., Быховец С.С., Фролов П.В., Лебедев В.Г., Шестибратов К.А. Моделирование и прогнозные оценки экологических эффектов создания лесных плантаций на основе биотехнологических форм деревьев с заданными характеристиками: электронное учебное пособие по пользованию прогнозными моделями. Пущино: ИФХиБПП РАН, ФИБХ РАН. 2016 - 50 с.

8. Шавыкин А.А., Калинка О.П., Духно Г.Н., Сапрыгин В.В., Зырянов С.В. Оценка интегральной уязвимости акватории Баренцева моря к нефтяному загрязнению // Защита окружающей среды в нефтегазовом комплексе, №3, 2008 г., М.: ОАО «ВНИИОЭНГ». С. 13-22.

9. Григорьева О.В., Терентьева В.В., Морозова Е.С., Гормаш С.В. Научно-техническое обеспечение оценки экологической обстановки в арктической зоне с использованием аэрокосмических средств мониторинга // Материалы VIII Всероссийской научно-практическая конференции. Сервис безопасности в России: опыт, проблемы, перспективы. Арктика - регион стратегических интересов: правовая политика и современные технологии обеспечения безопасности в Арктическом регионе: Санкт-Петербург, 29 сентября 2016 года. - СПб.: Санкт-Петербургский университет ГПС МЧС России, 2016. С. 38-42.

10. Григорьева О.В. Наблюдение деградации лесов по данным гиперспектрального аэро- и космического зондирования // Исследование Земли из космоса. М. Наука. №1. 2014. С. 43-48.

11. Григорьева О.В., Саидов А.Г., Панин А.В. Индикатор состояния почво-грунтов в районах обращения нефти и нефтепродуктов, полученный неконтактными средствами наблюдений // Экология и промышленность России, октябрь 2010 г. - С. 2-5.

12. Марков А.В., Григорьева О.В., Жуков Д.В. Разработка алгоритмов эффективной тематической обработки данных гиперспектральных систем для идентификации объектов ландшафта // Научно-технический журнал «Контенант». Том 12. Номер 2. Красногорск, 2013. С. 90-99.

13. Марков А.В., Григорьева О.В., Бровкина О.В., Мочалов В.Ф., Жуков Д.В. Автоматизированные методы оценки состояния окружающей среды по данным мульти и гиперспектральной космической съемки // Геоматика. №4. 2012. С. 102-106.

14. Марков А.В., Григорьева О.В., Саидов А.Г., Мочалов В.Ф., Жуков Д.В. Комплекс программных средств тематической обработки материалов космической гипер и мультиспектральной съемки // Геоматика. №1. 2015. С. 32-37.

15. Методика исчисления размера вреда, причиненного почвам как объекту охраны окружающей среды, утвержденная приказом Минприроды России от 8 июля 2010 г. №238.

16. Хаустов А.П. Природопользование, охрана окружающей среды и экономика: Теория и практикум: Учеб. пособие / Под ред. А.П. Хаустова. - М.: Изд-во РУДН, 2006. - 613 с.

17. Зеленцов В.А., Пузанов А.В., Григорьева О.В., Потрясаев С.А., Мочалов В.Ф., Соколов Б.В. Совершенствование информационного обеспечения строительства и эксплуатации космодрома «Восточный» на основе использования данных аэрокосмической съемки и мобильных геоинформационных технологий // Вопросы радиоэлектроники. Серия: Техника телевидения. 2015. №2. С. 45-56.

18. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Классификация и снижение размерности. - М: Финансы и статистика, 1989. - 607 с.