Университет Ясуджа
Изучение и прогнозирование путей землепользования и изменения земного покрова в пригороде Ясуджа (провинция Кохгилуйе и Бойерахмед, Иран)
М. Армин
М. Мохаммад
В.Г. Хейбари
Изменения в земном покрове оказывают прямое влияние на экологические функции рельефа и природных ресурсов. Деградация леса затрагивает биохимические циклы и процессы, проистекающие на водозборе, что приводит к эрозии почвы и сокращению водных ресурсов. Таким образом, необходимо периодически проводить пространственные замеры землепользования и замного покрова, чтобы политические деятели и исследователи могли принимать верные решения. Закономерности изменений в землепользовании и земном покрове указывают на изменения в социальных и экономических условиях. Наблюдение за такими изменениями - неотъемлемая часть скоординированных работ на национальном и международном уровнях. За последние годы из -за легкой доступности космоснимков и возможностей ГИС-технологий моделирование и предсказание изменения землепользования и земного покрова, стали весьма широкомасштабны. На настоящий момент были изобретены такие статистические методы, как логистическая регрессия, цепи Маркова и дискретные модели. Данное исследование было проведено для того, чтобы изучить изменения в землепользовании и земном покрове в окрестностях города Ясудж, используя цепь Маркова для периода с 1987 по 2039 гг. Такой анализ позволит описать изменения в землепользовании, произошедшие с одного периода по другой, чтобы затем использовать полученную информацию как основу для предсказания последующих изменений. Это становится возможным благодаря созданию матрицы вероятностей переходов для изменений землепользования за определенный период; она указывает на природу изменений и возможность их применения для предсказания изменений в следующем временном периоде. Результаты данной модели и ее симуляции показали, что процент естественных земель (лесов и пастбищ) в 1987, 1999,2013 и 2039 гг. составляет 90, 82, 73 и 59% соответственно. Таким образом, можно заявлять, что естественные земли на исследованной территории становятся рукотворными, и примерно за 40 лет (1987 -2013 гг.) сократилось около 30% естественных земель. В свою очередь это может иметь опасные последствия для окружающей среды исследованной территории. Результаты логистической регрессии с псевдо-R2, равным 0.3, и ROC-кривой, равной примерно 0.8, представляют собой относительное согласование модели с произошедшими изменениями и соответствующую способность модели оценить изменения в землепользовании и земном покрове за последние 26 лет. Результаты симуляции карты земного покрова за 2013 и 2039 гг. показали высокий потенциал для цепи Маркова при моделировании изменений земного покрова. В данном исследовании точность итоговой карты земного покрова составила 80%.
Ключевые слова: изменение землепользования, изменение земного покрова, дистанционное зондирование, цепь Маркова, дискретная модель, г. Ясудж.
Землепользование и земной покров -- это два самостоятельных термина, но зачастую они становятся взаимозаменяемыми (Dimyati et al., 1996). Земной покров означает физические характеристики земной поверхности, включающие в себя растительность, водные ресурсы, почву и другие физические свойства земель, в том числе созданные в результате человеческой деятельности, например, поселения. Тогда как землепользование означает способы, которыми люди обрабатывают землю для собственных нужд, в основном с упором на функциональную роль земель в экономике. Изменения в землепользовании и земном покрове -- это динамический процесс, который протекает на биофизических поверхностях в определенном месте и за определенное время. Этот процесс крайне важен для исследований природных ресурсов. Такие исследования показали, что на планете Земля в своем естественном состоянии осталось всего несколько ландшафтов. Изменения землепользования и земельного покрова, будучи одной из важнейших движущих сил изменений глобальной среды, являются также и центром дискуссий об устойчивом развитии. Они стали главным и важным компонентом современных стратегий поддержания природных ресурсов и мониторинга изменений среды. Изменения землепользования и покрова стали основными проблемами и вызова ми для экологически благоприятного и устойчивого развития экономического роста любой территории. Вместе с резким скачком популяции человеческая деятельность, такая как вырубка лесов, почвенная эрозия, глобальное потепление и загрязнения, стала крайне вредоносной для окружающей среды. Изменения в землепользовании и на водосборах могут влиять на количество и качество воды. Например, характер изменений землепользования из -за развития водосбора с недавних пор начали выражаться в возросшем поверхностном стоке, снизившейся скорости возобновления грунтовых вод и распространении загрязняющих веществ (Turner et al., 2001). Таким образом, оценка методов землепользования и их изменений на водосборном уровне является ключевой для планирования и управления водными ресурсами и землепользованием на отдельно взятом водосборе. Методы цифровой фиксации таких изменений основаны на многовременной и многоспектральной информации, полученной путем дистанционного зондирования, продемонстрировали свой высокий потенциал в качестве методов для понимания различий в динамике ландшафтов, идентификации, картографировании и мониторинга структуры землепользования и земного покрова за определенный период, безотносительно причинных факторов. В настоящее время материалы спутниковой съемки широко применимы и удобны для наблюдения за изменениями в землепользовании и покрове (Yuan et al., 2005; Brondizio et al., 1994). Дистанционное зондирование удобно масштабами обзора,многократным перекрытием и доступностью материалов в режиме настоящего времени. В частности, снимки Landsat сыграли важную роль в классификации различных ландшафтных компонентов на больших территориях (Ozesmi, Bauer, 2002). Цепь Маркова описывает изменения в землепользовании с одного по другой период, и полученные результаты станут основой для предсказания будущих изменений. Это становится возможным благодаря созданию матрицы вероятностей переходов для изменений землепользования за определенный период; она указывает на природу изменений и возможность их применения для предсказания изменений с одного периода по следующий. Y.H. Araya и P. Cabral (2010) провели анализ изменений городского землепользования для муниципалитетов Сетубал и Сезимбра в Португалии в период с 1990 по 2006 гг. и смоделировали изменения для 2020 года, применив дискретную модель. Их результаты показали, что городские территории возросли за указанный период на 91.11% и всего на 6.34% за период с 2000 по 2006 гг. Прогнозирующая способность данной модели была успешно подтверждена коэффициентом Каппа. B. Ye и Z. Bai (2008) изучили изменения землепользования в Нанкине (Китай) в 1985 -2000 гг., применив ГИС-технологии и дистанционное зондирование. Затем, используя цепь Маркова и дискретную модель, они смоделировали ход землепользования для 2015 и 2030 гг. Результаты показали, что за период исследования установлен тренд уменьшения лесных земель и тренд увеличения сельскохозяйственных угодий.
Наше исследование демонстрирует применение спутниковых снимков, собранных за длительный период, для определения динамики землепользования и земного покрова и моделирования пространственной и временной динамики этих изменений для последующих лет, с использованием цепи Маркова для окрестностей г. Ясудж, расположенного в провинции Кохгилуйе и Бойерахмед, в Иране. Таким образом, главная задача данного исследования -- установить и описать различные категории и шаблоны изменений в землепользовании и земном покрове, произошедшие за 26-летний период с 1987 по 2013 гг., и проанализировать изменения для следующих 26 лет.
землепользование спутниковый пространственный
Материалы и методы
Область исследований. Пригород г. Ясудж, столицы провинции Кохгилуйе и Бойерахмед расположен между 30° 22' 00"-30° 48' 30" с.ш. и 51° 20' 40"-51° 51' 00" в.д. в Иране (рис. 1). После отделения Кохгилуйе и Бойерахмед от провинции Фарс в 1976 г. город Ясудж сразу же сделали столицей. Область исследований занимает 10193 га. Минимальная и максимальная превышение составляют 1622 и 3263 м н.у.м. соответственно. В среднем здесь выпадает около 823.9 мм дождевых осадков в год.
Сбор данных. Материалы, использованные в нашем исследовании, поделены на спутниковые и вспомогательные. Спутниковые снимки разрешением 30 м были получены с помощью Landsat 5 TM и Landsat 7 ETM+ в 1987, 1999 и 2013 гг. Их можно загрузить из USGS Earth Explorer. Обработка и дешифровка снимков для подготовки карт землепользования и земного покрова сделаны в программном обеспечении IDRISI KILIMANJARO (Eastman, 2003). Вспомогательные материалы включали в себя топографические карты, карты с расположением деревень и дорог, карты рек и водотоков.
Рис. 1. Область исследований.
Предварительная обработка снимков. Методы для улучшения снимков, такие как выравнивание гистограммы, спектрозональное комбинирование цветовых уровней и распределение спектров, были применены к каждому изображению для улучшения его качества. С помощью топографического листа масштабом 1:50000 мы очертили область исследований.
Методология. Работа выполнялась в 4 этапа: классификация снимков, изменений землепользования и земного покрова, прогнозирование их последующих изменений, подтверждение прогнозов. Каждый этап сопровождается пояснениями.
Классификация сниліков. Обработанные спутниковые данные за 1987, 1999 и 2013 гг. были
изучены путем присвоения сигнатуры каждому пикселю и разделения области исследований на разные классы на основе значения дискретного числа каждого элемента из ландшафта, а также разделения методами управляемой и автономной классификации. При автономном методе мы использовали кластерный алгоритм итеративного самоорганизующегося анализа данных (ISODATA), чтобы избежать влияния характеристик наших образцов без назначения предопределенных наборов сигнатур в качестве начальных кластеров. Это позволило выявить спектральные кластеры на снимках, исключив тепловой уровень, и провести классификацию соответственно количеству необходимых кластеров и доступных дискретных чисел. Группировка по спектрам была рассчитана автоматически на основе только математической разницы спектральных значений. Количество кластеров определяется методом проб и ошибок, чтобы правильно установить коэффициент отражения у спектра отдельного снимка. Количество кластеров недостаточно мало, для того чтобы среди них можно было найти смешанные кластеры нескольких классов, но не настолько, чтобы нельзя было определить спектр отражения. Соответственно, каждый снимок был сгруппирован в 24 спектральных кластера. При управляемой классификации мы определили и классифицировали категории и типы покровов, использовав алгоритм максимальной вероятности, который основан на следующих 6 этапах. 1) Обучающие последовательности (сигнатуры), предоставленные пользовательской базой в области знаний этого пользователя; 2) выделение из спектра снимка отдельных спектральных сигнатур для каждого типа землепользования; 3) изучение способности каждого типа землепользования и покрова к спектральному разделению; 4) выбор классификатора или правила принятия решения; 5) классификация снимка; 6) оценка точности данной классификации. Таким образом, карты землепользования за 1987, 1999 и 2013 гг. были составлены двумя способами - с помощью управляемой и автономной классификаций.
Обнаружение изменений землепользования и земного покрова. Модель Маркова не предоставляет никакой информации по пространственной зависимости. Поэтому мы объединили дискретную модель и цепь Маркова (дискретная модель Маркова), чтобы получить результаты с привязкой к локации. Фактически дискретная модель разрабатывает простой весовой коэффициент, который помещает больше веса в области, наиболее близкие к месту землепользования. Это приводит не к случайным изменениям в землепользовании, а только рядом с типами текущего землепользования. После подготовки карт землепользования по вышеупомянутым годам с использованием анализа Маркова, были получены снимки условной вероятности, матрица вероятности перехода и матрица площади перехода для периодов 1987-1999 и 1987-2013 гг. Модуль CROSSTAB помог изучить изменения в земном покрове за те же периоды. Важный аспект обнаружения таких изменений - это определить, что чем заменяется, т.е. какой тип землепользования чем заменяется. Анализ цепи Маркова - удобный метод для моделирования изменений в землепользовании в том случае, когда эти ландшафтные трансформации и процессы трудно описать.
Прогнозирование. После выполнения анализа Маркова мы использовали дискретную модель Маркова, чтобы спрогнозировать карты землепользования и земного покрова для 2013 и 2039 гг. Фактически мы получили спрогнозированное изображение для 2013 года, чтобы подтвердить действенность модели. Для применения дискретной модели Маркова необходимы: 1) базовые снимки землепользования и покрова (классифицированные снимки 1987 г.); 2) файл с матрицей площади перехода, которая является одним из результатов применения модели Маркова; 3) предпочтительное отображение (Desirability images), где предпочтительность - это соответствие ячейки карты определенному земному покрову. Например, желательная картина лесопользования может включать в себя такие критерии, как удаленность от дорог, уклон и т.д. В нашем исследовании были использованы следующие критерии.
Физические переменные: высота н.у.м., уклон и географическое направление, полученные из цифровой модели рельефа (DEM). Метрические ландшафтные параметры: в работах различных исследователей было доказано, что дистанционные параметры важны для изучения изменений в растительном покрове, поэтому мы также учитывали удаленность от дорог, деревень и поверхностной дренажной сети. Из параметров спутниковых снимков мы использовали приведенную разность растительного индекса, чтобы получить наглядные изображения. Логистическая регрессия потребовалась для создания наибольшего соответствия карт. Чтобы оценить точность модели логистической регрессии, мы использовали псевдо -R2 и ROC-кривую. Значение 0.2 для псевдо-R2 считается подходящим (Clark, Hosking, 1989). ROC-кривая - это подходящий статистический метод для оценки пригодности модели и может быть использован для сравнения спрогнозированных и реальных изображений. Значение 1 указывает на полное пространственное соответствие картине, а значение 0.5 - на низкое соответствие (Pantiusjr, Spencer, 2005). Получив карту желаемых критериев с использованием модуля RECLASS, мы сделали карты изменения отдельно для каждого типа землепользования для периодов 1987-1999 и 1987-2013 гг.
Подтверждение пригодности модели. Важным шагом в разработке любой модели, которая прогнозирует какие-либо изменения, является подтверждение ее пригодности. Для оценки точности классификации, мы использовали полевые наблюдения и изображения Google Earth для обучающих последовательностей, случайным образом полученных для региона, от каждого типа землепользования. После применения этих последовательностей к изображению мы получили матрицу классификационной ошибки. На матрице для каждого типа землепользования отображены такие статистические данные, как точность составителя карты, точность пользователя карты, общая точность и коэффициент Каппа.
После использования метода дискретной модели Маркова, применив модуль VALIDATE и использовав карту землепользования за 2013 г. в качестве базовой карты, а спрогнозированную карту для того же года - в качестве сравнительной, мы подтвердили пригодность модели. В модуле VALIDATE это подтверждение разделено на несколько компонентов, включая Каппа для отсутствия информации (Kno), для локации (Klocation), Для слоев локации и стандартный коэффициент (Kstandard), из которых каждый представляет собой особенный индекс, тип коэффициента Каппа или связанных статистических данных (Pontius, 2000).
Результаты и их обсуждение
На рисунках 2-5 показаны карты землепользования для 1987, 1999, 2013 и 2039 гг. Необходимо подчеркнуть, что карта для 2039 года была спрогнозирована с помощью дискретной модели Маркова, а для других лет - с помощью классифицированных спутниковых снимков.
Рис. 2. Карта землепользования для 1987 г.
Рис. 3. Карта землепользования для 1999 г.
В таблице 1 показаны площадь и процент от общей площади для каждого типа землепользования за разные годы. Как видно, во все годы исследования самая большая площадь землепользования принадлежала пастбищам, а самая малая - населенным пунктам. Процент естественных земель (лесов и пастбищ) в 1987, 1999, 2013 и 2039 гг. составил 90, 82, 73 и 59% соответственно. Процент рукотворных земель (сельхозугодий и населенных пунктов) -- 10, 18, 27 и 41% соответственно. Таким образом, можно сказать, что естественные земли в области исследований постепенно становятся рукотворными, поэтому примерно за 40 лет (с 1987 по 2013 гг.) около 30% естественных земель сократиться, что может повлечь за собой последствия, опасные для экологии исследованной территории.
Рис. 4. Карта землепользования для 2013 г.
Рис. 5. Карта землепользования для 2039 г.
Таблица 1. Площади, занятые разными типами землепользования в разные годы.