close

Вход

Забыли?

вход по аккаунту

?

3585

код для вставкиСкачать
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
министерство образования и науки российской федерации
известия
высших учебных заведений
раздел
геодезия и аэрофотосъемка
№6
Журнал основан в июле 1957 года
Выходит шесть раз в год
издание московского государственного университета
геодезии и картографии
москва 2013
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений
раздел
геодезия и аэрофотосъемка
¹6
Журнал основан в июле 1957 года
Выходит шесть раз в год
Главный редактор
чл.-корр. РАН, профессор, доктор техн. наук
В.П. Савиных
Редакционная коллегия
Ю.Г. Б а т р а к о в
Ю.С. Б и л и ч
Т.В. В е р е щ а к а
А.П. Г у к
В.Б. Д у б и н о в с к и й
И.Г. Ж у р к и н
А.П. К а р п и к
Е.Б. К л ю ш и н
В.А. К о у г и я
А.А. М а й о р о в
(зам. главного редактора)
В.А. М а л и н н и к о в
Ю.И. М а р к у з е
Ю.М. Н е й м а н
В.И. П а в л о в
Ю.И. П и м ш и н
Ю.Г. Я к у ш е н к о в
Х.К. Я м б а е в
С.Н. Я ш к и н
редакция журнала
Зав. редакцией Вед. редактор Оригинал-макет Графика Е.А. Евтеева
К.В. Любомирова
Б.В. Кузнецов
А.Ю. Боков
105064, Москва,
Гороховский пер., 4
E-mail: [email protected]
тел. 8 (499) 261-8286
http://journal.miigaik.ru
ISSN 0536-101X
Сдано в набор 02.12.2013
Подписано в печать 23.12.2013
Формат 60×90⅛. Усл. печ. л. 16,0
Тираж 200 экз. Заказ 170
Отпечатано в типографии МИИГАиК
Индекс в каталоге Роспечать 70365
© Изв. вузов «Геодезия и аэрофотосъемка», 2013
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
астрономия, гравиметрия и космическая геодезия
УДК 528.28; 528.2; 528:629.78
астрономия, гравиметрия и космическая геодезия
Исследование пространственного распределения кратеров
на поверхности Фобоса
Профессор, доктор техн. наук В.П. Савиных, профессор, доктор техн. наук В.А. Малинников,
кандидат техн. наук Д.В. Учаев, кандидат техн. наук Дм.В. Учаев
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Описана методика исследования пространственного распределения кратеров на поверхности небесных тел. На примере Фобоса продемонстрировано решение ключевых задач, возникающих
в связи с этим: от создания каталога кратеров до построения кумулятивных функций распределений и
оценки полученных результатов.
Ключевые слова: распределение кратеров по их диаметрам, логнормальное распределение, Фобос,
каталог кратеров
Abstract. The technique of investigation of spatial distribution of craters on surface of celestial bodies is
described. On an example of Phobos the solutions to key tasks have been demonstrated: from creation of the
catalogue of craters to construction of cumulative functions of distributions and an estimation of the received
results.
Keywords: crater size-frequency distribution, lognormal distribution, Phobos, crater catalog
Ударные кратеры являются углублениями,
появившимися в результате падения метеоров,
астероидов или комет на поверхность небесных тел. Изучение пространственного распределения кратеров позволяет решать множество
задач, таких как определение структуры, состава и возраста поверхности небесного тела, проверка гипотез о происхождении небесного тела
и др. [1, 2]. Ключом к решению всех этих задач
является поиск и дальнейший анализ функции,
наилучшим образом аппроксимирующей кумулятивную функцию распределения изучаемого набора кратеров. При этом особое значение здесь имеет полнота используемого набора
кратеров, выражающаяся в отношении количества кратеров, обнаруженных на исследуемой
территории, к числу кратеров, имеющихся на
той же территории. При использовании ручного способа обнаружения кратеров вопрос
полноты набора зачастую зависит лишь от качества исходных данных, их характеристик и
опыта специалиста, выполняющего дешифрирование. Другое дело, использование автоматизированных методов детектирования кратеров.
В этом случае вероятность появления ошибок
главным образом зависит от выбранного алгоритма обнаружения и должна оцениваться в
каждом конкретном случае отдельно [3]. При
этом полнота набора обнаруженных кратеров,
как правило, определяется путем ручной проверки либо всего набора кратеров, если значимые для алгоритма характеристики исходных
данных изменяются в широких пределах, либо
его части в противном случае.
В общем случае задачу исследования пространственного распределения кратеров на поверхности небесного тела можно представить
в виде последовательности решения следующих подзадач.
1. Обнаружение кратеров на поверхности
небесного тела.
2. Выбор минимального диаметра кратеров, используемых для дальнейшего статистического анализа.
3. Построение кумулятивной функции распределения для обнаруженного набора кратеров.
4. Аппроксимация построенной кумулятивной функции распределения кратеров некой
3
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
зависимостью (модельной кривой) на выбранном диапазоне изменения диаметров кратеров.
5. Изучение модельной кривой.
В данной работе продемонстрированы
результаты исследования пространственного
распределения кратеров на примере спутника
Марса Фобоса — небесного тела, имеющего
сильно нерегулярную фигуру. Фобос как объект исследования был выбран по той причине,
что распределение кратеров на его поверхности, имеющей относительно небольшую площадь и хорошую степень изученности, до настоящего времени не подвергалась детальному
статистическому анализу.
В качестве исходных данных для обнаружения кратеров в работе использовалась мозаика Фобоса, составленная Филом Стуком
по изображениям, полученным с космических аппаратов Viking, Mars Global Surveyor,
Mars Express и Mars Reconnaissance Orbiter [4].
Данная мозаика является на сегодняшний день
одной из самых детальных мозаик Фобоса,
параметры которой (степень выравнивания
яркости по всему полю изображения, пространственное разрешение и т.д.) являются
наилучшими применительно к задаче автоматизированного обнаружения.
Поскольку на сегодняшний день уже имеется несколько глобальных каталогов кратеров
Фобоса, на первом этапе исследований были
проанализированы существующие каталоги на
предмет полноты, точности координат, содержащихся в них кратеров, единообразия методик,
используемых для создания всего каталога и т.д.
Результаты выполненного анализа показали,
что существующие каталоги не в полной мере
подходят для выполнения дальнейшего статистического анализа. Одни из них, по мнению
многих экспертов, содержат далеко не полный
набор кратеров заявленного диапазона диаметров [5]. Другие каталоги получены методом
комплексирования результатов визуального
дешифрирования нескольких специалистов,
проводивших распознавание кратеров на разных участках поверхности Фобоса, а значит, не
обладают высокой степенью единообразия [6].
Исходя из вышесказанного, было принято
решение о создании нового глобального каталога кратеров автоматизированным способом.
Как было показано в работе [3], для целей автоматизации задачи обнаружения кратеров по
оптическим изображениям было предложено
множество алгоритмов. Однако алгоритмов,
продемонстрировавших свою эффективность
при обнаружении кратеров на поверхности малых небесных тел, совсем немного. Одним из
наиболее проработанных алгоритмов является
алгоритм, описанный в работе [7] и реализованный в форме программных модулей для программного обеспечения «Гео-ПК» (рис. 1). В
данной работе было принято решение использовать программное обеспечение «Гео-ПК» для
решения задачи обнаружения кратеров на поверхности Фобоса. Для этих целей вначале была проведена обработка тестовых фрагментов
космических изображений Фобоса разного пространственного разрешения, полученных при
разных условиях съемки.
В результате этих тестовых испытаний были установлены зависимости параметров алгоритмов, реализованных в программном модуле
«LCOD», от особенностей изображения и разработана технология ее применения для обнаружения кратеров на поверхности Фобоса.
Перечислим основные этапы разработанной технологии:
1) низкочастотная фильтрация исходной
мозаики, повышающая ее распознавательные
возможности;
2) разбиение отфильтрованной мозаики на
перекрывающиеся фрагменты с параметрами,
позволяющими проводить дальнейшей обработку
каждого фрагмента с помощью программы «ГеоПК» с одним и тем же набором параметров;
Рис. 1. Окно программы «Гео-ПК», с загруженными
в него визуальными интерфейсами программных
модулей «MapViewer» и «LCOD», используемых
для автоматизированного обнаружения кратеров на
оптических изображениях поверхности Фобоса
4
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
астрономия, гравиметрия и космическая геодезия
3) загрубление (искусственное уменьшение пространственного разрешения) отфильтрованной мозаики для увеличения ее распознавательных возможностей;
4) обнаружение и формирование вспомогательного набора кандидатов в кратеры для
каждого фрагмента отфильтрованного изображения;
5) создание единого набора кратеров из отдельных вспомогательных наборов.
Некоторые из вышеперечисленных этапов (например, третий и четвертый) могут
повторяться, позволяя тем самым добиться
наилучших результатов обнаружения.
В результате применения разработанной
технологии было обнаружено более 6300
кратеров (рис. 2). Полученный набор кратеров
представлял собой векторный слой, содержащий координаты центров кратеров, их радиусы,
а также значения параметра, характеризующего достоверность обнаруженных кратеров.
Далее полученный набор кратеров был
проанализирован с целью определения минимального диаметра кратеров, которые целесообразно использовать для дальнейшего
статистического анализа. Данное значение
определялось путем поиска наибольшего набора кратеров, полнота обнаружения которых больше заданного порога. В качестве такого порога выбиралось значение равное 0,9.
В результате анализа было обнаружено, что
поскольку мозаика составлена из фрагментов
космических изображений, полученных при
сильно различающихся углах съемки с космических аппаратов, находящихся на разном
удалении от поверхности Фобоса, предельная
разрешающая способность снимков, и следовательно, минимальный диаметр обнаруживаемых кратеров для разных областей поверхности Фобоса существенно различается.
Поэтому в качестве минимального диаметра
кратеров для всей мозаики Фобоса выбирался
диаметр кратеров (dmin = 400 м), обнаруженных
по фрагментам мозаики самого низкого пространственного разрешения, полученных при
худших с точки зрения автоматизированного
обнаружения условиях съемки.
На следующем этапе исследований проводилось построение кумулятивных функций
распределения кратеров по их диаметрам.
а
б
в
Рис. 2. Фрагменты мозаики Фобоса, созданной
Филом Стуком
(а — подмарсианская сторона, изображенная в равнопромежуточной цилиндрической проекции; б и в — северный и
южный полюса, изображенные в азимутальной равнопромежуточной проекции), с наложенными на них изображениями
кратеров, обнаруженных посредством разработанного автоматизированного алгоритма (кратеры на рисунке изображены
белыми окружностями)
Сегодня, как правило, данная задача решается в специализированных компьютерных программах (CraterStats, CraterTools), решающих
не только задачу построения кумулятивных
функций распределения, но и последующую
их подгонку степенными моделями, а также
расчет хронологических функций по заданному участку построенной функции распределения. Такие программы хорошо подходят
для решения многих прикладных задач, например задачи оценки возраста морфологических
структур, наблюдаемых на поверхности небесных тел, или всего небесного тела, но, к сожалению, не позволяют использовать для этих
целей аппроксимационные модели, отличные
от тех, которые заложены разработчиками этих
компьютерных программ. Вместе с тем, результаты оценки кумулятивных функций распределений кратеров на поверхности Фобоса,
5
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
полученные в данной работе, а также в работах
[8, 9] показали, что степенная функция может
оказаться далеко не лучшей аппроксимацией
для кумулятивной функции распределения на
поверхности Фобоса и что для этих целей больше подходит логнормальная модель. Поэтому
все работы по построению кумулятивных
функций распределений кратеров по их диаметрам, а также их моделированию были выполнены в среде MatLab R2011a. Результаты
проделанной работы показаны на рис. 3.
Далее, используя полученные функции
распределения и их логнормальные модели,
было проведено сравнение пространственного
распределения кратеров на противоположных
сторонах Фобоса: подмарсианской (от 0º з.д.
до 90º з.д. и от 270º з.д. до 360º з.д.) и антимарсианской (от 90º з.д. до 270º з.д.), ведущей
(от 0º з.д. до 180º з.д.) и ведомой (от 180º з.д.
до 360º з.д.), южного (от 60º ю.ш. до 90º ю.ш.)
и северного (от 60º с.ш. до 90º с.ш.) полюсов.
При этом все исследуемые области, за исключением полюсных областей, были ограничены
по широте параллелями 60º ю.ш. и 60º с.ш. В
результате сравнительного анализа было установлено, что отношение числа кратеров, диаметр которых больше dmin, на антимарсианской
стороне Фобоса к числу кратеров, принадлежащих к тому же диапазону диаметров, на под-
марсианской стороне Фобоса приблизительно
равно 1,2. Данное наблюдение согласуется с
гипотезой об экранирующем эффекте Марса,
высказанной рядом исследователей (например,
в работе [10]). Другой возможной причиной,
объясняющей это явление, могли быть процессы разрушения склонов крупнейшего кратера
Фобоса — Стикни, практически целиком находящегося на подмарсианской стороне Фобоса:
площадь и глубина данного кратера настолько
велики, что кратеры малого диаметра, располагавшиеся на его склонах, в определенный
момент времени могли оказаться окончательно
разрушенными и ненаблюдаемыми на оптических изображениях поверхности Фобоса [11].
Другим наблюдением, сделанным в результате сравнения моделей, аппроксимирующих
кумулятивные функции распределения кратеров по их диаметрам, стало отсутствие статистически значимого различия между сравниваемыми участками распределений кратеров
на ведущей и ведомой сторонах Фобоса. В то
же время наблюдаемая сегодня синхронизация
осевого и орбитального движений Фобоса указывает на то, что скорости столкновений метеороидов с поверхностью ведущей стороны
Фобоса должны быть выше, чем с поверхностью ведомой стороны Фобоса, а следовательно на поверхности ведущей стороны Фобоса
N, км-2
101
N, км-2
101
N, км-2
101
100
100
100
←α=-1,9
←α=-1,9
10-1
10-1
10-2
10-2
10-2
10-3
10-3
10-3
10-4 -2
10
10-1
0
а
101
d, км 10-4 -2
102
10
←α=-1,9
10-1
10-1
0
б
101
d, км 10-4 -2
102
10
10-1
0
101
d, км
102
в
Рис. 3. Кумулятивные функции распределения кратеров N по их диаметрам d и соответствующие им логнормальные модели, построенные для наборов кратеров, обнаруженных на противоположных сторонах
поверхности Фобоса:
а — подмарсианской и антимарсианской: — подмарсианская сторона (NS); — антимарсианская сторона (FS);
— логнормальная модель (NS);
— логнормальная модель (FS);
б — ведущей и ведомой: — ведущая сторона (LS); — ведомая сторона (TS);
— логнормальная модель (LS);
— логнормальная модель (TS);
в — южного и северного полюса: — северный полюс (NP); — южный полюс (SP);
— логнормальная модель (NP);
— логнормальная модель (SP)
6
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
астрономия, гравиметрия и космическая геодезия
должно содержаться большее число кратеров,
чем кратеров того же размера на поверхности
ведомой стороны Фобоса. Объяснение этого
факта может заключаться в том, что в период
формирования современного облика Фобос
находился на гораздо большем расстоянии от
Марса, чем сегодня, и двигался более медленно, чем сейчас.
В заключение исследования были подвергнуты сравнению логнормальные модели кумулятивных функций распределений кратеров,
построенных для полярных областей Фобоса.
Результаты сравнения показали преобладание
кратеров диаметром более 1 км на северном
полюсе Фобоса.
В целом, в работе было показано, что исследование пространственного распределения
кратеров на поверхности небесного тела является мощным инструментом изучения небесных тел. Причем эффективность данного
инструмента сильно зависит от выбранных
методик решения всех ключевых задач, возникающих по ходу исследования, и программных
средств их реализующих. На примере Фобоса
продемонстрированы все этапы исследования
и сделаны выводы на основе полученных результатов.
Литература
1. Neukum G., König B., Arkani-Hamed J. A study of lunar impact crater size-distributions // The Moon. –1975. –Vol. 12, –№2.
–P. 201–229.
2. Hartmann W.K., Neukum G. Cratering Chronology and the
Evolution of Mars // Space Science Reviews. –2001. –Vol. 96,
–№1. –P. 165–194.
3. Малинников В.А., Учаев Д.В., Оберст Ю. Методика автоматизированного обнаружения кратеров на поверхности
небесных тел по их оптическим изображениям // Изв. вузов
«Геодезия и аэрофотосъемка». ‒2012. ‒№6. ‒С. 12–18.
4. http://sbn.psi.edu/pds/asteroid/EAR_A_3_RDR_STOOKEMAPS_V1_0/maps/
5. Salamunićcar G. et. al. Machine Detection and Global
Catalog of Phobos Craters // Lunar and Planetary Institute Science
Conference Abstracts. ‒2011. ‒Vol. 42. ‒P. 1451.
6. Карачевцева И.П. и др. Геоинформационное картографирование Фобоса по результатам обработки данных дистанционного зондирования космического аппарата Mars Express //
Современные проблемы дистанционного зондирования Земли
из космоса. ‒2012. ‒Т. 9. ‒№4. ‒С. 304–311.
7. Uchaev D.V., Uchaev Dm.V., Malinnikov V.A., Hoan P.X.
Automated detection of lunar craters in planetary images using
their texture features // Proc. of the conference «1970-2010: The
Golden Age of Solar System Exploration». ‒Rome, Italy, 2012 (CD-ROM).
8. Малинников В.А., Учаев Д.В., Оберст Ю. Мультифрактальный подход к моделированию распределения кратеров
по их диаметрам // Изв. вузов «Геодезия и аэрофотосъемка». ‒2012. ‒№6. ‒С. 3–8.
9. Uchaev D.V., Uchaev Dm.V., Malinnikov V.A., Oberst J.
Multifractal Model for Phobos Crater Size-Frequency Distribution // European Planetary Science Congress Abstracts.
‒Vol. 7. ‒2012. ‒EPSC2012-705-3 (CD-ROM).
10. Dmitriev V., Lupovka V., Oberst J. Modeling of meteoroid impacts on Phobos // European Planetary Science Congress
Abstracts. ‒Vol. 8. ‒2013. ‒EPSC2013–630 (CD-ROM).
11. Schmedemann N. et al. Surface chronology of Phobos —
the age of phobos and its largest crater, Stickney // Proc. of Third
Moscow Solar System Symposium. 2012. 3MS3-MR-03.
Работа выполнена при поддержке гранта
Президента РФ (НШ-5525.2012.5).
Принята к печати 12 ноября 2013г.
Рекомендована кафедрой прикладной экологии
и химии МИИГАиК
7
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
УДК 528
Геодезия
Методика проведения внеочередной поверки системы
«цифровой нивелир+штрих-кодовая рейка»
Профессор, доктор техн. наук Г.А. Уставич1, профессор, доктор техн. наук Х.К. Ямбаев2
1
Сибирская государственная геодезическая академия,
2
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Предлагается для текущей (технологической) поверки метрологических характеристик
системы «цифровой нивелир+штрих-кодовая рейка» цельные штрих-кодовые рейки снабдить двумя
равноценными пятками на её противоположных концах, определять тем или иным способом точное
расстояние между пятками рейки. Таким образом рейка будет представлять собой концевую меру известной длины. Нивелирование проводить с поочерёдной установкой рейки на нижнюю и противоположную (верхнюю) пятки рейки. Сумма отсчётов должна быть равна длине такой концевой меры, что
и является метрологическим контролем рассматриваемой системы.
Ключевые слов: цифровой нивелир, штрих-код, рейка, пятка, уровень круглый, поверка
Abstract. It is proposed to supply whole barcode staffs with to equal butts at both ends in current «digital
level+barcode staff» system. Accurate distance between the butts is supposed to be determined anyhow. Thus,
the staff will represent an end measure of a known length. The stationed ends are supposed to alternate for
every next following measurement. The total of measurements should be equal to such an and measure –
which is a metrological control of the proposed system.
Keywords: digital level, barcode, staff, butt, circular level, verification
применить женевскую линейку или стандартные оптико-механические компараторы. Вовторых, в процессе отсчитывания цифровым
нивелиром участие принимает не два соседних
штриха рейки, а последовательность из многих штрихов различной ширины. Выполнить
исследования раздельно цифрового нивелира
и штрих-кодовой рейки можно только в специализированной лаборатории. В этом случае
для исследования только цифрового нивелира
необходимо иметь эталонную штрих-кодовую
меру, положение штрихов на которой соответствует их теоретическим значениям.
Для исследования фактического положения отдельных штрихов кода только штрихкодовой рейки (комплекта реек) и сравнения
их с теоретическими значениями применяются
вертикальные или горизонтальные интерференционные компараторы [1]. Завершающим
этапом исследований является исследование
на интерференционном компараторе единой
системы «цифровой нивелир+штрих-кодовая
Для обеспечения требуемой точности и
надежности результатов нивелирования, получаемых измерительной системой «цифровой
нивелир+штрих-кодовая рейка», необходимо
проводить ее периодическую метрологическую аттестацию (исследования геометрических параметров).
Применительно к системе «оптический
нивелир-рейка», в которой используется нивелир с визуальным отсчитыванием и шашечная
или штриховая инварная рейка, эти исследования выполняются отдельно для нивелира и для
рейки. Применительно к системе «цифровой
нивелир+штрих-кодовая рейка», в которой используется цифровой нивелир и штрих-кодовая
рейка, выполнить исследование раздельно в
полном объёме только для нивелира итолько
для штрих-кодовой рейки чрезвычайно сложно.
Это обусловлено тем, что штрих-кодовая рейка, во-первых, не имеет метрическую шкалу,с
равномерно нанесёнными штрихами (через 5
или 10 мм) и поэтому для исследований нельзя
8
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
верки использовать фактическую (истинную)
длину штрих-кодовой полосы. Кроме того, при
повороте рейки на 180° она устанавливается
на сферическую поверхность (марку) верхней
плоскостью корпуса рейки, которая не может
являться полноценной пяткой. В связи с этим
для обеспечения проведения полноценной
внеочередной поверки системы «цифровой
нивелир+штрих-кодовая рейка» нами предлагается цельные штрих-кодовые рейки снабжать
двумя равноценными пятками, на которые поочередно можно устанавливать рейку. Для обеспечения установки рейки в вертикальное положение при ее двух положениях необходимо
иметь два круглых уровня 1 и 2 (рис. 1). С учетом данного предложения указанная методика
поверки производится следующим образом.
В лабораторных условиях на бетонном
жёстком основании в точке А устанавливается
цифровой нивелир, а в точке М, расположенной на расстоянии 4–5 м от цифрового нивелира, с помощью круглого уровня штрих-кодовая
рейка тщательно устанавливается в вертикальное положение (см. рис. 1, а). Для удобства выполнения измерения и повышения их точности
удерживать рейки в вертикальном положении
необходимо с помощью подпорок или специальных стаканов. Освещение рейки должно
быть достаточным и равномерным, без образования бликов.
Цифровой нивелир со штативом первоначально опускаются на минимально возможную
высоту с таким расчётом, чтобы можно было
взять отсчёт по самой нижней части штрихкодовой рейки. После приведения нивелира в
рейка». Сущность данной методики заключается в сравнении эталонного превышения
(перемещения), задаваемого лазерным интерферометром, с превышением (перемещением), измеренным системой «цифровой
нивелир+штрих-кодовая рейка». В результате
этих исследований получается величина средней квадратической ошибки измерения линейной величины, аналогичная средней квадратической ошибке измерения превышения на
станции (без влияния внешних условий).
Применительно к исследованию системы
«цифровой нивелир+штрих- кодовая рейка»
необходимо отметить следующее. В настоящее время в России такая специализированная
лаборатория по проведению вышеуказанных
исследований имеется только в МИИГАиК.
Поэтому для организаций из удалённых районов России обязательное ежегодное проведение этих исследований (метрологическая
аттестация) является дорогостоящим мероприятием. Кроме того, при выполнении нивелирования или при транспортировке (хранении)
цифрового нивелира имеют место случайные
механические удары, которые могут привести
к нарушению юстировки его электронной системы. В таких случаях необходимо выполнить
внеочередную (повторную) поверку системы
«цифровой нивелир+штрих-кодовая рейка».
Применительно к оптическим нивелирам проведение таких поверок не вызывает особых затруднений, как в лабораторных так и в полевых условиях. Поверку же системы «цифровой
нивелир+штрих-кодовая рейка» необходимо
будет выполнять в вышеназванной лаборатории.
С учётом этого в работе [2] предлагаются методики проведения внеочередной
поверки (аттестации) системы «цифровой
нивелир+штрих-кодовая рейка», которые можно применять в лабораторных условиях производственной организации, имеющей эти нивелирные системы, а также и в полевых условиях
при выполнении нивелирования.Одна из методик поверки основана на конструктивных особенностях цифровых нивелиров, позволяющих
производить взятие отсчетов по прямому и обратному (по перевёрнутой рейке) изображению штрих-кода рейки.
Однако в предлагаемом варианте ее применения она не позволяет при проведении по-
2000,00 мм
0,00 мм
2
1
O′1
1
O1
M
M
A
а
A
б
Рис. 1. Схема выполнения поверки
9
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
рабочее положение на точку М пяткой устанавливается рейка и по ней производится 15–20
отсчётов О1. Из полученных отсчетов вычисляется среднее их значение. Затем рейка переворачивается на 180° и устанавливается второй
пяткой на эту же точку М (см. рис. 1, б), после
чего по ней также производится 15–20 отсчётов О′1 с последующим нахождением среднего
значения. Для исключения влияния остаточной
неперпендикулярности пяток оси рейки установка ее производится средней частью этих
пяток.
После этого с помощью штатива производится изменение горизонта нивелира (его
подъём) на 10–15 см и измерения выполняются аналогичным образом: сначала по прямому
изображению штрих-кодовой рейки, а затем по
обратному. Изменение горизонта нивелира и
производство отсчетов выполняется до тех пор,
пока измерения не будут выполнены по всей
длине рейки. После этого аналогичные измерения производятся в обратном направлении: нивелир также опускается с интервалом 10–15 см.
С целью определения величин ошибок
«взгляда» для разных расстояний до рейки, а
также для определения внутришаговых короткопериодических ошибок, измерения выполняются при различных расстояниях.
Если поверка выполняется в полевых условиях, то нивелир также устанавливается на
жёсткое основание, например на сухую проезжую часть просёлочной автомобильной дороги, а рейки устанавливаются на хорошо вбитые в землю костыли или на колья с гвоздями
и удерживаются подпорками. С целью ослабления влияния оседания или выпучивания
нивелира со штативом и костылей (кольев) необходимо после их установки дать некоторое
время (10–15 мин) на стабилизацию их поло200
20
2000
Lш=Lр
0
Lш Lр
Δ
0
а
Δ
б
200
Δ
Lш Lр
в
О1+ О′1= Lш= Lр= L1.
Lш Lр
(1)
Кроме того, если такие отсчёты производить при разной высоте нивелира, то
при исправной работе системы «цифровой
нивелир+штрих-кодовая рейка» сумма этих
отсчётов при двух положениях рейки должна
быть постоянной, т.е.
Δ
0
0
жения. Также, с целью ослабления этого влияния на результаты измерений, ноги наблюдателя в процессе взятия отсчётов по рейкам не
должны находиться близко к ножкам штатива.
После каждой смены горизонта нивелира также необходимо давать время на стабилизацию
положения нивелира и штатива. Выполнение
исследований целесообразно выполнять в пасмурную, без осадков, погоду. Если же исследования выполняются в ясную погоду, то измерения необходимо производить утром или
вечером. При этом, с целью исключения попадания солнечных лучей в объектив нивелира,
рейка должна располагаться в противоположном направлении по отношению к положению
Солнца. Также обязательно применение геодезического зонта. После завершения измерений
с одной рейкой аналогичным образом производятся измерения и со второй рейкой.
Завершив измерения по двум рейкам, приступают к обработке полученных результатов.
При обработке используются:
истинные значения длины штрих-кодовой
шкалы Lш и длины Lр корпуса рейки (расстояние между пятками);
результаты многократных измерений (отсчетов), полученных при разных горизонтах
цифрового нивелира.
Истинные значения длины штрих-кодовой
шкалы Lш и длины Lр корпуса рейки получаются при проведении первоначальной метрологической аттестации в вышеназванной
специализированной лаборатории с помощью
интерференционного или оптико-механического компараторов. Необходимо отметить,
что длина штрих-кодовой шкалы Lш и длина
Lр корпуса рейки в общем случае отличаются. Так, если теоретически эти длины будут
равны, то в этом случае, если взять отсчёт О1
по прямой (см. рис. 1, а) и отсчёт О′1 по перевёрнутой рейке (см. рис. 1, б), то сумма этих
отсчётов будет равна длине Lш штрих-кодовой
шкалы и длине Lр корпуса рейки (рис. 2, а):
г
Рис. 2. К длине штрих-кодовой шкалы и рейки
10
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
О1+ О′1= Lш= Lр= L1; О2+ О′2= Lш= Lр= L2.;
вого горизонта 320,120 +1680,041= 2000,161 и
325,684 +1674,470 = 2000,154);
среднее из суммы отсчётов по прямой
и перевёрнутой рейке для каждого горизонта в прямом и обратном ходах (например,
2000,161+ 2000,154 = 2000,158);
разность δ1 между суммой отсчётов смежных горизонтов;
разность δ2 между суммой отсчётов в прямом и обратном ходах для каждого горизонта;
средняя разность δ1 из всех горизонтов для
прямого и обратного хода, а также средняя разность δ2 между прямым и обратным ходами, в
том числе и по абсолютной величине;
разность δ3 между средним значением Lср
из прямого и обратного ходов и эталонной длиной Lр;
средняя квадратическая ошибка измерения
(по уклонениям от среднего) системой «цифровой нивелир+штрих-кодовая рейка».
средние квадратические ошибки «взгляда»
по прямой и перевёрнутой рейке для каждого горизонта и расстояния (по уклонениям от
среднего);
Результаты поверки цифрового нивелира
DiNi 1012 и двухметровой штрих-кодовой рейки по данной методике для расстояния 4,2 м
приведены в таблице.
(2)
................................
Оn+ О′n= Lш= Lр= Ln.
При этом также должно соблюдаться (в
пределах точности измерений) условие
L1 + L2 + L3 + … +Ln = const.
(3)
Нарушение условия (3) на величину больше ошибки измерений будет свидетельствовать о наличии в работе системы «цифровой
нивелир+штрих- кодовая рейка» определённой
систематической, например, пяточной разности.
Пяточная разность ∆1 может быть у основания штрих-кодовой шкалы (рис. 2, б), вверху шкалы ∆2 (рис. 2, в) и сразу вверху и внизу
∆1 + ∆2 (рис. 2, г). В этих случаях будем иметь,
соответственно:
О1+ О′1= Lш‒ Lр= ∆1;
О1+ О′1= Lш‒ Lр= ∆2;
(4)
О1+ О′1= Lш‒ Lр= ∆1 + ∆2.
После выполнения измерений вычисляются:
по формуле (2) сумма отсчётов по прямой
и перевёрнутой рейке для каждого горизонта в
прямом и обратном ходах (например, для перВысота визирования, м
Длина L прямо, м
0,32
320,120+1680,041=2000,161
0,45
451,344+1548,812=2000,156
δ1, м
Длина L обратно, м
–0,005
609,562+1390,590=2000,152
0.016
612,435+1387,731=2000,166
785,435+1214,735=2000,170
782,212+1217,960=2000,172
946,786+1053,386=2000,172
938,692+1061,470=2000,162
1103,792+896,374=2000,166
1106,295+893,863=2000,158
1218,648+781,526=2000,174
1220,184+779,991=2000,175
1349,564+650,594=2000,158
1353,816+646,350=2000,166
1512,774+487,386=2000,160
1507,445+492,729=2000,174
1625,816+374,338=2000,154
–0,014
–0.006
1634,338+365,830=2000,168
0,014
1,77
–0,008
0.008
–0,006
1,63
0,001
–0.009
0,002
1,51
0,008
0.017
–0,016
1,35
0,010
–0.004
0,008
1,22
0,002
–0.010
–0,006
1,10
0,014
0.006
0,002
0,94
0,014
–0.004
0,018
0,78
1764,883+235,285=2000,168
δ2, м
0,007
453,852+1546,318=2000,170
–0,004
0,61
δ1, м
325,684+1674,470=2000,154
–0,014
–0.010
1773,386+226,772=2000,158
0.010
ср = 0,0006 ср=0,0005 ср=0,003
|ср| = 0,007 |ср|= 0,008 |ср|= 0,009
mвзгл= 0,011 мм = 0,01 мм
11
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Высотный стенд
m=0,2 мм
Метод сличения
Метод прямых
измерений
РЭ 1-го
разряда
ИЭ
Лазерный интерферометр
m=0,001 мм
Высокоточная система
«цифровой нивелир+штрихкодовая рейка»
Высокоточный оптический
нивелир m=0,5 мм
РЭ 2-го
разряда
Метод прямых
измерений
Нивелирный полигон
m=1,5 мм
РСИ
Метод прямых
измерений
Высокоточная система
«цифровой нивелир+штрихкодовая рейка»
m=0,4÷0,5 мм
Точная система
«цифровой нивелир+штрихкодовая рейка»
m=2÷3 мм
Техническая система
«цифровой нивелир+штрихкодовая рейка»
m=5÷10 мм
Рис. 3. Локальная поверочная схема системы «цифровой нивелир+штрих-кодовая рейка»
Предположим, что в результате эталонирования на компараторе длина Lр оказалась равной
2000,110 мм. По результатам наших исследований значение Lср оказалось равным 2000,164 мм,
тогда разность δ3 = Lср – Lр =0,054 мм.
Необходимо отметить, что пяточная разность ∆1 не вносит систематической ошибки в
измеряемое превышение на нивелирной станции при использовании одной штрих-кодовой
рейки, а также в результаты нивелирного хода при использовании двух реек и при четном
числе станций.
Предлагаемая методика внеочередной поверки системы «цифровой нивелир+штрихкодовая рейка» обеспечивает проведение ее
в лабораторных и полевых условиях с точностью порядка 0,01–0,02 мм, и она может быть
использована для поверки оптических нивелиров с шашечными или штриховыми рейками.
Для обеспечения единства измерений при
проведении поверки нивелиров и реек применяются ведомственные локальные поверочные
схемы (ЛПС). Эти схемы относятся к обеспечению поверок отдельно для нивелиров с ви12
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
зуальным отсчитыванием и отдельно для метрических реек [3]. Применительно к поверке
системы «цифровой нивелир+штрих-кодовая
рейка» эти схемы применять невозможно. В
связи с этим для обеспечения такой поверки
нами предлагается схема ЛПС (рис. 3), в которой учтены особенности выполнения измерений системой «цифровой нивелир+штрихкодовая рейка». Предлагаемая схема содержит
две поверочные ветви.
Первой из этих ветвей производится поверка только высокоточной (РСИ) системы
«цифровой нивелир+штрих-кодовая рейка»,
а другой ветвью — высокоточные, точные и
технические РСИ. При этом в качестве рабо-
чего эталона 1-го разряда может служить высокоточный оптический нивелир с визуальным
отсчитыванием (типа Н05) или высокоточная
система «цифровой нивелир+штрих-кодовая
рейка».
ЛИТЕРАТУРА
1. Травкин С.В. Метод определения погрешностей измерения превышения высокоточными нивелирами с использованием концевых мер// Изв. вузов «Геодезия и аэрофотосъёмка».
–2006. −№ 3. –С. 97−100.
2. Уставич Г.А. Исследование цифровых нивелиров и реек [Текст]/ Г.А. Уставич, Н.М. Рябова, В.Г. Сальников, М.Е.
Рахымбердина // Геодезия и картография. –2011. –№4. –С. 9−15.
3. Спиридонов А.И. Основы геодезической метрологии. –М.
Картгеоцентр-Геодезиздат, 2003.− 247 с.
Принята к печати 26 июня 2013 г.
Рекомендована кафедрой геодезии МИИГАиК
Перспективы использования измерительных систем
«цифровой нивелир+штрих-кодовая рейка»
Кандидат техн.наук Н.Х. Голыгин, кандидат техн.наук Ю.Е. Федосеев,
аспирант П.А.Черепанов
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Рассмотрены вопросы, связанные с метрологическим обеспечением измерительных систем «цифровой нивелир+штрих-кодовая рейка» и методикой выполнения высокоточного геометрического нивелирования с их помощью.
Ключевые слова: поверка, калибровка, поверочная установка МИИГАиК УМК-М, цифровой нивелир, штрих-кодовая рейка, нивелирование I и II классов
Abstract. The questions connected with metrological maintenance of measuring systems «digital level+barcode
staff» and technique of execution of high-precision geometric leveling with their help are considered.
Keywords: verification and calibration, calibration setting MIIGAiK UMC-M, digital product, barcode staff,
leveling classes I and II
верки средств измерений (СИ), на первый план
выступают их калибровка в заявленных диапазонах измерений и выявление внутришаговых
(короткопериодических) детерминированных
неопределенностей измерений, что требует
больших материальных затрат и времени.
На российском рынке находится широкая гамма моделей цифровых нивелиров иностранного производства, отечественными потребителями приобретены уже десятки тысяч
таких приборов. Однако в настоящее время
отсутствуют нормативные документы, позволяющие выполнять высокоточные классы нивелирования указанными выше приборами.
Проблема состоит в том, что при работе на
станции здесь отсутствуют известные геодезистам из оптического нивелирования контроли
Быстрое развитие современных оптикоэлектронных приборов, как правило, многофункциональных, с элементами автоматизации, как измерений, так и обработки результатов, более подверженных влиянию внешних
условий и старению отдельных элементов,
требует проведения тщательных их исследований с целью повышения точности измерений.
Настоящая работа посвящена экспериментальным исследованиям точности измерений
измерительной системой (ИС) «цифровой
нивелир+штрих-кодовая рейка», а также разработке методов высокоточного геометрического
нивелирования с использованием современных измерительных систем.
В связи с поставленной задачей, очевидно,
резко возрастает трудоемкость процесса по13
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
геометрических условий, позволяющие выявлять появление грубых ошибок, а также не
известно влияние отклонений температуры на
точность полевых измерений.
При использовании цифровых нивелиров
неопределенность измерений зависит от неопределенностей штрих-кодовой рейки, которые необходимо учитывать при обработке
результатов измерений [1]. Кроме того, результаты многочисленных исследований СИ
разных моделей, выполненные в метрологической лаборатории МИИГАиК, показывают, что
при использовании одного и того же нивелира
с разными рейками неопределенность измерения будет разная, а заложенные в действующей
инструкции по нивелированию требования к
контролю метровых и дециметровых интервалов рейки в данном случае теряют смысл,
так как считывание штрих-кода производится
с участка рейки, который составляет не менее
300 мм [2, 3].
Исследования неопределенности измерений из-за отклонений внешних условий были
выполнены при установившихся температурах в термоконстантном помещении в преде-
лах 17÷28°С на поверочной установке УМК-М
МИИГАиК (№32334-06 в Государственном
реестре средств измерений) [4, 5]. Перед измерениями задаваемая в термоконстантном помещении температура воздуха выдерживалась
не менее шести часов, температура материала
рейки контролировалась тремя температурными датчиками эталонного лазерного интерферометра НР5528А, расположенными непосредственно на корпусе рейки. При каждой из
задаваемых температур были выполнены по
три полных приема измерений (в прямом и обратном ходе). Расстояние от прибора до рейки
равнялось 23,8 м. Результаты исследований
приведены на рис. 1 (∆ — неопределенность,
h — измеряемое превышение). Максимальная
средняя квадратическая неопределенность
(СКН) измерений между приемами наблюдалась на расстоянии 1,3 м от пятки рейки и
составила 24 мкм (при температуре 17°С),
38 мкм (при температуре 28°С) и 51 мкм (при
температурах 20 и 24°С). При измерениях имелись отдельные детерминированные отклонения неопределенности порядка ±0,35 мм.
Указанные отклонения являются недопустимыΔ,мм
0,100
Δ,мм
0,150
0,050
0,100
0,000
0,0
-0,050
0,050
0,000
0,0
0,5
1,0
1,5
2,0
2,5
0,5
1,0
2,0
2,5
3,0
-0,100
3,0
-0,050
-0,150
h, м
-0,100
h, м
-0,200
а
Δ,мм
0,2
0,15
0,1
0,05
0
0,0
-0,05
-0,1
-0,15
-0,2
-0,25
-0,3
-0,35
-0,4
1,5
0,5
1,0
б
1,5
2,0
2,5
Δ,мм
0,350
0,300
0,250
0,200
0,150
0,100
0,050
0,000
-0,0500,0
-0,100
-0,150
-0,200
-0,250
-0,300
-0,350
3,0
h, м
0,5
1,0
в
1,5
2,0
2,5
h, м
г
Рис. 1. Результаты измерений при температуре:
— пп 1.1;
— пп 1.2;
а — 17°С; б — 20°С; в — 24°С; г — 28°С;
— пп 2.1;
— пп 2.2;
— пп 3.1;
— линейная (ср)
14
3,0
— пп 3.2;
— ср;
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
δ,мкм
120
100
80
60
40
20
0
0,0
-20
-40
-60
-80
-100
-120
δ,мкм
100
3
80
60
40
20
0,5
1,0
1,5
2,0
2,5
0
0,0
-20
3,0
5
0,5
1,0
1,5
2,0
-40
4
2,5
3,0
1
-60
-80
h, м
h, м
-100
Рис. 2. Средние значения поправок из трех приемов
при температурах:
Рис. 3. Линии регрессии поправок
при температурах:
— 16°С;
— 24°С;
— 20°С;
— 28°С;
— всех t°С
— 16°С;
— 28°С;
ми при нивелировании I класса точности, могут
быть выявлены только по результатам калибровки и впоследствии учтены в виде поправок.
На рис. 2 и 3 показаны средние арифметические значения поправок, полученные при
разных температурах, и соответствующие им
линии регрессии (δ — поправка в результаты
полевых измерений). Из графиков видно, что
при отклонениях температуры наклоны линий регрессии изменялись непропорционально увеличению температуры, что скорее всего
связано не только с температурным коэффициентом линейного расширения (ТКЛР), но также с деформациями корпуса рейки и креплением самой инварной штрих-кодовой шкалы.
На рис. 4 приведен суммарный график изменения поправок при расстоянии от нивелира
до рейки 23,8 м, из которого видно, что отдельные отклонения неопределенности в целом
не влияют на суммарную неопределенность в
диапазоне измерения, при условии калибровки СИ с интервалом 100 мм неопределенность
измерения при отклонениях в исследуемом интервале температур может быть уменьшена до
±40 мкм.
Для отбраковки отдельных значимых отклонений и учета влияния температурных отклонений, влияющих на изменение длины
штрих-кодовой рейки, разработана технология, позволяющая выполнять контроль измерений в полевых условиях. Суть предлагаемой
технологии измерений на станции заключается
в том, что в измерительной системе «цифровой
нивелир+две штрих-кодовые рейки», имеющей на каждой рейке по две пятки, располо-
— 20°С;
— 24°С;
— при всех t°С
женные на противоположных концах рейки,
при калибровке нивелирных реек совместно
с цифровым нивелиром, имеющим функцию
«invers», определяют размеры между пятками
реек (длины реек) Lk при их горизонтальном и
вертикальном расположении [4–6]. В процессе нивелирования на каждой станции каждую
рейку устанавливают поочередно пятками на
свою подреечную точку, закрепленную костылем или иным образом. Например, первое
положение — традиционное, второе — рейки
одновременно повернуты в вертикальной плоскости на 180°. При вычислениях определяются
длины реек в полевых условиях и сравниваются с длинами, полученными при их калибровке. Полученные разности длин учитывают в
виде поправок за отклонение температуры при
вычислении превышений на станции, при этом
равенство нулю полученных превышений при
двух положениях реек служит контролем точности измерений на станции.
Предлагаемая технология используется по
следующей циклограмме [6].
δ,мкм
40
20
0
0,0
0,5
1,0
1,5
2,0
2,5
3,0
-20
-40
h, м
-60
Рис. 4. Поправки при колебаниях температуры
от 17 до 28°С:
— среднее арифметическое;
15
— линейная
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
5. Разность ΔLt = Lизм – Lk есть не что иное,
как изменение длины каждой рейки под действием температуры. Поправки в отсчеты за
температуру:
1. Предварительно выполняется метрологическое обеспечение работ, при этом поверяется стандартный цифровой нивелир, обладающий функцией «invers», и калибруется ИС с
двумя рейками, каждая штрих-кодовая рейка
имеет по две пятки, определяется калиброванное расстояние Lk между пятками, при этом
вторая пятка укреплена в верхней части рейки,
так же как стандартная пятка, связана с инварной шкалой.
2. Нивелир по стандартной методике устанавливается в середине секции между двумя
парами реперных точек, горизонтируется, а на
подреечные (реперные) точки секции устанавливаются штрих-кодовые рейки и берутся отсчеты: а — по задней рейке и б — по передней
рейке, вычисляется значение превышения по
формуле h = а – б.
3. Переворачиваются обе штрих-кодовые
рейки на 180° и устанавливаются на те же реперные точки, включается функция «invers»,
позволяющая отсчитывать от стандартной пятки, но не снизу вверх от репера, а наоборот,
сверху вниз от верхней точки рейки, и берутся
отсчеты по каждой паре штрих-кодовых реек:
а* — по задним рейкам и б* — по передним
рейкам.
4. В результате получаются отсчеты по задним Lзад и передним Lпер рейкам:
Δа = (ΔLtзад/Lk)а; Δб = (ΔLtзад/Lk)б;
Δа*= (ΔLtзад/Lk)а*; Δб*= (ΔLtзад/Lk)б*.
Величина превышения h*= а*– б* есть не
что иное, как значение превышения h = а – б,
но с обратным знаком, при этом h* + h должно
стремиться к нулю, что и является дополнительным условием для контроля точности измерений.
ЛИТЕРАТУРА
1. Голыгин Н.Х., Шаимкулов Д.А. Исследование внутришаговой коротко периодической погрешности цифрового нивелира DiNi 10 // Изв. вузов «Геодезия и аэрофотосъемка». –2003.
–№5. −С. 106–111.
2. Голыгин Н.Х., Лазуткин А.М., Пегливанян Г.Г.
Исследование погрешности измерений цифровых нивелиров
DiNi03 и DiNi12 с инварными штрих-кодовыми рейками //
Приборы, 2009. −№4. –С. 52−56.
3. Голыгин Н.Х., Ковалев С.В., Лебедев С.В., Пегливанян Г.Г.,
Федосеев Ю.Е. Поверка и калибровка цифровых нивелиров и
штрих-кодовых реек // Изв. вузов «Геодезия и аэрофотосъемка». −2009. −№2. –С. 93−97.
4. Патент РФ №2419070. – МПК G01C 5/00. Стенд для поверки и калибровки цифровых нивелиров и штрих-кодовых
реек. Голыгин Н.Х.
5. Патент РФ №2419766. – МПК G01C 5/00.Стенд для поверки и калибровки цифровых нивелиров и штрих-кодовых
реек. Голыгин Н.Х., Черепанов П.А.
6. Заявка на патент РФ №2013127789/28 – МПК G01C
7/00. Способ высокоточного геометрического нивелирования.
Голыгин Н.Х., Федосеев Ю.Е., Еременко И.Б.
Lзад = а + а*; Lпер = б + б*.
Таким образом в полевых условиях определяют длины задней и передней реек Lизм
(измеренные) при фактической интегральной
температуре инвара.
Принята к печати 20 июня 2013 г.
Рекомендована кафедрой проектирования
оптических приборов МИИГАиК
Создание современных комбинированных сетей для оценки
деформационной опасности городских агломераций
и промышленных площадок
Аспирант А.Л. Фялковский
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Рассматривается использование спутникового приёмника, движущегося под воздействием деформаций, в качестве опорного пункта. Обосновывается применение метода эквивалентной замены для повышения точности полигонометрических ходов, опирающихся на пункты спутниковой сети.
Ключевые слова: комбинированные сети, деформации, GPS, полигонометрия
Abstract. A satellite receiver, moving under the influence of deformations, is considered as a reference point.
The method of equivalent substitution is proved to be useful to improve the accuracy of polygon traverses,
based on points of a satellite network.
Keywords: combined network, deformation, GPS, polygonometry
16
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
Всё человечество, за очень малым исключением, стремится жить возле источников пресной воды. Эти источники — реки и озёра —
чаще всего приурочены к разломам и трещинам
в земной коре. На таких территориях высока
опасность возникновения различных деформационных процессов. Для принятия адекватных
инженерных решений при застройке и эксплуатации урбанизированных территорий необходимо создавать геодинамические полигоны
с целью непрерывного слежения за развитием негативных процессов. Деформационный
мониторинг, как вид геодезических работ, является традиционным приложением сопровождения градостроительной деятельности.
Необходимость организации и проведения работ такого рода оговаривается законодательством Российской Федерации [1, 2].
Современный уровень развития геодезического приборостроения предоставляет недоступные ранее возможности организации
непрерывного мониторинга динамических
процессов. Однако технологические решения
во многом отстают от потенциальных, т. е. во
многом используются традиционные подходы.
Целью работы является обоснование технических решений по совместному использованию
спутниковых технологий и традиционных
методов измерений, объединяемых с целью
более надежного и оперативного получения
сведений о развитии негативных процессов.
Основные вопросы, которые предполагается
решить в данной работе, это вопрос использования приёмника, движущегося под воздействием деформаций, в качестве опорного пункта, а также вопрос использования координат,
определённых из спутниковых наблюдений,
как основы для полигонометрии.
Полигонометрия — это наиболее рациональный метод построения планового геодезического обоснования на застроенных
территориях и промышленных площадках.
Полигонометрические ходы позволяют получать координаты определяемых пунктов с высокой точностью и оперативностью, что особенно важно, когда речь идёт о наблюдениях за
деформациями. Кроме того, в городских условиях применение любого другого метода весьма затруднительно. При слежении за деформациями городских территорий встаёт вопрос о
выборе опорных пунктов. Пункты городской
полигонометрии и триангуляции для этой цели не подходят, во-первых, по точности, а вовторых, потому, что нельзя быть уверенным в
их стабильности. В качестве исходных пунктов
можно использовать постоянно действующие
спутниковые приемники, совмещённые с круговыми призмами. Они позволяют постоянно
контролировать положение опорного пункта,
что особенно важно, если пункт находится
в сейсмоактивном районе, районе развития
оползневых и других опасных геологических
процессов. В таком случае геодинамическая
сеть будет представлять из себя ряд опорных
пунктов — спутниковых приёмников, совмещённых с круговыми призмами, на которые
опираются полигонометрические хода.
Но при использовании постоянно действующих станций возникают две проблемы.
Первая проблема заключается в том, что в
городских условиях спутниковые приёмники
можно устанавливать только на крышах высоких зданий, мачтах и различных сооружениях башенного типа. Подобные сооружения
в большей или меньшей степени подвержены
деформациям, вызываемым солнечным нагревом и ветровыми нагрузками. Эти деформации
могут достигать от нескольких миллиметров
до нескольких дециметров в зависимости от
конструкции сооружения. В идеальном случае
приёмник, закреплённый на вершине здания,
в своём суточном движении будет описывать
эллипс, но на практике его движение более
сложное. Вторая проблема в том, что даже
если исключить влияние внешних факторов,
то субсантиметровая точность определения
координат спутниковым приёмником недостаточна для использования такого пункта в
качестве основы для точной полигонометрии.
При соблюдении определённых требований
к точности измерений, числу сторон в ходе и
длине хода, координаты пунктов полигонометрического хода могут быть определены с
точностью порядка нескольких миллиметров.
Чтобы не учитывать ошибки исходных данных, точность определения координат опорных пунктов должна вдвое превышать точность определяемых.
Для решения первой проблемы можно попытаться разработать метод учёта перечис17
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
ленных выше деформаций, который позволит
получать координаты пункта, свободные от
влияния солнечного нагрева и ветровой нагрузки. Но можно решить проблему иначе:
использовать в качестве опорного пункта движущийся под влиянием внешних факторов
спутниковый приёмник, совмещённый с круговой призмой, и для каждого момента наблюдений вычислять его координаты, а не приписывать этому пункту постоянные.
Вычислять координаты на любой момент
можно двумя способами: 1) при последующей обработке измерений; 2) сразу на момент
наблюдений. В первом случае спутниковый
приёмник постоянно определяет свои относительные координаты. Для определения координат в режиме статики требуется некоторое
время. Таким образом, для каждого пункта
имеется ряд дискретных значений координат. Координаты спутникового приёмника
на любой момент наблюдения определяются
методом линейной интерполяции. Можно использовать иной метод вычислений: приёмник
Первая сессия
непрерывно производит наблюдения, а вычисление координат происходит по обработке
временных интервалов, которые идут не один
за другим, а частично накладываются друг на
друга. Схема метода показана на рис. 1. Таким
способом можно вычислять координаты приёмника так часто, как это необходимо, но при
этом объём вычислений будет увеличиваться.
В любом случае, координаты опорных пунктов доступны пользователю только после постобработки.
Во втором случае речь идёт о создании
системы, позволяющей получать координаты
опорного пункта сразу на момент наблюдений.
Координаты могут передаваться пользователю
через модем по принципу RTK или иным способом. При этом координаты на момент наблюдения определяются методом линейной интерполяции между последней точкой, в которой
были вычислены координаты, и последующей,
координаты которой будут определены по результатам обработки текущей сессии (рис. 2).
Но текущая сессия ещё не закончена, и положение, которое займёт движущийся приёмник
к моменту её окончания, нельзя знать заранее,
но его можно предрассчитать. Предвычислить
эфемериды объекта, зная его текущее движение, позволяет фильтр Калмана. Он позволяет
с высокой достоверностью рассчитать положение объекта в будущем и оперативно реагирует
на изменение параметров движения (в результате изменения ветра, прекращения солнечного нагрева). Предложенный метод позволяет
получать координаты движущегося приёмника непосредственно на момент наблюдений.
Вторую проблему, связанную с недостаточной точностью определяемых координат,
можно решить, используя метод эквивалентной замены. Суть метода заключается в замене
спутниковых измерений на опорных пунктах
несуществующими (эквивалентными) угловыми и линейными измерениями такими, что
они приводят к определению положения опорных пунктов с такими ошибками, которые были при спутниковых измерениях (рис. 3).
Угловая ориентация в данном случае не
имеет значения, для удобства можно совместить направление на фиктивный пункт с
осью эллипса ошибок. Расстояние от опорного пункта до фиктивного зависит от величины
Вторая сессия
Общее для
обеих сессий
Добавленное
время
t, с
Рис. 1. Принцип деления измерений на накладывающиеся друг на друга временные интервалы
x
y
Рис. 2. Кривая, описывающая движение приёмника
под действием внешних факторов:
— точки, координаты которых были определены при обработке предыдущих наблюдений;
— следующая точка, для которой будут определены координаты по результатам обработки текущих наблюдений
18
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
эллипса ошибок и точности измерений в ходе
и вычисляется по следующей формуле:
A
=
ρ′′.
S
mβ
При использовании метода эквивалентной замены роль опорных пунктов выполняют фиктивные точки, а пункты, определённые
из спутниковых измерений, играют роль точек полигонометрического хода. При этом на
пунктах спутниковой сети не производятся
угловые и линейные измерения, но известны
дирекционные углы всех направлений и все
расстояния. Поэтому такой полигонометрический ход можно вычислять как азимутальный
ход. Фиктивные пункты при этом принимаются безошибочными.
По проведённой работе можно сделать следующие выводы:
приёмник, движущийся под воздействием
деформаций, можно использовать в качестве
опорного пункта. При этом, в зависимости от
метода вычислений, можно получать координаты пункта либо после обработки всех сделанных измерений, либо сразу на момент наблюдений;
применение метода эквивалентной замены
позволяет использовать координаты, опреде-
A
B
S
mβ
Рис. 3. Метод эквивалентной замены:
— фиктивный пункт; А, В — большая и малая полуоси
эллипса ошибок соответственно; S — расстояние до фиктивного пункта; mβ — точность угловых измерений
лённые из спутниковых наблюдений, как основу для точной полигонометрии без потери
точности.
ЛИТЕРАТУРА
1. Федеральный закон РФ от 20. 06. 1997, № 116-ФЗ (в ред.
от 23.07.2010 № 171-ФЗ и от 04.03.2013 № 22-ФЗ) «О промышленной безопасности опасных производственных объектов».
2. Федеральный закон РФ от 23. 12. 2009 (одобрен 25.12.2009),
№ 384-ФЗ «Технический регламент о безопасности зданий и
сооружений».
Принята к печати 17 апреля 2013 г.
Рекомендована кафедрой геодезии МИИГАиК
Об одном обобщении фундаментального принципа метода
наименьших квадратов в связи с эволюцией представлений
о законе ошибок наблюдений
Профессор, доктор физ.-мат. наук И.В. Джунь
Международный экономико-гуманитарный университет, г. Ровно, Украина
[email protected]
Аннотация. Обоснована целесообразность замены фундаментального принципа метода наименьших
квадратов (МНК) Гаусса принципом максимума информации по Фишеру. Показано, что такая замена
обеспечивает более глубокое и естественное понимание сути МНК, придает его процедурам более
универсальный характер, позволяет проводить устойчивое оценивание.
Ключевые слова: фундаментальный принцип МНК, информация по Фишеру.
Abstract. LSM fundamental principle change for Fisher's information maximum principle is grounded.
Such substitution guarantees better realization of LSM sense, makes its procedures more universal, allows
permanent assessment.
Keywords: LSM fundamental principle, information according to Fisher
Фундаментальным принципом классического МНК является принцип наибольшего веса. Исходя из этого принципа, Гаусс дал
математическое обоснование МНК, полагая,
2
что ошибки наблюдений следуют закону e − x .
Однако кембриджский профессор Г. Джеффрис,
тщательно проанализировав результаты известного эксперимента К. Пирсона [1], пришел
19
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
исходя из классической кривой Пирсона VII
типа, которая имеет недиагональную информационную матрицу. Эту классическую кривую Джеффрис преобразовал к виду (1), который, как и закон Гаусса, имеет независимые
параметры. Поэтому формулу (1) правильнее
было бы назвать распределением Пирсона −
Джеффриса. Обладая необыкновенной научной скромностью, Джеффрис не дал особого
названия распределению (1), которое он создал. Поэтому многие исследователи идентифицируют классическое распределение Пирсона
VII типа и даже обобщенное распределение
Коши с формулой (1), хотя этого делать нельзя,
так как это разные распределения. Учитывая
сказанное, распределение (1) можно назвать,
чтобы избежать путаницы, законом ошибок
Пирсона−Джеффриса или просто законом
Пирсона−Джеффриса, подобно тому как в свое
время был назван закон Гаусса.
С целью проверки идеи Джеффриса о соответствии эмпирических распределений ошибок кривой Пирсона VII типа автором был
проделан эксперемент [2]. В качестве рабочего поля для такой проверки использован график для идентификации типов распределений
Пирсона в [3]. Каждое эмпирическое распределение ошибок характеризуется тремя координатами: эксцессом ε, квадратом асимметрии
A2 и объёмом выборки n (рис. 1). Нормальному
распределению отвечает точка N — начало
координат. На рис. 1 почти все эмпирические
распределения ошибок имеют практически нулевую асимметрию и ε > 0. Вертикальные прямые существенно сдвинуты вправо от точки
N, соответствующей закону Гаусса, группируясь на линии кривой Пирсона VII типа вокруг
точки ε = 1 (см. рис. 1). Таким образом, закон
Пирсона−Джеффриса (1) можно рассматривать в качестве новой, универсальной модели
ошибок наблюдений большого объёма.
Значение закона Пирсона−Джеффриса (1)
состоит еще и в том, что он имеет очень ценные математические свойства.
1. Является обобщением двух наиболее
важных в теории ошибок распределений:
Гаусса, в который формула (1) превращается
при m = ∞, и Стьюдента при значениях m в (1)
кратных 0,5.
2. Параметр m закона Пирсона−Джеффриса
к выводу, что случайные независимые ошибки,
если их число больше 500, при постоянных
условиях наблюдений следуют такому симметричному закону распределения вероятностей:
Γ(m + 1)
f ( x)
×
2π(m − 0,5)Γ(m + 0,5)
1
0,5m 2  x − λ 
× 1 +


σ  (m − 0,5)3  σ 
2



−m
,
(1)
с показателем степени m в пределах
5 ≥ m ≥ 3,
(2)
что соответствует таким значениям для эксцессов:
1,2 ≤ ε ≤ 6.
(3)
B формуле (1) λ, σ, m — параметры закона
плотности; Г(m) — гамма-функция.
Джеффрис делает вывод, что качество
эксперимента, выполненного при стабильной метрологической ситуации, не вызывает
сомнений, если эксцесс ошибок попадает в
границы (3). Он называет (1) распределением Пирсона VII типа. Однако это не совсем
отвечает истине — формулу (1) он получил,
15000
n
12500
A2
10000
7500
5000
I(J)
U
VI
I
III
IV
2500
II
N
0
IV
V
VII
E
1
2
3
4
5
6
ε
Рис. 1. Расположение эмпирических распределений
ошибок астрономических, космических, гравиметрических, геодезических, экономических рядов
(область E) на оси эксцесса (линия VII, правее точки
N, соответствует семейству распределений Пирсона
VII типа)
20
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
(1) и число степеней свободы ν t-распределения
связаны отношением
ν = 2m – 1.
нения классических процедур оценивания по
Гауссу [2].
К сожалению, до сих пор геодезистами не
оценено в полной мере значение закона ошибок Пирсона−Джеффриса. Они не используют
его в практике обработки геодезических наблюдений несмотря на его универсальность
для больших выборок и на то, что он имеет
превосходные математические и аппроксимирующие свойства. Ни в одном современном
курсе теории ошибок измерений распределение (1) не упоминается, хотя «Теория вероятностей» Джеффриса, где убедительно показана
неадекватность закона Гаусса при многократных наблюдениях объёма n > 500, переиздавалась в Великобритании 9 раз.
Что происходит, если ошибки геодезических измерений не укладываются в указанные Джеффрисом границы (3) для эксцессов,
а имеют, например, отрицательный эксцесс
или значимую асимметрию? Попробуем ответить на этот вопрос, опираясь на фишеровскую
теорию оценивания. Для этого все разнообразие возможных эмпирических распределений
ошибок представим четырехпараметрическими семействами. «За счет подбора четырех параметров можно очень точно подогнать любой
закон распределения к любым эмпирическим
данным» [5]. С этой целью воспользуемся общим дифференциальным представлением семейств Пирсона [3]:
x + c1
f ′( x)
= −
,
(7)
f ( x)
c0 + c1 x + c2 x 2
где началом отсчета для х служит среднее значение, а величины c0, c1, c2 связаны простыми
соотношениями с асимметрией А и эксцессом
ошибок [3]:
(4)
3. Формула (1) является более гибкой при
аппроксимации эмпирических распределений,
чем t-распределение, так как она имеет промежуточные значения между степенями свободы.
4. Параметр m — чувствительная мера
уклонения закона Пирсона−Джеффриса от
нормального закона. Гауссова формула распределения (1) постулирует значение m наперед
известным и равным ∞. На самом же деле каждый ряд ошибок характеризуется своим значением m, которое очень далекое от ∞ и является
его наиважнейшей характеристикой.
5. Информационная матрица закона Пирсона−Джеффриса диагональна, как и у закона
Гаусса. Заметим, многочисленные распределения, которые предлагались для замены закона
Гаусса, например, Lp — распределение таким
замечательным свойством не обладает.
6. Границы Рао-Крамера для закона Пирсона−Джеффриса определяются неравенствами:
σ2 (m − 0,5) 2 (m + 1)
σ2 m + 1
2
σ ≥
; σσ ≥
; (5)
n
m3
2n m − 0,5
2
λ
−1
 

m +1
σ ≥ n ψ′(m − 0,5) − ψ′(m) − 2
 , (6)

2m (m − 0,5)  
 
где ψ′(m) — тригамма функция.
Из формул (5) видно, что при m = ∞ (закон
Гаусса) σλ2 и σσ2 превращаются в классические
формулы для определения дисперсий средней
арифметической и среднего квадратического
отклонения.
7. Главным достоинством закона Пирсона−
Джеффриса является то, что ряды ошибок наσ β1 (β2 + 3)
σ2 (4β2 − 3β1 )
блюдений, если их объёмы больше 500,=
почти
c0 =
; c1
;
b
b
всегда следует своей магической формуле (1)
(см. рис. 1). В астрономии, космических иссле2β − 3β1 − 6
c2 = 2
,
(8)
дованиях при уравнивании сплошных сетей b
одного класса точности часто встречаются выздесь β1 = A 2 =µ32µ −23 ; ε =β2 − 3; β2 =µ 4µ 2−2 ;
борки объёма n > 500 [2].
l2
Не следует думать,что Джеффрис пытался
r
b
=
2(5
β
−
6
β
−
9);
µ
=
r
2
1
∫l x f ( x)dx, r= 2,3, 4;
лишить нормальный закон его высокого стату1
са. Он только учел существующие реалии. Да
μ
=
1;
μ
=
0;
l
и
l
—
области
определения
0
0
1
2
и все варианты оценок, предложенные им, получают только после предварительного приме- плотности f(x).
2
m
21
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
При многократных наблюдениях обычно
ищут оценку параметра расположения плотности f(x) на оси x. При негауссовых ошибках для вычисления такой оценки используют
функцию правдоподобия L, полученную для n
наблюдений yi, следующих закону плотности
f(x):
n
L = ∏ f ( xi ), личина которого, как это видно из формулы
(8), определяется асимметрией распределения
ошибок A= β1 . Член c1 возникает, если A ≠ 0.
При наличии асимметрии происходит то, что
если c1 ≠ 0 и x = 0, мы получаем по формуле (14)
бесконечные веса. Сверхэффективные оценки
недопустимы с точки зрения фишеровской теории оценок, да и в компьютерном моделировании. В этом случае оценка а в формуле (12)
попадает в недопустимую область оценивания. Иными словами, асимметрия распределения погрешностей является сигналом того,
что геодезический эксперимент находится в
крайне опасной области, делающей невозможным эффективное оценивание. Обозначим эту
область C1. Заметим, что еще Д.И. Менделеев
считал нулевую асимметрию погрешностей
хорошим критерием согласованности ряда измерений и отсутствия в них систематических
ошибок.
Перейдем теперь к рассмотрению симметричных семейств весовых функций p(x).
Полагая в формуле (14) c1 = 0 получаем:
1
5ε + 6
=
p( x) =
,
(15)
2
c0 + c2 x
2σ2β2 + εx 2
где эксцесс ε = β2 ‒ 3.
Фрагмент поверхности весовой функции
(15) для симметричных семейств Пирсона представлен на рис. 2, взятом нами из работы [2].
При ε = 0 имеем c0 = σ2, c2 = 0, т.е. для закона
Гаусса все наблюдения имеют одинаковый вес
и весовая функция приобретает вид константы:
(9)
i =1
где f(xi) — ордината плотности вероятности в
точке
xi = yi ‒ a.
(10)
Логарифмируя функцию L и полагая, что
она зависит только от а, находим частную производную
∂ ln L n f ′( xi )
−
= ∑
= 0. (11)
∂a
i =1 f ( x )
Для получения оценки параметра а умножим числитель и знаменатель формулы (11) на
yi ‒ a. Затем, решая уравнение относительно а,
имеем
∑ yi p( xi ) . a=
(12)
∑ p( xi )
В формуле (12) весовая функция имеет вид:
f ′( xi )
p ( xi ) =
.
(13)
xi f ( xi )
Выражение (13) впервые получили астрономы Х.Р. Хюльме и Л.С.Т. Симс в 1939 г. Но
они не предложили аналитического выражения для вычисления весов p(xi) и находили их
с помощью линейки и транспортира по сглаженной кривой эмпирического распределения
ошибок.
Чтобы найти аналитическое выражение
для вычисления весов (13), подставим выражение (7) в формулу (13). В результате получим такое общее аналитическое представление
весовой фукции четырехпараметрических семейств Пирсона:
x + c1
=
p( x) =
x(c0 + c1 x + c2 x 2 )
p(x) = σ‒2.
(16)
На рис. 2 прямая (16) делит поверхность
весовой функции на две совершенно различные области: В — область плосковершинных
симметричных распределений с ε < 0, в которой вес погрешности наблюдения возрастает с ее увеличением, и A — область закона
ошибок Пирсона−Джеффриса (1), в которой
вес погрешности x убывает с ее увеличением.
Рассмотрим область В. Вопрос состоит в следующем: можно ли оценивать искомую величину
по результатам наблюдений, которые имеют
плосковершинное распределение погрешностей? Если да, то в этом случае мы должны
согласиться с таким метрологическим абсурдом — чем больше ошибка наблюдения, тем
больше её вес, что, собственно, демонстриру-
c1
1
. (14)
+
2
c0 + c1 x + c2 x
x(c0 + c1 x + c2 x 2 )
Выражение (14), определяет множество весовых функций, зависящих от значений c0, c1,
c2. Но в (14) есть очень опасный член c1, ве-
=
22
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
p(x)
ется на рис. 2 поведением весовой функции в
области В. Такая идея противоречит самой сути
измерения, т.е. в случае ε < 0 мы попадаем в неприятную зону недопустимого оценивания В.
Рассмотрим теперь область А, т.е. область
B — область
джеффрисовых ошибок с эксцессами ε ≥ 0. Как
ущербных моделей
видно из рис. 2, это благополучная область оценивания: в ней p(x) либо постоянна (это область
классического оценивания), либо неограниченГраница областей
но убывает при x → ∞ (область устойчивого
p(x)=const
оценивания).
A — область
Таким образом, единственной областью ведопустимых
моделей
совой функции (13), где возможно эффективное
оценивание, является область А, соответствующая закону ошибок Пирсона−Джеффриса (1).
0
x
Но Джеффрис ставит еще дополнительное условие: независимые погрешности наблюдений
0,6
должны иметь положительный эксцесс в преде0,8
лах границ (3), т.е. иметь эксцесс ε не меньше
1,0
чем 1,2. Если же действительные ошибки наε
блюдений имеют эксцесс в пределах
Рис. 2. Фрагмент поверхности весовой функции
0 ≤ ε ≤ 1,2,
(17)
то они, хотя и находятся в допустимой области
оценивания, но все же искажены неисключенными систематическими погрешностями. Иными
словами, — если эксцесс находится в пределах (17), то это может быть свидетельством наличия
в результатах наблюдений, хотя и слабых, но не исключенных систематических ошибок. Влияние
последних в границах (17) будет тем больше, чем ближе положительный эксцесс находится к нулю.
Различные случаи сверток распределений, подтверждающие такой вывод, подробно рассмотрены
в работе [6]. Таким образом, если наблюдений больше 500, то нормальность ошибок наблюдений
— причина для серьёзного беспокойства по поводу неисключенных постоянных погрешностей.
Чтобы проверить тот факт, что полученные результаты многократных наблюдений попадают
в зону допустимого оценивания А, необходимо построить доверительные интервалы для оценок
асимметрии и эксцесса, которые получены на основании несмещенных оценок моментов [7, c. 386]:
n(n − 1) m3
Α=
;
(18)
n − 2 m2−1,5
(n − 1)(n 2 − 2n + 3) m4 3(n − 1)(2n − 3)
=
ε
−
− 3, (19)
n(n − 2)(n − 3) m22 n(n − 2)(n − 3)
где mr — выборочные центральные моменты порядка r, вычисленные для xi:
mr = n −1 ∑ ( xi − x ) r ; x = n −1 ∑ xi . (20)
Для построения доверитетельных интервалов для A и ε воспользуемся известными стандартными
погрешностями этих статистик [7, с. 391]:
4µ 22µ 6 − 12µ 2µ3µ5 − 24µ32µ 4 + 9µ32µ 4 + 35µ 22µ32 + 36µ52
;
4µ52 n
(21)
µ 22µ8 − 4µ 2µ 4µ 6 − 8µ32µ3µ5 + 4µ34 − µ 22µ 42 + 16µ 2µ32µ 4 + 16µ32µ32
,
µ 62 n
(22)
σA =
σε =
23
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
тервал для эксцесса ε находится внутри границ
(17) или хотя бы одним своим концом касается
нуля.
Недопустимой при оценивании искомых
параметров следует считать такую форму распределения погрешностей, которая характеризуется одной из следующих ситуаций:
доверительный интервал для асимметрии
ошибок не накрывает ноль;
весь доверительный интервал для ε находится в области отрицательных эксцессов.
Такие две ситуации можно определить как
области сингулярности весовой функции. Они
соответствуют крайне нежелательным, образно
сказать, патологическим случаям оценивания.
Это наблюдается, когда в результате уравнивания геодезической сети остаточные погрешности попадают в недопустимую область
сверхэффективных оценок C1, либо в метрологически абсурдную область оценивания В.
Действительные распределения ошибок
наблюдений в зависимости от метрологической
ситуации и числа наблюдений могут иметь самую разнообразную форму. Если условия наблюдений постоянны, а система инструмента
хорошо отлажена, то геодезисты часто полагают, что результатом этого будет нормальность
закона распределения ошибок. Но вследствие
«парадокса Эльясберга−Хампеля» любая гипотеза о виде распределения вероятностей будет отвергнута при достаточно большом числе
членов статистического ряда [8,9]. Если исходить из этого парадокса, то следует признать,
что теория тех или иных методов обработки
данных, включая МНК, является корректной
только в пределах определенных объёмов информации. Впервые всю серьёзность такой
ситуации оценил Г. Джеффрис, показав теоретическую и практическую несостоятельность
закона ошибок Гаусса, если число наблюдений n > 500. Таким образом, по Джеффрису,
классический МНК и процедуры отбраковки
являются состоятельными, если число многократных наблюдений n ≤ 500. Он пишет в [10]:
«Решающим вопросом в комбинации наблюдений является знание того, действительно ли
распределения следуют нормальному закону,
если это не так, то должны быть придуманы
другие методы, присущи даному закону».
Предложив более адекватный закон оши-
где µr — несмещенные оценки центральных
моментов порядка r.
При значении n > 500 моменты µr в (21) и
(22) можно заменить на выборочные моменты
mr, вычисляемые по формуле (20), так как в
этом случае смещение на оценках σA и σε особо не сказывается. Например, при нормальном
законе, как это следует из (19), при n = 500 выборочный куртозис равен:
m4 3n(n − 2)(n − 3)(n − 1) −1 + 6n − 9
=
2,999952,
m22
n 2 − 2n + 3
т.е. практически не отличается от несмещенного.
Для закона Гаусса несмещенная оценка асимметрии вычисляется по формуле (18), эксцесс же
получают из такого выражения [7, с. 423]:

 m4
 
n −1
=
ε
(
+
1)
n

 2 − 3  + 6  , (23)
(n − 2)(n − 3) 
 m2
 
а значения дисперсий оценок (18) и (23) из
формул:
σA =
6n(n − 1)
;
(n − 2)(n + 1)(n + 3)
24n(n − 1) 2
σε =
. (24)
(n − 3)(n − 2)(n + 3)(n + 5)
Для симметричных распределений с эксцессом +1, а такими являются наиболее часто
распределения ошибок (рис. 1), формулы (21),
(22) и (24) приводят практически к идентичным результатам. Поэтому, используя оценки
(18), (19) и (24), находим 90% доверительные
интервалы для А и ε:
A ± 1, 645σA ; ε ± 1, 645σε , (25)
где квантиль t10% = 1,645.
Наиболее желательной есть такая форма
распределения погрешностей, когда доверительный интервал для А обязательно накрывает ноль, а доверительный интервал для ε хотя
бы касается левого конца интервала (3). В этом
случае можно считать, что геодезический эксперимент поставлен хорошо. Систематические
погрешности подавлены и не оказывают ощутимого влияния на результаты оценивания.
Допустимой следует считать такую форму
распределения погрешностей, когда доверительный интервал для коэффициента асимметрии А накрывает нуль, а доверительный ин24
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
бок (1), Джеффрис на этом остановился и не предпринимал попыток эволюции основ МНК. На
наш взгляд, наиболее полезным для такой эволюции является понятие информации Фишера, удовлетворяющее таким требованиям.
1. Информация, имеющаяся в наблюдениях, должна увеличиваться пропорционально их числу.
2. Информация должна быть связана исключительно с задачами данного геодезического эксперимента.
3. Информация должна быть связана с точностью: чем выше точность наблюдений — тем
больше информации мы получаем.
Всеми этими ценными для анализа геодезических данных свойствами обладает информация
по Фишеру. Чтобы получить для нее математическое выражение, обозначим через y(xi; θ1, θ2, …)
— плотность вероятности, зависящую от k параметров θ; xi обозначает вектор, содержащий n
ошибок наблюдений. Функция максимального правдоподобия для значений xi будет иметь вид:
n
∏ y( x ; θ , θ
=
L
i
i =1
1
2,
). (26)
По определению Фишера, объём информации об искомом параметре θ, которая содержится
в одном наблюдении x, выражается формулой
=
I1 (θ)
Если учесть, что
2
∞
 ∂ ln L 
∫−∞  ∂θ  y( x; θ1 , θ2, …) dx. (27)
2
 ∂ 2 ln L 
 ∂ ln L 
E
E
=
−
(28)

, 
2
 ∂θ 
 ∂θ 
где Е — оператор математического ожидания, то, при наличии k параметров распределения, выражение (27) превращается в информационную матрицу размера k×k, элемент которой имеет вид:
 ∂ 2 ln L 
I ( θi θ j ) = − ∫ 
y( x; θ1 , θ2, ) dx. (29)
 ∂θ ∂θ 
i
j 
−∞ 
Если переменная х распределена нормально с известной дисперсией и неизвестным математическим ожиданием а, т.е.
( x − a )2
−
1
2
y( x; a, σ) =
e 2σ , (30)
2πσ
то, с учетом формулы (27), получаем для закона Гаусса информацию Фишера, которая содержится в одном наблюдении:
∞
∂2 
( x − a)2 
1
I1 (a ) = − ∫ 2  − ln σ 2π −
(31)
 y ( x; σ, a ) dx = 2 . 2
2σ 
∂a 
σ
−∞
Таким образом, для случая гауссовых ошибок, вес наблюдения — это не абстрактное значение обратной дисперсии, смысл которой не совсем понятен геодезисту, а мера количества информации по Фишеру.
В случае n наблюдений имеем для распределения Гаусса (30):
∞
=
L
В соответствии с (28), получим:
=
I n (a)
n
∏ y( x ; σ, a).
i
i =1
∂2  n 
( x − a)2  
n
−
σ
π
−
ln
2
a )dx n =
I1 (a )
.

  f ( x; σ,=
2
∫−∞ ∂a 2 ∑
2σ  
σ2
i =1 
∞
25
(32)
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
цах (17). Во всех остальных случаях геодезический эксперимент, при числе наблюдений n > 500,
следует считать некорректным, так как оценивание производится в недопустимых областях.
3. Предложеный метод может быть использован для диагностики ошибок ответственных геодезических экспериментов высокого научного и
технического уровня. При выполнении массовых
производственных измерений рассмотренная рафинированная диагностика формулы распределения остаточных ошибок наблюдений, возможно, в большинстве случаев не обязательна.
4. Ограниченность фундаментального постулата МНК — принципа наибольшего веса в том,
что он не учитывает наиболее существенную
особенность действительных распределений
ошибок большого объёма — их положительный
эксцесс. Если эксцесс ε > 0, то на практике это означает избыток больших ошибок, которые существенно увеличивают дисперсию и уменьшают
информацию по Фишеру. Гауссова форма распределения (1) постулирует параметр m наперед
известным и равным ∞. Такой постулат некорректен, так как он неадекватен практике многократных наблюдений. Этим блокируется дальнейшая эволюция процедур МНК. На самом же
деле, каждый ряд ошибок имеет свое уклонение
от закона Гаусса, т.е. свое значение параметра m,
далекое от ∞. Это значение и является определяющей характеристикой любого ряда ошибок
большого объёма и именно его нужно учитывать
при обработке данных.
5. Замена абстрактного принципа максимума
обратной дисперсии на принцип максимума фишеровской информации обеспечивает более глубокое и естественное понимание действительной
сути МНК — как научного метода, максимизирующего получение информации при математической обработке данных. Такая замена придает
установкам МНК более общий, понятный и целесообразный смысл.
6. Главный вывод в том, что переход на базовый принцип максимума информации по
Фишеру, можно рассматривать как очередной
этап эволюции МНК. Мы показали, что он открывает новые возможности для усовершенствования методов обработки геодезических наблюдений с целью получения более эффективных
оценок на основе дополнительного взвешивання
минимизированных классическим МНК остаточных погрешностей vi.
7. Нынешний этап развития геодезии, отличающийся все большими объёмами исследований и числом наблюдений, требует использования качественно более высоких технологий
Как видим, фундаментальный принцип
МНК означает ни что иное, как максимизацию
информации по Фишеру.
Для закона ошибок Пирсона−Джеффриса
(1) можно получить такое значение фишеровской информации для случая n наблюдений,
предполагая, что σ и m известны:
 ∂ 2 ln L  n
m3
=
I n (λ) =− E 
, (33)
2 
2
2
 ∂λ  σ (m − 0,5) (m + 1)
где значение параметра m обратно зависимо от
величины эксцесса. При m = ∞, когда закон ошибок Пирсона−Джеффриса становится нормальным, соотношение (33) идентично выражению
(32), но, в отличие от последнего, формула (33)
демонстрирует один парадокс: информация
Фишера растет не только с увеличением n и
уменьшением σ2 она возрастает и с увеличением
уклонения распределения (1) от закона Гаусса,
увеличиваясь с уменьшением m.
Учитывая сказанное, принцип максимума
информации по Фишеру можно принять в качестве нового, универсального принципа МНК,
который придает ему новую динамику развития.
Для закона ошибок Пирсона–Джеффриса, который более адекватен практике наблюдений, этот
принцип можно выразить более общей формулой (33), которая учитывает меру уклонения действительного распределения от закона Гаусса.
Подводя итоги нашего исследования можно
сделать такие выводы.
1. Оценки эксцесса ε и асимметрии А, вычисленные для ошибок наблюдений или остаточных погрешностей, являются наиболее важными
характеристиками, с помощью которых оценивается влияние ненормальности, так как гарантии
нормальности нельзя дать практически никогда.
Они играют решающую роль при обработке наблюдений и диагностике математического моделирования, а также при уравнительных процедурах в геодезии, если число многократных
наблюдений n > 500. Наиболее желательными характеристиками независимых погрешностей являются границы (3) для эксцессов при условии,
что доверительный интервал для коэффициента
асимметрии накрывает ноль.
2. Допустимой можно считать такую формулу распределения погрешностей, когда доверительный интервал для эксцесса находится
внутри интервала (17) или накрывает ноль при
условии, что доверительный интервал для асимметрии также накрывает ноль. Практически это
означает, что действительные распределения погрешностей должны следовать закону ошибок
Пирсона−Джеффриса (1) с эксцессами в грани26
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геодезия
МНК. Их может обеспечить обобщенный подход
к фундаментальному принципу МНК, в даном
случае — принцип максимума информации по
Фишеру.
8. С увеличением числа наблюдений остаточные погрешности vi приобретают все более отчетливо выраженные особенности закона
Пирсона−Джеффриса (1). Иными словами, с
возрастанием объёма выборок, эмпирические
распределения ошибок все более и более уклоняются от закона Гаусса. Погрешности будут, как
правило, следовать распределению Пирсона−
Джеффриса и иметь на порядок различающиеся
веса. Поэтому значение эволюционных процедур
МНК будет возрастать вместе с ростом объёмов
многократных наблюдений в геодезических экспериментах.
2. Джунь И.В. Математическая обработка астрономической
и космической информации при негауссовых ошибках наблюдений: Автореферат дис. докт. физ.-мат. наук. ‒К.: ГАО АНУ.
–1992 –46 с.
3. Большев Л.Н., Смирнов Н.В. Таблицы математической
статистики. –М.: ВЦ АН СССР, 1968. –476 с.
4. Гаусс К.Ф. Избранные геодезические сочинения. Том 1.
Способ наименьших квадратов / Под ред. Г.В. Багратуни / Пер. с
лат. и нем. –М.: Изд-во геодезической литературы, 1957. –234 с.
5. Тутубалин В.Н. Теория вероятностей. Краткий курс и научно-методические замечания. М.: Изд-во МГУ, 1972. −230 с.
6. Бородачев Н.А. Основные вопросы теории точности производства / Под ред. А. Н. Колмогорова. –М. –Л.: Изд. АН
СССР, 1950. –360 с.
7. Крамер Г. Математические методы статистики. М.: Мир,
1975 –648 с.
8. Хампель Ф., Рончетти Э., Рауссеу П., Штаэль В. Робастность в статистике. Подход на основе функций влияния /
Пер. с англ. М.: Мир, 1989. –512 с.
9. Эльясберг П.Е. Измерительная информация: сколько её
нужно? Как обрабатывать. М.: Наука. 1983. –208 с.
10. Jeffreys H. The Law of Error in the Greenwich Variation of
Latitude Оbservations. // Mon. Notic. of the RAS, 1939, vol. 99,
№ 9, p. 703−709.
Литература
1. Pearson K. On the mathematical theory of errors of judgment
with special reference to the personal equation. // Phil. Trans. Rоy.
Sos. London, A. –1902. –198. –P. 235–296.
Принята к печати 23 января 2013 г.
Уважаемые наши авторы настоятельно рекомендуем
Вам оформить подписку на 2014 год
27
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
УДК 528.9
картография
Оценка качества изобразительных свойств электронных карт
экспертными методами
Доцент, кандидат техн. наук О.Ю.Жукова, аспирант Л.В.Гедз
Московский государственный университет геодезии и картографии
[email protected], [email protected]
Аннотация. В настоящее время происходит бурное развитие технологий в области электронной визуализации. Данные изменения затронули и картографию. С каждым годом возрастает количество электронных устройств, предназначенных для обработки, хранения, передачи и отображения электронной
картографической информации на дисплеях различного вида. Несмотря на это, качество электронных
карт (в том числе представленных в сети Интернет) далеко не совершенно. Таким образом, перед картографией как наукой ставится новая цель — выработать точную и исчерпывающую систему определения качества электронных картографических изображений.
Ключевые слова: электронные карты, качество, квалиметрия, визуализация, экспертные методы
оценки
Abstract. Currently there is a rapid development of technologies in the field of electronic visualization. These
changes affect cartography as well. Number of the digital and mobile devices intended for processing, storage,
transfer and display of electronic cartographical information increases from year to year. Nevertheless, quality
of digital maps is far from ideal (including maps in the Internet). Thus, cartography there is a new challenge
for cartographers — that is to develop explicit and exhaustive system of determination of quality of digital
cartographic images.
Keywords: digital map, quality, qualimetry, visualization, expert evaluation methods
Мы живём в особенный век – век стремительного развития и преображения окружающего нас мира, век, когда технический прогресс
превзошёл все мыслимые ожидания человечества, и то, что когда-то казалось лишь мечтой,
стало частью обыденной жизни. С каждым годом появляются новые, все более совершенные
технологии, растёт широта и глубина человеческих знаний. Учитывая столь высокий уровень развития цивилизации, неудивительно,
что достижение максимально высокого уровня
качества продукции стало государственной задачей. Наблюдаемое сегодня бурное развитие
технологий затронуло и картографию. С каждым годом возрастает количество электронных
устройств, предназначенных для обработки,
хранения, передачи и отображения электронной картографической информации на дисплеях различного вида. Несмотря на это качество
электронных карт (в том числе представленных
в сети Интернет) далеко не совершенно. Таким
образом, перед картографией как наукой ста-
вится новая цель — выработать точную и исчерпывающую систему определения качества
электронных картографических изображений.
Научное сообщество уже посвятило не
один десяток лет развитию точности цифровых карт и материалов аэрокосмических съёмок. К настоящему моменту разработаны руководства по оценке качества аэрокосмических
снимков в электронной форме [1] и требования
к описанию цифровой картографической информации [2, 3]. И на первый взгляд может показаться, что в области оценки качества карт
нет никаких пробелов. Однако это не совсем
так. При детальном изучении данного вопроса,
авторы обнаружили одну проблему, а именно:
все существующие на сегодняшний день подходы формируют оценку качества карты (или
снимка) из объективно оцениваемых свойств,
таких как точность, современность, информативность, достоверность, графическая нагрузка и т.д. Иными словами, качество карты
необоснованно отделено от её оформления,
28
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
от изобразительных свойств.
Скорее всего, причина такого дисбаланса в том, что большинство изобразительных
свойств карты, таких как ассоциативность цветов или целесообразность их выбора, трудно
оценить объективно. Для оценки подобных
свойств необходимо привлекать экспертов и
выполнять расчеты, отличающиеся высокой
трудоемкостью.
В итоге своих рассуждений авторы статьи
пришли к следующему заключению. Оценка
качества электронного картографического
изображения должна проходить по двум направлениям:
с одной стороны — оценка содержания
(объективная аналитическая, не учитывающая индивидуальные субъективные особенности восприятия);
с другой стороны — оценка оформления
(учитывающая индивидуальные особенности
зрительного восприятия и проводимая методом экспертного опроса).
В данной статье авторы разработали собственную методику оценки качества изобразительных свойств электронных карт и экспериментально доказали её эффективность.
Разработанная методика может быть полезна как картографам, так и представителям
других дисциплин, в том числе прикладных.
Например, технические редакторы, работающие в области полиграфии, в последнее время
все чаще отдают предпочтение экранным цветопробам. Кроме того, разработанная методика будет полезна потребителям. Прекрасным
примером служит ситуация, когда заказчику
необходимо оценить качество нескольких вариантов оформления одной и той же карты,
предлагаемых различными картографическими предприятиями.
Таким образом, анализ и оценка качества
электронного картографического изображения
необходимы:
картографу, проектирующему новые картографические произведения, предназначенные для визуализации на экране;
географу и другим специалистам, проводящим исследования по электронным картам;
полиграфисту, использующему экранную
цветопробу;
потребителю, решающему по карте конкретные задачи.
Авторы хотели бы также отдельно отметить, что при создании статьи активно исполь-
зовались труды Г.Г. Азгальдова — основателя
отечественной квалиметрии, доказавшего высокую эффективность применения экспертных
методов. [4–6].
Работа по подготовке и проведению эксперимента включала в себя несколько этапов, а
именно:
1) выбор оптимального метода экспертного опроса;
2) выбор оптимальной формулы расчёта
комплексного показателя качества;
3) разработка классификации электронных
карт и их изобразительных свойств;
4) выбор условий эксперимента и тестовых
образцов;
5) контроль сходимости результатов эксперимента.
Ниже каждый из перечисленных этапов
рассмотрен более подробно.
Выбор оптимального метода экспертного опроса. На сегодняшний день существуют
два основных подхода, применяемых при экспертной оценке качества — это методы Дельфи
и ПАТТЕРН. Ознакомившись с особенностями каждого из них, авторы приняли решение
использовать в своём эксперименте некоторые положительные стороны обоих методов.
Согласно условиям эксперимента, основным
методом экспертного опроса является метод
Дельфи, характеризуемый отказом от совместной работы экспертов во избежание конформизма, т.е. искажения действительного мнения
эксперта под влиянием таких психологических
факторов, как внушение или приспособление
к мнению большинства. Однако авторы также
учитывали и некоторые положительные стороны метода ПАТТЕРН, а именно стремление
максимально упростить и конкретизировать задачу, поставленную перед группой экспертов.
Выбор оптимальной формулы расчёта
комплексного показателя качества. Авторы
хотели бы отметить, что на сегодняшний день
отечественными и зарубежными учёными разработано более десятка различных формул,
позволяющих рассчитывать комплексный
показатель качества. Мы проанализировали
существующие способы расчёта и выбрали
наиболее оптимальную для целей нашего исследования формулу
1
 n mi  ∑n mi
K =  ∏ K i  i=1 , (1)
 i =1

где K — комплексный показатель качества;
29
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Ki — средняя оценка i-го свойства, определённая экспертами по табл. 1 и выраженная в
безразмерных единицах; mi — значимость (весомость) i-го свойства, назначенная авторами
согласно табл. 2 и выраженная в безразмерных
единицах, причём 0 ≤ K ≤ 1 и 0 < mi < 1; n — количество принимаемых во внимание отдельных свойств изображения, характеризующих
его качество.
Формула (1) предлагается Г.Г. Азгальдовым в [5] и отвечает двум принципиально важным требованиям. Во-первых, данная формула
позволяет учитывать значимость оцениваемых
свойств, что немаловажно для картографии.
Ведь одни изобразительные свойства карты
(снимка) могут в большей степени влиять на
её читаемость, наглядность и эстетичность, а
другие — в меньшей. И крайне важно, чтобы
используемая формула позволяла учитывать
подобные нюансы. Во-вторых, в формуле (1)
соблюдено ещё одно важное условие: если хотя
бы одно Ki = 0, общий показатель качества также стремится к нулю. Поясним, почему данное
условие так важно при оценке качества карт.
Допустим, рассматриваемая электронная карта
обладает высокими оценками по ряду свойств,
однако, одно свойство находится на таком низком уровне, что мешает восприятию всего изображения. Такая карта является непригодной
для использования, и оценка её качества должна равняться нулю. Формула (1) полностью соответствует приведённым выше требованиям,
что и послужило основанием для её выбора.
Разработка классификации электронных карт и их изобразительных свойств.
Согласно [7] электронная карта — векторная
или растровая карта, сформированная на маУровни качества свойств
Ki
1,0
0,8
0,6
0,4
0,2
0
Таблица 1
Качества свойства
Отличное
Очень хорошее
Хорошее
Удовлетворительное
Плохое
Неприемлемое
Таблица 2
Коэффициенты значимости свойств
mi
0,8
0,6
0,4
0,2
Значимость свойства
Важно
Средней важности
Маловажно
Несущественно
30
шинном носителе с использованием программных и технических средств в принятой проекции, системе координат, условных знаках,
предназначенная для отображения, анализа и
моделирования, а также решения информационных и расчетных задач по данным о местности и обстановке.
В данной статье авторы предлагают собственную классификацию электронных карт и
их изобразительных свойств, на которую можно опереться при проведении оценки качества.
Согласно разработанной классификации, все
существующие электронные картографические изображения делятся на два типа:
первично-электронные карты – это изображения, изначально созданные в электронном виде средствами компьютерной графики
или с помощью ГИС-пакетов;
вторично-электронные карты – это изображения, переведённые в электронную форму
с помощью специальных устройств, например
сканеров или цифровых фотокамер.
Первично-электронные изображения могут быть растровыми, векторными или комбинированными, вторично-электронные —
только растровыми. Перечисленные типы
электронных изображений обладают набором
изобразительных свойств, определяющих их
наглядность, читаемость, различимость и эстетическую привлекательность.
В ходе эксперимента эксперты оценивали
следующие изобразительные свойства электронных карт: цветовые свойства изображения
(общее цветовое оформление); дефекты изображения (механические нарушение, старение, ошибки перевода в электронную форму);
штриховое, фоновое, шрифтовое и художественное оформление и др.
Кроме того, в ходе эксперимента оценивались весовые изобразительные свойства
электронных карт, определяющие не только их
внешний вид, но и удобство работы с файлом:
формат изображения — спецификация
структуры данных, записанных в файле изображения. Иными словами, формат изображения определяет структуру информации, записанной в графическом файле;
разрешение изображения — величина,
определяющая количество точек (элементов
изображения) на единицу длины. Более высокое
разрешение означает большую детализацию;
режим (глубина) цвета — термин компьютерной графики, означающий объём памяти в
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
количестве бит, используемых для хранения и
представления цвета при кодировании одного
пикселя растровой графики.
Именно из оценок этих отдельных свойств
формировался комплексный показатель качества изображения.
Выбор условий эксперимента и тестовых образцов. Всего в ходе эксперимента было
рассмотрено 17 электронных изображений, выбранных согласно разработанной ранее классификации и удовлетворяющих ряду условий.
Первично и вторично-электронные растровые карты: допустимые форматы — JPEG,
TIFF, PNG, BMP; PDF; размер не менее
20×20 см; разрешение не менее 70 dpi; глубина
цвета не менее 8 bit.
Первично-электронные растровые фотоснимки: допустимые форматы — JPEG, TIFF,
PNG, BMP; PDF; размер не менее 45×25 см;
разрешение не менее 70 dpi; глубина цвета не
менее 8 bit.
Первично-электронные векторные карты:
допустимые форматы — PDF; подписи представлены шрифтами (не переведены в кривые).
Первично-электронные комбинированные
карты: допустимые форматы файла — PDF;
разрешение растра не менее 70 dpi; размер не
менее 40×40 см; глубина цвета растра не менее
8 bit; подписи представлены в виде шрифтов
или кривых.
Фрагменты некоторых использованных в эксперименте изображений представлены на рис. 1.
Эксперимент по оценке качества проводился в условиях лаборатории кафедры оформления и издания карт МИИГАиК при участии
20-ти испытуемых, обладающих нормальным
цветовым зрением и имеющих базовые теоретические знания или практические навыки работы с компьютерной графикой (картографы,
дизайнеры, рекламисты и др.). Число испытуемых выбрано согласно действующему государственному стандарту [8]. Для визуализации
электронных изображений использовался откалиброванный ЖК-монитор марки NEC с разрешением 1920×1080 dpi.
Авторы считают необходимым отдельно
подчеркнуть, что изображения, оцениваемые в
ходе эксперимента, не сравнивались между собой.
Оценка качества свойств проводилась по
шестибалльной шкале (см. табл. 1). Результаты
эксперимента записывались в опросные листы,
сопровождённые пояснительной запиской.
Значимость свойств назначалась авторами по
а
в
д
б
г
Рис. 1. Фрагменты
различных типов изображений:
а — первично-электронная
векторная карта;
б — первично-электронная
растровая карта;
в — первично-электронная
комбинированная карта;
г — первично-электронный
растровый фотоснимок;
д — вторично-электронная
растровая карта
четырехбалльной шкале (см. табл. 2). При назначении коэффициентов значимости авторы
руководствовались как собственным опытом,
так и мнением экспертов, высказанным в устной форме в ходе эксперимента.
Краткий анализ результатов эксперимента. В результате обработки данных, полученных в ходе эксперимента, была построена
система диаграмм, наглядно демонстрирующих распределение оценки качества К по каждому из свойств изображения (рис. 2). Кроме
того, наблюдая за ходом эксперимента и анализируя полученные данные, авторы сделали ряд
интересных наблюдений и выводов.
1. При оценке качества вторично-электронных растровых карт эксперты придают
большое значение таким свойствам как разрешение изображения и отсутствие явных механических дефектов. К качеству перечисленных
31
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
послойно упорядочены для обеспечения более
быстрой и удобной работы, как самого картографа, так и потребителя».
4. Первое, что сделали большинство экспертов, перейдя к третьему этапу эксперимента — оценке качества первично-электронных растровых фотоснимков, — попытались
увеличить электронное изображение и на глаз
оценить его разрешение. Авторам показался
примечательным и интересным тот факт, что
предыдущие два типа растровых изображений не вызывали у экспертов такого желания.
Согласно письменным замечаниям, оставленным большинством экспертов, разрешение фотоснимка является едва ли не важнейшим его
свойством. Не последнюю роль эксперты отвели и цветовым свойствам снимка, объясняя это
тем, что чёрно-белое изображение значительно
менее информативно, нежели цветное.
Что касается влияния формата на качество
первично-электронного фотоснимка, то в данном случае наблюдается та же ситуация, что и с
вторичными растровыми картами. Однако эксперты настаивали на одном важном замечании:
если бы в эксперименте оценивались не фотоснимки, а фотокарты (с характерной для них
штриховой нагрузкой, наложенной поверх растрового изображения), то формат имел бы
значительно более высокую значимость.
5. Эксперимент также показал, что оценка качества первично-электронных векторных
карт главным образом зависит от цветовых
свойств и шрифтового оформления.
6. При оценке качества первично-электронных комбинированных карт эксперты
обращали внимание на цветовые свойства
изображения, шрифтовое оформление карт и
разрешение растровой подложки.
Контроль сходимости результатов эксперимента. Как уже отмечалось выше, субъективная оценка, выполненная экспертами, нуждается в анализе согласованности. Согласованность
мнений экспертов определяется с помощью коэффициента вариации. Коэффициент вариации
рассчитывается по формуле (2), предложенной
Э.П. Райхманом и Г.Г. Азгальдовым [4], а также
В.В. Лихачёвым [9]:
свойств эксперты предъявляли и самые высокие требования, оценивая их «с пристрастием». Не последнюю роль эксперты отвели и
цветовым свойствам изображения.
2. В свою очередь, формат вторично-электронной растровой карты эксперты оценивали менее строго, объясняя это следующим
образом: «вторичному электронному изображению не свойственна послойная структура, и
для него может использоваться любой графический формат, способный передать необходимое количество цветов».
3. Разрешение также сыграло решающую
роль при оценке качества первично-электронных растровых карт. Большинство экспертов
отметили один существенный недостаток формата JPEG — отсутствие слоёв. Согласно замечаниям, слоевая структура является главным
признаком, отличающим электронную карту
от любой другой иллюстрации. Эксперты подчеркнули: «Объекты первичной растровой
электронной карты могут и должны быть
Образец №1
K
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
многообразие цветов,
целесообразность
их выбора
Образец №2
с в о й с т в а
различимость
цветов,
цветовой
и яркостной
контраст
насыщенность цветов
(общий
колорит)
шрифтовое
оформление
формат
файла
Рис. 2. Фрагменты двух первично-электронных векторных карт и характерное для них распределение
оценки качества изобразительных свойств:
— образец №1 (Ki=0,22);
Vi =
S mi
,
(2)
Mi
где S mi — среднеквадратическое отклонение коэффициентов качества i-го показателя;
M i – среднее значение коэффициента качества
— образец №1 (Ki=0,25)
32
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
i-го показателя по всем N экспертам.
Результат сходимости определяется по
табл. 3. Полученные значения сходимости (высокая/выше средней) позволяют считать результаты эксперимента достаточно точными
и пригодными для научно-исследовательской
работы.
ский интерес, наконец!
Мы очень надеемся, что наше исследование станет полезным пособием для специалистов, желающих проконтролировать и улучшить качество как вновь создаваемых, так и
существующих электронных изображений.
Литература
1. ГКИНП(ОНТА)-12-274-03. Руководство по оценке качества исходных материалов аэрокосмических съемок и производной продукции в цифровой и аналоговой форме. М.:
ФСГиК РФ.
2. ГОСТ Р 51605–2000. Карты цифровые топографические.
Общие требования. М.: ГОССТАНДАРТ.
3. ОСТ 68-3.4.2-03. Карты цифровые. Методы оценки качества данных. Общие требования. М.: ЦНИИГАиК.
4. Азгальдов Г.Г., Райхман Э.П. Экспертные методы в оценке
качества. М.: Экономика,1974. –139 с.
5. Азгальдов Г.Г. Проблемы измерений и ошибки качества
продукции. М.: Знание,1969. −97.
6. Азгальдов Г.Г., Райхман Э.П. О квалиметрии. М.:
Издательство стандартов,1973.−172 с.
7. ГОСТ Р 50828-95. Геоинформационное картографирование. Пространственные данные, цифровые и электронные карты. Общие требования. М.: ГОССТАНДАРТ.
8. ГОСТ 26320-84. Оборудование телевизионное студийное
и внестудийное. Методы субъективной оценки качества цветных телевизионных изображений. М.: ГОССТАНДАРТ.
9. Лихачёв В.В. Стандартизация, метрология и сертификация. М.: МГУП, 2003.−165 с.
Таблица 3
Значения, соответствующие различным уровням
сходимости результатов экспертного опроса
Vi
0,10
0,11-0,15
0,16-0,25
0,26-0,35
>0,35
Сходимость результатов
Высокая
Выше средней
Средняя
Ниже средней
Низкая
В заключение авторы работы хотели бы
отметить универсальность предложенного
ими метода оценки качества. Описанный выше эксперимент может быть заимствован как
картографами, так и специалистами из других
областей.
Ни для кого не секрет, что с повышением
качества электронного изображения растёт его
эстетическая ценность, эффективность и удобство использования. Качественно выполненное картографическое произведение приносит
практическую пользу, обладает высокой информативностью, стимулирует потребитель-
Принята к печати 2 июня 2013 г.
Рекомендована кафедрой оформления
и издания карт МИИГАиК
Принципы анимационного отображения географической
информации на оперативных телевизионных картах
Доцент, кандидат техн. наук Н.М. Биктимирова, аспирант С.К. Радаман
Московский государственный университет геодезии и картографии
[email protected], [email protected]
Аннотация. Изложены принципы наглядного отображения географической информации на оперативных телевизионных картах с использованием графических и анимационных способов. При разработке
данных принципов учитывались особенности зрительного восприятия информации телеаудиторией,
уровень географической и картографической подготовки телезрителя.
Ключевые слова: телевидение, картография, анимация
Abstract. The article describes principles of pictorial displaying of geographic information in television
express maps with the use of graphic and animation modes. Features of perception as well as audience’s
grounding in geography and cartography were considered during the developement of these principles.
Keywords: television, cartography, animation
Введение. В большинстве информационных
телевизионных программ освещаются различные явления и события, которые, как правило,
фиксируются в пространстве и во времени, соответственно их можно рассматривать как по-
следовательность взаимосвязанных действий.
Наглядной моделью рассматриваемого явления
служит географическая карта соответствующего масштаба и пространственного охвата.
В диссертации Д.В. Маркова [1] отмечено,
33
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
что телевизионное картографирование решает
следующие задачи:
1) представление местоположения освещаемых явлений;
2) представление содержательного и визуального подобия явлений.
При оперативном информировании телезрителей о каком-либо явлении с помощью
карты, картографическое изображение в большинстве случаев является единственным источником зрительной информации. При этом ведущий информационной программы выступает
только в роли диктора, что приводит к несогласованному и, как следствие, неэффективному
восприятию зрительных и звуковых (речевых)
образов. Появляется необходимость создания
анимационной карты как более полноценного
информационного продукта. Зачастую время
демонстрации телевизионной карты ограничивается секундами. Однако телезрители могут
не обладать достаточными географическими и
картографическими знаниями, вследствие чего
испытывать затруднения в быстром чтении карты с телевизионного экрана, пространственном
ориентировании и воспринимать представленную информацию совершенно иначе, чем ее понимают создатели соответствующего новостного сообщения.
Известно, что при составлении содержания
телевизионной карты необходимо добиваться
совпадения смыслового центра, где завязывается основное действие, и визуального центра,
где первоначально фокусируется взгляд [1].
Следует отметить, что телевизионное растровое
изображение имеет малый формат и разрешение
[2]. Например, на экране монитора изображение
телевизионного формата PAL, наиболее распространённого в России, составляет 720×576 пикселов с разрешением 72 пиксел/дюйм, что эквивалентно 1/160 части листа А4, подготовленного
к печати. Вследствие вышеуказанных ограничений с увеличением количества необходимой
для отображения пространственно-временной
информации, когда увеличивается число визуальных и смысловых центров карты, статичная
телевизионная карта становится не наглядным
источником информации. Более эффективным
способом отображения информации является
поэтапное привлечение внимания телезрителей
к отдельным значимым элементам картографического изображения. Телевизионная карта может служить средством аналитического
представления различной качественной и количественной информации в синтезе с её пространственным отображением, то есть быть основной частью визуализации журналистского
исследования. Картографическая анимация является эффективным инструментом, способным
управлять вниманием телезрителя, и позволяет
детальнее представить содержание карты определённой информационной ёмкости с учётом
ограниченности времени эфира.
Общая структура анимационного отображения географической информации на
оперативных телевизионных картах. В работе [3] отмечено, что в анимационной картографии единичный момент мирового времени
визуализируется в виде сцены. При этом отдельные анимационные сцены представляемой
карты образуют анимационное событие. Сцены
в анимационном событии формируются в логической согласованности, тем самым позволяют
ответить на вопросы, связанные с содержанием
и последовательностью представления географической информации.
Порядок и картографическое изображение сцен и событий разрабатываются с учетом
положений, изложенных в работах [1, 4−7].
Данные положения содержат принципы информационного, телевизионного графического дизайна, методы тематической и телевизионной
картографии, моушн дизайна. Исходя из перечисленных положений, информационные видеоизображения могут объяснять механизмы явления, отображать его различные качественные
и количественные характеристики, а также позволяют ориентировать телезрителей на успешное и адекватное восприятие информации, содержание которой осмыслено и проработано
автором информационного сообщения, являющимся своего рода экспертом в данном вопросе.
Предполагается, что телевизионная видеоинфографика должна отображать причины показа освещаемого явления, структуру явления и
следствия, вытекающие из показанной видеографики. Основное отличие анимационной
телевизионной карты от других видов телевизионной инфографики заключается в разделении
её на отдельные анимационные события для
отображения пространственных характеристик
явления с помощью особого языка карты, что
изначально придаёт данному виду представления информации большую наглядность. На основании вышеизложенного разработана общая
34
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
структура анимационного отображения географической информации на оперативных телевизионных картах (табл. 1).
Телевидение предоставляет возможность
оперативно получать информацию как в зрительном, так и звуковом видах, что способствует более эффективному запоминанию информации при условии согласованности действия
соответствующих зрительных и звуковых стимулов. Так в случае только зрительного восприятия сохраняется до 25% информации, только
слухового восприятия — до 15% информации,
а при одновременном воздействии на зрение и
слух сохраняется до 65% информации [8]. В зависимости от степени участия ведущего информационной программы в изложении фактов на
основе оперативно подготовленных анимационных карт, отдельные сцены можно заменить
или дополнить речью во время проигрывания
анимации.
Как правило, классические тематические
карты имеют многоплановое изображение, построенное на выделении специальными изобразительными средствами главных и второстепенных элементов содержания карты. Элементы
содержания анимационной карты, соответствующие более или менее значимым объектам
пространства, также могут различаться по визуальной привлекательности так, чтобы менее
значимые элементы карты составляли фон восприятия, а более значимые элементы — фигуру
восприятия. Фактически, при создании анимационной карты используются, как минимум, две
системы условных обозначений, разработанные
с учётом значимости отображаемых сцен на
конкретном пространственном уровне, а также
уровне аналитического исследования какой-либо проблемы. Моделирование условных знаков
карты, выбор картографических способов изображения, необходимых для представления ме-
стоположения и отображения содержательного подобия явления, ведётся с учётом методов
тематической и телевизионной картографии
[1, 6]. Однако если способ картографического
изображения элементов общегеографического
содержания не меняется в течение воспроизведения анимационной карты, то в зависимости
от решаемой задачи тематическое содержание
может одновременно отображаться с помощью
нескольких способов изображения.
Отдельные анимационные сцены последующего анимационного события могут располагаться ранее предыдущего события, или
объединяться с ним в зависимости от степени
качественных взаимодействий между элементами карты. Например, при отображении географической информации, часто освещаемой в
СМИ, при создании серии карт одной тематики
или в случае когда название географического
объекта косвенно сообщает о теме информационной программы, представление местоположения информационно значимых объектов может
идти в начале анимационной карты. Элементы
тематического содержания анимационной телевизионной карты могут выполнять функцию
представления характера размещения явления,
к примеру, при проявлении единиц административно-территориального деления страны, в пределах которых отображаются статистические
данные способом картограммы ранее отображения их названий. Объединение анимационных
сцен происходит в большинстве случаев вследствие малой заявленной продолжительности
оперативной анимационной карты, либо времени, отведенного на её изготовление. Например,
при отображении пространственного размещения в текстовой форме с помощью тематического заголовка. Значимые дополнительные информационные элементы карты, такие как графики,
диаграммы, не отображаемые в непосредствен-
Общая структура анимационной телевизионной карты
Анимационные события
Представление тематики карты
Представление местоположения явления
Представление содержательного и визуального подобия явления
Таблица 1
Информационный
блок
Информационная
значимость
Причина
Высокая
Что и когда произошло?
Структура
Низкая
Каковы основные пространственные
признаки отображаемого явления?
Следствие
Высокая
Каков характер размещения явления?
Структура
Низкая
Каков характер явления?
Следствие
Высокая
Какой компонент является главным
при освещении явления?
35
Вопросы к анимационным событиям
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
ной пространственной связи с общегеографическим содержанием, должны представляться в
виде отдельных анимационных событий.
Анимационное отображение местоположения явления. Просмотр анимационного
события с представлением местоположения явления аналогичен для телезрителя с географическим исследованием, которое согласованно
происходит на различных пространственных
уровнях. Телезрители могут не обладать достаточными географическими знаниями и испытывать затруднения в быстром чтении карты с
телевизионного экрана. Зачастую время демонстрации телевизионной карты ограничивается
секундами и становится затруднительным определить географическое положение явлений и
объектов, о которых идет речь в информационной
программе. Это происходит, если в визуальном
центре телевизионной карты не отображается
их межуровневое и внутриуровневое пространственное отношение с географическими объектами-ориентирами. Представление межуровневого отношения заключается в согласованном
отображении взаимосвязей с общеизвестными
географическими объектами пространства через определённое количество пространственных
уровней. Представление внутриуровневого отношения заключается в привлечении внимания
к второстепенным по значимости элементам в
рамках освещаемого явления, но значимым для
пространственной привязки объектам-ориентирам на соответствующем пространственном
уровне. Следует заметить, что пространственная привязка на анимационной карте всегда
должна идти во взаимосвязи с общеизвестными
графическими образами географических объектов. Несогласование между изображениями
соответствующим различным уровням исследования делает анимационную телевизионную
карту не наглядным источником пространственной информации.
Выделяют шесть основных пространственных (геопространственных) уровней исследования [6]: глобальный (мир); континентальный
и океанический (континенты, океаны, части
света); региональный (крупные страны, моря,
острова); субрегиональный (административные
единицы стран первого порядка); локальный
(крупные населённые пункты); фациальный
(улицы и дома). Общеизвестными можно считать те графические образы географических
объектов пространства, которые были созданы
в период школьного обучения, как правило, относящиеся к глобальному, континентальному
и океаническому и региональному пространственным уровням. Естественно, вследствие
каких-либо субъективных факторов или, например, частоты появления того или иного географического объекта в СМИ, возможно изменение
его информационного статуса, из-за чего общеизвестной может стать область любого пространственного уровня.
При отображении межуровневого пространственного отношения между информационно
значимыми объектами и объектами-ориентирами, необходимо последовательно представлять
телезрителю географические структуры различных уровней, следуя принципу «от общего
к частному», от представления общеизвестных
географических образов к менее известным.
На основании вышеизложенного разработана
общая структура выбора начального отображаемого пространственного уровня исследования
(табл. 2).
Для отображения внутриуровневого пространственного отношения между информационно значимыми объектами и объектами-ориентирами на телевизионной карте элементы
общегеографического содержания дополнительно выделяются соответствующими точечными,
линейными или площадными условными знаками с подписями названий. Для этого сначала
отображается объект с показом характера его
размещения, а затем его название. В случае несогласованности появления данных элементов,
названия будут восприниматься отдельными заголовками (титрами) изображения.
Следует отметить, что узнаваемость графических образов объектов также зависит от используемой картографической проекции, ориентировки карты относительно сторон света,
применения анаморфированных изображений.
В том случае, если узнаваемость объектов при
данных преобразованиях явно теряется, на анимационной карте необходимо их воспроизвести,
выделяя объекты-ориентиры.
Принципы анимационного отображения
тематической информации на телевизионных картах. При представлении тематической
информации необходимо сделать акцент на тех
характеристиках явления и с тех точек зрения,
которые дают возможность телезрителю понять суть освещаемой проблемы аналогично
тому, как её воспринимает автор информаци-
36
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
Таблица 2
Общая структура выбора пространственного уровня области картографирования, используемой
для представления межуровневого отношения между объектами на анимационных телевизионных картах
Пространственный уровень области
картографирования
Пространственный уровень области картографирования,
изображение которой используется в качестве ориентира
С отсутствием в визуальном центре карты
общеизвестных объектов
С наличием в визуальном центре карты
общеизвестных объектов
—
—
Глобальный, континентальный и
океанический
Региональный
Глобальный, континентальный и океанический
Глобальный, континентальный и океанический
Субрегиональный
Глобальный, континентальный и океанический, региональный
Региональный
Локальный
Региональный
Субрегиональный
Фациальный
Региональный
Локальный
онной программы, что соответствует процессу обучения. Обучение происходит наиболее
эффективно при использовании тех символов,
создание которых основано на оценке значимости для конкретного человека [9]. То есть
информация лучше всего запоминается, если
её оценивать в одном из индивидуально значимых контекстов с точки зрения большего количества параметров. Просмотр анимационного
события с представлением содержательного и
визуального подобия явления аналогичен для
телезрителя с многоуровневым аналитическим
исследованием. Принципы, которые необходимо использовать при визуализации тематической информации, аналогичны основным
принципам информационного аналитического
дизайна [4] и моушн дизайна [7], которые имитируют ход выполнения умозаключений автора
программы через определённые мыслительные
операции. На основании вышесказанного разработана общая структура анимационного отображения тематической информации на телевизионных картах (табл. 3).
Исходя из того, что телевизионная графика создаётся для широкой аудитории, необходимо стремиться представлять тематическую
информацию с использованием понятных для
неё визуальных и звуковых образов, ассоциаций, аналогий, переменных сравнения. Проводя
аналогию с представлением пространственной
информации на основе общеизвестных географических образов, можно сделать вывод, что
при представлении тематической информации
необходимо использовать те образы, которые
были созданы в период школьного обучения.
Если же параметр сравнения, выбранный автором информационный программы, важен для
представления явления, но, вероятнее всего, не
будет понятен телезрителю, то необходимо дополнительно дать его понятие в какой-либо наглядной форме (в некоторых случаях, используя
образы из повседневной жизни), даже, если на
это потребуется применение большего количества анимационных событий. Необходимо
учитывать, что на основании психологических
исследований [9], количество элементов сравнения при отображении и сравнении характеристик явления в одном анимационном событии
должно составлять не более четырех единиц
субъективной организации материала, что зависит от возможностей кратковременной памяти
человека.
Таблица 3
Принципы анимационного отображения тематической информации на телевизионных картах
Решаемая задача (уровень исследования)
Визуализируемая мыслительная операция
Принцип отображения
Представление характера динамики
явления
Анализ, синтез
Представление структуры явления,
причин события
Представление проблемных компонентов
явления относительно различных параметров
Абстрагирование, конкретизация
Использование многомерных данных
Представление проблемных компонентов явления относительно конкретного
параметра
Сравнение (умозаключение
по аналогии, ассоциации), обобщение
Сравнение, интеграция графических
элементов различных уровней
исследования
37
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Способы анимационного отображения
географической информации на оперативных
телевизионных картах. Вследствие необходимости создания телевизионных карт за короткое
время, ограничений формата телевизионного
изображения, анимационные способы представления географической информации целесообразно разделить по информационной ёмкости
элементов содержания:
1) использование справочных элементов информации (текст, фотографии и рисунки) позволяет эффективно представить тематику карты,
причины показа тех или иных анимационных
событий и сцен, следствия из показа графики;
2) представление и сравнение информации с
использованием всей картографической основы
(динамичное акцентирование) позволяет эффективно представить незначительное количество
характеристик явления, общее пространственное распределение явления;
3) представление и сравнение на основе дополнительной графической конструкции (легенда, карта-врезка) позволяет эффективно представить значительное количество характеристик
явления, равных по значимости, однако, расположенных на разных уровнях исследования.
Способы наглядного анимационного отображения местоположения явления.
Тематический заголовок. Тематический заголовок телевизионной карты должен в соответствии с этим способом включать текстовую
информацию о расположении явления, название региона картографирования определённого пространственного уровня, упомянутого в
закадровом тексте. Например, «Музеи центра
Лондона».
Динамичное акцентирование внимания на
объектах-ориентирах. В соответствии с этим
способом анимационный переход создаётся для
всего содержания карты, имитируя тем самым
её мультимасштабируемость, виртуальную динамичность, привлекая внимание телезрителя
только к наиболее значимым для понимания
характера размещения явления пространственным уровням исследования (рис. 1).
С целью удержания информационной нагрузки отдельных кадров анимации на одном
уровне по истечении времени, соответствующего минимальному времени прочтения (идентификации) образов, отображаемые объектыориентиры убирают, отбирают либо меняют их
оформление на менее выразительное, переводя
на фон восприятия.
Динамичная карта врезка. На карте врезке отображается географический объект пространства с общеизвестными очертаниями, или
объект, пространственное отношение которого
заранее отображено в анимации, а также при необходимости указатель местоположения (рис. 2).
Содержание карты врезки может меняться
параллельно с изменениями, происходящими
на основной карте. Врезку можно дополнить
названием или кратким описанием географического объекта, что делает её наглядным и
компактным средством визуализации. С помощью карты-врезки представляют часть картографического изображения более высокого,
либо более низкого пространственного уровня
относительно пространственного уровня основной карты.
Топонимическая легенда-список. При необходимости показа большого количества значимых объектов на карте на заданный пространственный охват пользуются легендой списком.
Соответствующие подписи отображаются в легенде согласовано с выделяющимися на картографической основе элементами содержания и
графическими связующими элементами, напри-
Рис. 1. Кадры анимационной карты, поэтапно отображающей локализацию Британского музея с помощью
динамичного акцентирования внимания на объектах-ориентирах
38
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
картография
Рис. 2. Кадры анимационной карты, поэтапно отображающей локализацию Британского музея с помощью
карты‑врезки
мер, цифрами или линиями.
Способы наглядного анимационного отображения содержательного и визуального подобия явления.
Дополнительные заголовки, текстовые выноски. В соответствии с этим способом тематическое содержание карты представляется в виде
текста, первоначально разделенного на смысловые блоки. Например, с представлением на
отдельных плашках источника данных, продолжительности явления и другой важной информации.
Динамичное акцентирование внимания на
значимых элементах тематического содержания. В соответствии с этим способом анимация идёт аналогично анимационному способу
представления местоположения, когда переход
между структурами тематического содержания
создаётся для всей карты с целью привлечения
внимания телезрителя к наиболее значимым
её элементам (рис. 3). Способ акцентирования
внимания лучшим образом подходит для общего представления характера динамики и размещения (распределения) явления.
Динамичная тематическая легенда. Данный способ используется при необходимости
синтезированного отображения различных те-
матических уровней исследования в соответствии с требованием совпадения смыслового и
визуального центра графики. При этом легенда
превращается в основную конструкцию тематического содержания, располагаясь в непосредственной визуальной связи с элементами
пространства при помощи дополнительных графических элементов (рис. 4).
Динамичная легенда лучшим образом подходит для наглядного сравнения неранжированных по значимости тематических конструкций,
характеризующих определённые параметры
явления при создании как не- временных, так и
временных анимаций с использованием временной легенды, примеры использования которых
представлены в работах [10, 11].
Анимационные способы могут использоваться в комбинации. При создании оперативных анимационных карт на телевидении
использование отдельных способов более предпочтительно вследствие частой необходимости
создания статичной карты (или малого их набора) из кадров анимационной последовательности или представления определённой части
анимации. Использование карты врезки, тематических заголовков, динамичной легенды
предпочтительно для отображения межуров-
Рис. 3. Кадры анимационной карты, отображающей распределение гостиниц в центре Лондона с помощью
динамичного акцентирования внимания на их количестве в каждом районе
39
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Рис. 4. Кадры анимационной карты, поэтапно отображающей распределение гостиниц в центре Лондона с
помощью динамичной легенды
невого пространственного отношения между
объектами, сравнения элементов тематического
содержания, так как данные дополнительные
элементы могут находиться на карте постоянно.
Динамическое акцентирование, соответственно,
для отображения внутриуровневого отношения
между объектами, последовательного привлечения внимания к определённой тематической
информации, использующего различные по виду анимационные переходы, имитирующего осмотр карты.
Заключение. В результате проведенного изучения, анализа и уточнения требований к информационной визуализации разработаны основные принципы анимационного отображения
географической информации на оперативных
телевизионных картах.
Информационная дискретизация: поэтапное логическое представление информации.
Качественный критерий деления информации:
логика представления (необходимо указывать
причину показа явления, структуру явления,
информационно значимое следствие из показа явления). Количественные критерии деления
информации: ограничения кратковременной памяти человека (4 единицы — максимальное количество элементов информации в одном анимационном событии), графическая точность
телевизионной карты (поддерживание высокой
читаемости видеоизображения с учётом необходимого пространственного разрешения и уровня
генерализации картографического изображения).
Отображение в сравнении: акцентирование на различии информационно значимых параметров явления от соответствующих менее
значимых параметров. Необходимо представлять параметры данных с разделением на максимальные, минимальные и средние значения,
проводить аналогии, использовать ассоциатив-
ные образы.
Управление вниманием: совмещение визуального и смыслового центров анимационной
карты на протяжении всего времени показа,
вследствие чего должна происходить смена композиционных центров анимационных событий,
обеспечиваться многоплановость изображения
в конкретный период времени просмотра анимации, выдерживаться особый тайминг (темпоритмика), целью которого является предоставление необходимого и достаточного времени
для прочтения элементов карты.
ЛИТЕРАТУРА
1. Марков Д.В. Разработка методов создания геоизображений для информационных программ телевидения: дисс. канд.
геогр. наук. ‒М.: 2006. ‒134 с.
2. Джакония В.Е., Гоголь А.А., Друзин Я.В. Телевидение:
Учебник для вузов/Под ред. Джаконии В. Е., 4-е изд., стереотип. ‒М.: Горячая линия ‒Телеком, 2007. ‒616 с.
3. DiBiase D., MacEachren A. M., Krygier J. B., Reeves C.
Animation and the role of map design in scientific visualization//
Cartography and geographic information science, 1992. ‒v. 19.
−№ 4. −201‒214 p.
4. Tufte E. Beautiful Evidence. —Cheshire: Graphics press,
1990. ‒126 p.
5. Харрелл Р. Телевизионная графика / Пер. с англ. ‒М.:
Искусство, 1979. ‒143 с.
6. Берлянт А.М. Картография. ‒М.: Аспект Пресс, 2002.
‒336 с.
7. Krasner J.S. Motion graphic design: applied history and
aesthetics. ‒Burlington: Elsevier, 2008. ‒415 p.
8. Дьяконов В.П., Черничин А.Н. Новые информационные технологии. Ч. 1. Основы и аппаратное обеспечение.
‒Смоленск: СГПУ, 2003. ‒228 с.
9. Величковский Б.М. Когнитивная наука: Основы психологии познания. В 2 томах. Т 1. ‒М.: Смысл: Изд. центр
«Академия», 2006. ‒448 с.
10. Midtbo T., Clarke C.K., Fabrikant S.I. Human interaction with
animated maps: the portrayal of the passage of time//Proceedings,
11th Scandinavian research conference on geographical information
science: Norway, 2007. ‒45‒60 p.
11. Harrower M., Fabricant S. The role of map animation for
geographic visualization//Geographic visualization: concepts,
tools and applications. ‒Hoboken, New Jersey: John Wiley & Sons,
2008. ‒Chapter 4. ‒49‒66 p.
Принята к печати 10 июня 2013 г.
Рекомендована кафедрой оформления
и издания карт МИИГАиК
40
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
УДК 550.837.82; 528
дистанционное зондирование
и мониторинг земель
Мониторинг поверхностной температуры во Вьетнаме
по данным многозональной съемки КА Landsat
Профессор, доктор техн. наук В.С. Марчуков1, кандидат техн. наук Чинь Ле Хунг2
1
Московский государственный университет геодезии и картографии
2
Технический университет им. Ле Куи Дон, Ханой, Вьетнам
[email protected], [email protected]
Аннотация. Одним из факторов, оказывающих существенное влияние на экологическое состояние
городских территорий, является эффект теплового острова. Мониторинг поверхностной температуры
городов по данным ДЗЗ позволяет оценивать негативное воздействие этого эффекта и принимать необходимые управленческие решения. Приведены результаты исследований возможности определения
пространственной структуры поверхностной температуры территории Ханоя по данным космической
съёмки КА серии Landsat для обнаружения аномальных участков перегрева.
Ключевые слова: Вьетнам, тепловая инфракрасная съемка, поверхностная температура
Abstract. One of the factors that have a significant impact on the environmental condition of urban areas is
the heat island effect. Monitoring of the surface temperature of cities based on remote sensing data allows to
evaluate the negative impact of this effect and to prepare necessary management solutions. The paper presents
the results of exploring the possibility of determining spatial structure of the surface temperature according to
Hanoi area based on satellite imagery from Landsat to detect abnormal areas of overheating.
Keywords: Vietnam, thermal infrared image, land surface temperature
Эффектом «теплового острова» называют повышение температуры в местах концентрации жилых и промышленных объектов по
сравнению с окружающей их территорией.
Вызываемые им тепловые аномалии оказывают сильное влияние на экологическое состояние крупных городов. В разных городах эффект
теплового острова проявляется по-разному
ввиду его зависимости от рельефа местности,
геофизических характеристик и розы ветров
в каждом сезоне. Аэрокосмические методы
мониторинга городского острова тепла берут
начало с использования инфракрасных изображений с NOAA AVHRR, TERRA/MODIS,
Landsat или тепловых инфракрасных изображений, полученных с самолетов на низкой высоте [1–5].
Тепловая ИК-съемка Landsat с пространственным разрешением 60 м (Landsat ETM,
ETM+) позволяет получить более детальную
информацию об изменении поверхностной
температуры по сравнению с изображением NOAA AVHRR. Вопросы выявления про-
странственной структуры внутри тепловых
островов городов во Вьетнаме до настоящего
времени исследованы недостаточно. В данной
статье приведены результаты исследований использования для мониторинга поверхностной
температуры г. Ханоя многозональных снимков КА Landsat. Ханой расположен на берегу
реки Красной. Географические координаты
21°02′ с. ш., 105°51′ в. д. С 1 августа 2008 г.
площадь Ханоя увеличилась более чем в три
раза, так как к городу был присоединён ряд
прилегающих провинций и районов. Теперь
столица Вьетнама имеет общую площадь порядка 3 345 км² и включает в себя как участки плотной застройки, так и малозастроенные
территории. Климат города субэкваториальный муссонный. Для него характерен влажный
сезон летом и сухой — зимой.
Исходными данными являлись многозональные изображения (рис. 1), полученные со
спутника Landsat 7 с пространственным разрешением 60 м в тепловом ИК- диапазоне и 30 м
в других диапазонах. Снимки получены в су41
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
спутниковых систем применяются разные методики расчета. По данным тепловой ИК-съемки
Landsat, поверхностная яркостная температура
была рассчитана следующим образом [6]:
K2
TB =
,
(2)
 K1 
ln 1 + 
 Lλ 
где K1 и K2 — калибровочные константы, определенные сенсором (табл. 2)
а
Таблица 2.
б
Спутник/сенсор
Рис. 1. Снимки Landsat Ханоя в 2007 г. (а)
и 2009 г. (б) RGB-представление, 432 канала
Landsat 5
Landsat 7
хом сезоне (08.11.2007 Landsat ETM+ Band 6.1,
30.09.2009 Landsat ETM+ Band 6) в безоблачную погоду (необходимое условие выполнения съемок). В этом периоде различные виды
растительности обладают некоторым постоянством значений коэффициентов спектральной
яркости. Обработка данных дистанционного
зондирования производилась с помощью программного пакета ERDAS Imagine 9.3.
Методика определения поверхностной
температуры по данным многозональной съемки Landsat содержит следующие шаги.
I. Для вычисления поверхностной температуры на первом шаге преобразуется яркостное значение пикселя (целое число) в спектральную плотность мощности излучения
Lλ, Вт/м2∙мкм. Величину Lλ можно получить,
используя значения пикселей тепловых ИКизображений с помощью формулы
Lmax − Lmin
=
( DN − DN min ) + Lmin , (1)
Lλ
DN max − DN min
где Lmax и Lmin — соответственно максимальное
и минимальное значения спектральной интенсивности излучения, определенные сенсором
(табл. 1); DN — яркостное значение пикселя,
DNmax, DNmin — максимальное и минимальное
яркостные значения пикселя для изображения
Landsat DNmax = 255, DNmin = 1 [6].
6.1
6.2
6
Спутник/сенсор
Landsat7 /ETM+ High gain
Landsat7 /ETM +Low gain
Landsat ETM, ETM+
Lmax
Lmin
12,65
17,04
15,503
3,2
0,0
1,238
K2, м·Вт·см‒2·стр‒1·мкм‒1
607,66
666,09
1260,56
1282,71
III. На третьем шаге осуществляется вычисление поверхностной термодинамической
температуры. Для её определения необходимо знание спектрального коэффициента излучения (степени черноты) ε. Поверхностная
термодинамическая температура (LST) в зависимости от излучательной способности поверхности была рассчитана следующим образом [1−5]:
TB
,(3)
LST =
,
 λTB 
1+ 
 ln ε
 ρ 
hc
где λ — длина волны (11,5 мкм); ρ = ;
σ
σ — коэффициент Стефана–Больцмана

−23 J 
1,38 ⋅10
 ; h — коэффициент Планка
K

(6, 626 ⋅10−34 дж ⋅ c); c — скорость света .
Для определения спектрального коэффициента излучения использовался нормализированный разностный растительный индекс
ρбик − ρкр
NDVI =
,
(4)
ρбик + ρкр
где ρбик — коэффициент отражения в красной
спектральной зоне; ρкр — коэффициент отражения в ближней инфракрасной зоне. Индекс может принимать значения в пределах от ‒1 до +1.
В настоящее время существует два метода
определения спектрального коэффициента излучения поверхности. В первом методе, разработанном Van De Griend A., Owe M. (1993), ε
определяется [7] следующим выражением:
Таблица 1
Band
K1, K
II. На втором шаге определяется поверхностная яркостная температура. Для различных
42
=
ε 1, 0094 + 0, 047 ln (NDVI). (5)
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Во втором методе, разработанном Valor E.,
Caselles V. (1996) ε также определяется на основе индекса NDVI, но может применяться для
неоднородных областей с различными типами
поверхности [8]. В этом методе значение спектрального коэффициента излучения поверхности вычисляется как сумма коэффициентов
излучательной способности почвы и растительности:
ε = εv Pv + ε s (1 − Pv ), (6)
где εv, εs — коээфициенты излучательной способности растительности и почвы относительно; Pv − отношение растительности в пикселе,
а
б
Рис. 2. Карта пространственного распределения
поверхностной термодинамической температуры
Ханоя:
а — 08.11.2007 г.; б — 30.09.2009 г.
2
 NDVI − NDVI min 
Pv = 
(7)
 .
 NDVI max − NDVI min 
Для территории Вьетнама εv = 0,904 при
NDVI < 0,2; εs = 0,991 при NDVI > 0,5 [9]. В случае 0,2 ≤ NDVI ≤ 0,5, ε определяется по формуле
=
ε 0,991Pv + 0,904(1=
− Pv ) 0, 087 Pv + 0,904. (8)
Результат определения поверхностной термодинамической температуры г. Ханоя показан на рис. 2.
По результатам статистического анализа
полученных значений температуры г. Ханоя
на дату 08.11.2007 — среднее значение равнялось 292 K, на дату 30.09.2009 — 296 K,
СКО — 1,750 и 2,234, соответственно. Таким
образом, разброс значений поверхностной термодинамической температуры на территории
Ханоя увеличился на 28%. На основе этих данных были созданы тематические карты (рис. 3)
пространственного распределения аномальных участков перегрева (показаны красным
цветом), поверхностная температура которых
превышает среднее значение более чем на удвоенную среднеквадратическую ошибку.
а
б
Рис. 3. Карта пространственного распределения
поверхностной термодинамической температуры
Ханоя с участками аномального перегрева
(красный цвет):
а — 2007 г.; б — 2009 г.
with land use”, Atmosfera 20(2), pp. 111 – 131.
3. Fei Yuan, Marvin E. Bauer (2007), “Comparison of impervious
surface area and normalized difference vegetation index as indicators of
surface urban heat island effects in Landsat imagery”, Remote sensing of
Enviroment 106, pp. 375 – 386.
4. Hyung Moo Kim, Beob Kyun Kim, Kang Soo You (2005), “A statistic
correlation analysis algorithm between land surface temperature and
vegetation index” International journal of information processing systems,
Vol. 1, No. 1, pp. 102 – 106.
5. Javed Maltick, Yogesh Kant, D.B. Bharath (2008), “Estimation of
land surface temperature over Delhi using Landsat-7 ETM+”, Journal Ind.
Geophys. Union, Vol. 12, No. 3, pp. 131 – 140.
6. Landsat 7 Science data users Handbook, National aeronautics and
space administration (NASA), 186 pp.
7. Van de Griend A.A., Owen M. (1993). On the relationship between
thermal emissivity and the normalized difference vegetation index for
natural surface // International journal of remote sensing 14, pp. 1119 –
1131.
8. Valor E., Caselles V. (1996). Mapping land surface emissivity from
NDVI. Application to European African and South American areas //
Remote sensing of Environment, 57, pp. 167 – 184.
9. Trần Thị Vân, Hoàng Thái Lân, Lê Văn Trung (2009), “Phương pháp
viễn thám nhiệt trong nghiên cứu phân bố nhiệt độ đô thị”, Tạp chí các khoa
học về Trái đất, 31(2), trang 168 – 177.
Работа выполнена при поддержке Гранта
РФФИ № 13-05-00534 по теме «Разработка теоретической базы и технологических решений
организации космического мониторинга природных и техногенных чрезвычайных ситуаций».
Литература
1. K. Sundara Kumar, P. Udaya Bhaskar, K. Padmakumari (2012),
“Estimation of land surface temperature to study urban heat island effect
using Landsat ETM+ image”, International journal of Engineering Science
and technology, Vol. 4, No. 2, pp. 771 – 778.
2. O.R. Garcia Cueto, E. Jauregui Ostos, D. Toudert, A. Tejeda Martinez
(2007), “Detection of the urban heat island in Mexicali and its relationship
Принята к печати 16 мая 2013 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
43
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Влияние растительности на контраст яркостной температуры
подстилающей поверхности в дальней ИК-области
Доцент, кандидат физ.-мат. наук Ю.Г. Веревочкин, профессор, доктор техн. наук Ю.А. Ильин
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Разработана математическая модель пригодная для расчета дневного изменения термодинамической температуры поверхностей как оголенных, так и покрытых растительностью при отсутствии облачности. Предложена методика расчета яркостной температуры обоих типов поверхностей.
Сопоставляются рассчитанные и измеренные профили дневного изменения яркостной температуры
почвы, луговой растительности и асфальта. Рассматривается контраст яркостной температуры луговой
растительности и асфальта в населенном пункте и сельской местности.
Ключевые слова: термодинамическая температура, яркостная температура, подстилающая поверхность, дневное изменение, контраст яркостной температуры
Abstract. A developed mathematical model is suitable for calculating daytime variation of thermodynamic
temperature of bare and grass-covered surfaces under cloudless conditions. We also provide a method for
calculating brightness temperature of these surfaces and verify both the model and the method by comparing
the calculated data with measured daytime brightness-temperature profiles for broken ground, grass, and
asphalt ground. For grass and asphalt ground, we find daytime variation of brightness-temperature difference
in urban and rural areas.
Keywords: thermodynamic temperature, brightness temperature, underlying surface, daytime variation,
brightness-temperature contrast
В работе [1] нами рассмотрена математическая модель расчета тер-модинамической
и яркостной температур объектов подстилающей поверхности, представляющих собой
природные образования, свободные от растительности (песок, чернозем, глинистая почва,
гранит).
Однако реальные ландшафты характеризуются значительными площадями, покрытыми
растительностью. Приведенные в работе [2]
экспериментальные данные показывают, что
кривые суточного хода яркостной температуры
искусственных объектов (асфальт) и элементов
природной среды (покрытых растительностью
и оголенных почв) качественно подобны, хотя
и заметно различаются количественно.
В настоящей работе дается дальнейшее
развитие математической модели [1], что позволило рассчитывать термодинамическую и
яркостную температуры объектов подстилающей поверхности, покрытых растительностью,
и проводится сравнительный анализ расчетных
и экспериментальных данных. Кроме того, в
отличие от [1], здесь, наряду с растительностью, учитывается шероховатость поверхности, а приповерхностный поток солнечного
излучения находится, исходя из прозрачности
атмосферы и диапазона дневного изменения
угловой высоты Солнца в данном месте в дан-
ное время года.
Расчеты проводятся для середины июня и
41,2°N, поскольку именно в таких условиях в
1983 г. в районе города Шеки (Азербайджан)
проводились синхронные измерения яркостной температуры ряда образцов как природных, так и антропогенных, в солнечную безоблачную погоду [2]. Измерения проводились
в спектральном диапазоне 10,2–10,7 мкм с помощью радиометра «ПАМИР» [3]. То, что в [2]
яркостная температура разных образцов, в том
числе и покрытых растительностью, измерялась при одних и тех же метеоусловиях, делает эти данные очень удобными для проверки
работоспособности применяемых математических моделей.
В модели [1] приземное значение плотности потока солнечного излучения в момент
времени t рассчитывается по формуле
J * (t ) =
τJ 0 sin α(t ), (1)
где J0=1353 Вт/м2 — солнечная постоянная;
α — угловая высота Солнца; τ — постоянный
коэффициент, учитывающий влияние безоблачной атмосферы. Согласно [4]
 2π(t − t0) 
sin α(t=
) sin ϕ sin β + cos ϕ cos β cos 
 , (2)
 ta

где ϕ — широта точки наблюдения; ta = 24 ч;
t0 — продолжительность половины светлого
44
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
времени суток, а склонение Солнца в северном
полушарии находится по формуле
 2π∆D 
β= 23°27′ cos 
(3)
,  365 
в которой ∆D — количество дней, прошедших
с 21 июня.
Из (2) следует, что на широте 41,2°N в середине июня α ≤ 72,3°. В [5] приводятся экспериментальные зависимости J*(α) для атмосферы, имеющей различную прозрачность.
При нормальной прозрачности атмосферы и
α ≤ 72,3° расчеты по формулам (1)–(3) лучше
всего соответствуют данным [5] при значении
τ = 0,75, которое и используется при последующем моделировании.
В математических моделях и полуэмпирических формулах, описывающих прохождение излучения через растительность, свойства растительного покрова характеризуются
листовым индексом L, то есть отношением
суммарной площади листьев, заключенных в
вертикальном столбе, выделенном внутри растительности, к площади основания этого столJ ( L)
,
ба. Правда, функция пропускания r ( L) =
J*
где J(L) и J* плотность потока солнечного излучения соответственно на нижней и верхней
границах растительного покрова, зависит не
только от L, но также от типа растительности
и от угловой высоты Солнца. Для соответствия
экспериментальным данным [2] здесь рассматривается только луговая растительность. Ее
функция пропускания r(L), взятая из [6], представлена в графах 2 и 3 табл. 1 для двух диапазонов угловой высоты Солнца α, в графе 4
приведена полусумма значений r(L), соответствующих α > 40° и α < 40°, которая в дальнейшем используется при проведении расчетов.
Таким образом, с учетом (1), (2), поток солнечного излучения, падающего на верхнюю
границу почвы, будет рассчитываться по формуле
sin ϕ sin β +



 2π(t − t0)   , (4)
J (t ) = τ′J 0 
+ cos ϕ cos β cos 


ta



где при отсутствии растительности τ′ = τ = 0,75,
а при ее наличии — τ′ = τ r(L) = 0,75 r(L).
Для безоблачных условий плотность потока излучения атмосферы вблизи поверхности
Таблица 1
r ( L) =
L
J ( L)
J*
α > 40°
α < 40°
αср
1
2
3
4
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
5,0
0,82
0,68
0,55
0,44
0,35
0,29
0,24
0,19
0,15
0,12
0,75
0,58
0,45
0,34
0,26
0,20
0,16
0,12
0,09
0,07
0,78
0,63
0,5
0,39
0,31
0,25
0,2
0,16
0,12
0,1
Земли рассчитывается по формуле Брента [5]:
QA =
σT24 (a1 + b1 p ),
где Т2 и p — соответственно температура воздуха
(K) и давление водяного пара (гПа) на высоте 2 м;
σ — постоянная Стефана–Больцмана; a1 = 0,526 и
b1 = 0,065 — эмпирические константы.
Формула Брента позволяет найти среднее
значение QA, если в ней использовать средние
значения T2 и p. В период проведения измерений [2] среднесуточная температура воздуха
равнялась 24°С, поэтому будем считать, что
T2 = 297 K. Тогда для относительной влажности
30, 60 и 80% получаем, что QA = 317; 353; 372
Вт/м2. При расчетах будем использовать среднее значение QA = 350 Вт/м2.
Величина QA определяет плотность потока длинноволнового излучения, достигающего
оголенные участки подстилающей поверхности. В случае наличия растительности здесь
используется подход, описанный в работах
[7−9]. Так коэффициент излучения биомассы
принимается равным δb≈ 0,97, а ее температура
− незначительно отличающейся от температуры подстилающей поверхности TS. В результате плотность потока длинноволнового излучения на нижней границе растительного покрова
представляется в виде
Qd =δb σTS4 (1 − H1 ) + H1QA ,
где H1(L) — функция пропускания длинноволнового излучения растительным покровом.
Для функции H1(L) используется выражение
∞
=
H1 ( L) 2 ∫ x −3 exp(−0,5 Lx)dx, 1
(5)
которое верно в случае равномерной ориента45
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
L............................0,5
z0, см...................... 1
b, Дж/(м3K)..........2,5
a, Вт/(м2K)...........3,7
ции листьев в растительном покрове. Значения
функции (5) представлены следующими величинами (табл. 2).
Таблица 2
L
0
0,5
1
1,5
2
2,5
H1
1
0,65
0,44
0,31
0,22
0,16
L
3
3,5
4
4,5
5
H1
1
1,5
2,8
6,1
3
3
3,7
15
Как и в модели [1], здесь расчетные формулы получены в результате решения однородного нестационарного уравнения теплопроводности для случая плоского твердого участка
земной поверхности (z = 0), ограничивающего
сверху область, заполненную однородной изотропной средой:
∂T
∂ 2T
= k 2 ,
(8)
∂t
∂z
где k — температуропроводность среды.
Уравнение (8) решается при начальном условии T(z, t) = T0 = const и граничном условии
∂T
= f (t ,TS ), а функция f(t, TS) находит∂z z =0
ся, исходя из баланса потоков тепла на границе
среды с атмосферой. При этом предполагается,
что поглощение излучения средой носит поверхностный характер и температура воздуха
T2 = T0. В результате, и здесь и в [1] получаются одинаковые выражения для изменения
температуры границы среды ∆TS(t′) в зависимости от безразмерного времени t′ = 4t/ta, содержащие параметры Tsc, P1, P2 и функции
x
x
π 2
π 
C=
( x) ∫ cos  η  d η, S (=
x) ∫ sin  η2  d η и
2 
2 
0
0
0,11
0,08
0,06
0,044
0,033
Плотность контактного потока тепла через
подстилающую поверхность представляется в
виде QK = χK (T2 – TS), где T2 — температура воздуха на высоте 2 м, коэффициент контактного
теплообмена
(6)
χK = a + b u;
u ― скорость ветра, м/с.
Если в модели [1] a и b константы
(a = 5,8 Вт/(м2K), b = 4 Дж/(м3K)), то здесь учитывается их зависимость от коэффициента шероховатости подстилающей поверхности z0 (м):
 10 
ln  
z
90
1,5 ⋅103 z0  0  ; b = . (7)
a=
2
 10   2 
ln 2  
ln   ln  
 z0 
 z0   z0 
При получении этой зависимости использовалось полуэмпирическое представление QK
[10], которое следует из теории атмосферной
турбулентности, экспериментально полученные приповерхностные профили температуры
воздуха и скорости ветра u, а также другая эмпирическая информация [10].
Согласно [10] у ровной почвы без растительности, парового поля и луга коэффициент
шероховатости (см) изменяется в диапазонах
0,3–1; 0,5–2 и 1–5. Подставив средние значения z0 в (6), получим, что у ровной почвы без
растительности a = 2,2, b = 2,1 (в системе СИ), а
у парового поля a = 4,7, b = 2,7. Таким образом,
использованные в [1] a и b приблизительно характеризуют паровое поле.
В случае наличия растительности коэффициент шероховатости z0 и листовой индекс L
связаны между собой: одновременно увеличиваются. Будем считать эту связь линейной. Для
этого приближения ряд значений L, z0, а также
соответствующих им a и b, рассчитанные с помощью формулы (7):
erfc( x) = 1 − erf ( x) =
∞
2
exp(−ξ 2 ) d ξ :
∫
πx
 πP 

 t ′ 
 t′ 
1


1 − exp  2  erfc    ×
 2 

 P1 
 P1  


×(sin ϕ sin β − P2 ) +



π ′ ′ 
+ cos ϕ cos β cos  (t − t0 )  C ( t ′ ) +

2



∆TS (t ′) =
Tsc 
 . π

+ cos ϕ cos β sin  (t ′ − t0′ )  S ( t ′ ) −

2



− cos ϕ cos β π P ×

1


 t'

 P1

π


× ∫ cos  (t ′ − t0′ − P12 ξ 2 )  exp(ξ 2 ) erfc(ξ)ξd ξ 
 0

2

(9)
Различаются лишь конкретные представления параметров Tsc, P1, P2. В рассматриваемом здесь случае
46
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Tsc =
τ′δΣ J 0 ta
π IT
Пусть
;
δ{σT04 [1 + δb ( H1 − 1)] − H1QA }
P2 =
,
τ′δΣ J 0
где IT — тепловая инерция подповерхностной
среды; δΣ — интегральный коэффициент поглощения солнечного излучения поверхностью;
δ — поглощательная способность (коэффициент излучения) поверхности в инфракрасном
диапазоне.
Яркостная температура подстилающей поверхности Tbr находится, исходя из равенства
спектральной яркости подстилающей поверхности
−1
2hc 2 
 hc  
B(T )
exp 
=
 − 1 ,
λ 5 
 λkT  
где B(T) — спектральная яркость черного тела
при термодинамической температуре .
Спектральная яркость подстилающей поверхности зависит как от ее собственного, так
и от отраженного излучения, попадающего
в рассматриваемый спектральный диапазон.
Если облачности нет, то для диффузно отражающей поверхности без растительности спектральная яркость определяется выражением
B (Tbr ) = δB (TS ) + (1 − δ) B (TA ), Qup= H1δ RS + H12 (1 − δ) QA +
где TA — яркостная температура атмосферы,
которая в окне прозрачности 8–13 мкм равна
200 K. Следовательно, при этих условиях яркостную температуру можно рассчитать, решив уравнение (10).
При наличии растительности будем исходить из выражений, полученных в [7] для
плотности потока восходящего (Qup) и нисходящего (Qd) длинноволнового излучения в предположении, что энергетическая светимость
биомассы Rb, являющейся серым телом, неизменна в пределах всего растительного слоя:
′ ;
Qup = Rb (1 − H1 ) + H1Qup
(11)
Qd = Rb (1 − H1 ) + H1QA , (12)
+ δb RS (1 − H1 )[1 + H1 (1 − δ)]. (14)
Если растительности нет, то функция
пропускания растительности H1 = 1, и из (13)
Qup = δRS + (1 − δ)QA , т.е. восходящий поток
определяется собственным излучением поверхности и отражаемым ею излучением атмосферы. Если растительность очень густая,
то H1 → 0 и Qup = δbRS, т.е. восходящий поток
длинноволнового излучения на верхней границе растительного слоя определяется собственным излучением биомассы.
В данной модели все объекты (подстилающая поверхность, небосвод, растительность)
считаются серыми телами, а все виды излучения — изотропными. Поэтому интегральные
потоки излучения связаны между собой так
же, как их спектральные составляющие, т.е. в
(14) Qup, QA и RS можно заменить спектральными яркостями соответствующих объектов, тем
самым получив уравнение для нахождения яркостной температуры поверхности, покрытой
растительностью:
(10)
(13)
где RS — энергетическая светимость черного
тела, имеющего температуру поверхности почвы TS.
Кроме того, как и ранее, будем считать, что
коэффициент излучения биомассы δb ≈ 0,97, а
ее температура совпадает с температурой поверхности почвы. Тогда Rb = δbRS и из (11) – (13)
следует, что
2 IT
P1 =
;
3
ta {4δσT0 [1 + δb ( H1 − 1)] + χ K }
′ = δRS + (1 − δ)Qd , Qup
B(Tbr=
) {H1δ + δb (1 − H1 )[1 + H1 (1 − δ)]} ×
× B(TS ) + H12 (1 − δ) B(TA ).
(15)
При отсутствии растительности (H1 = 1) из
(15) следует (10). При очень густой растительности (H1 → 1) B(Tbr) = δbB(TS), т.е. яркостная
температура определяется излучением биомассы.
Моделирование дневного изменения яркостной температуры образцов поверхности.
Объектами исследования здесь служат бурая
горнолесная почва, характерная для окрестностей г. Шеки, как оголенная, так и покрытая
травой, а также асфальт. Моделирование про-
где Qup соответствует верхней границе растительного слоя, а Qd и Q′up — нижней.
47
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
водится для 21 июня и метеоусловий, имевших место во время натурного эксперимента,
описанного в работе [2]. Температура воздуха
во время измерений согласно [2] изменялась в
пределах 21–29°С, минимальная суточная температура воздуха при этом составляла примерно 18°С. Последнее значение использовалось
при моделировании в качестве начальной термодинамической температуры всех образцов.
Кроме того, минимальная температура воздуха
(18°С) учитывалась при определении среднесуточной температуры, с помощью которой
была рассчитана приземная плотность потока
излучения атмосферы QA Вт/м2.
Тепловая инерция и оптические характеристики образцов, используемые при проведении
расчетов, приведены в табл. 3. Считается, что
тепловая инерция рассматриваемого вида почвы такая же, как у бурой суглинистой почвы
[11], а коэффициента излучения — как у бурой
лесной глинистой почвы (Азербайджан) [8].
Интегральный коэффициент поглощения солнечного излучения почвой рассчитывался для
диапазона 0,4–1,1 мкм с помощью данных о
спектральном коэффициенте поглощения [12]
и спектральном составе солнечного излучения
[13]. Оптические свойства асфальта зависят от
его конкретной структуры. Для их характеристики здесь также использовались усредненные данные из [12].
Ibr, К
335
Таблица 3
1
3
320
315
2
310
305
300
295
290
285
8
10
12
14
16
18
20
Интегральный
коэффициент
поглощения δΣ
Тепловая
инерция IT,
Дж/(м2·с1/2·K)
Бурая горнолесная почва
0,97
0,86
600
Асфальт
0,95
0,95
1760
Параметры a, b, входящие в коэффициент
контактного теплообмена χK (6), у асфальта
считались такими же, как в среднем у ровной
почвы без растительности, а у пашни ― как в
среднем у парового поля. В случае травяного покрова a и b рассчитывались с учетом зависимости коэффициента шероховатости от
листового индекса (формула (7)), а значения
функций пропускания солнечного излучения
r(L) и нисходящей длинноволновой радиации
брались из табл. 1 (графа 4).
Яркостная температура ряда образцов, измеренная в спектральном диапазоне
10,2–10,7 мкм во время натурного эксперимента в районе г. Шеки [2] и рассчитанная с
помощью предлагаемой здесь методики представлена на рис. 1. При этом использовалась не
графическая экспериментальная информация
из [2], а таблицы, предоставленные авторами
указанной работы. Кроме того, при нанесении
экспериментальных точек на рис. 1, учитывался сдвиг между декретным временем [2] и поясным временем, используемым в данных расчетах, который составляет два часа.
Как видно из графиков (см. рис.1), рассчитанный и измеренный дневной ход яркостной температуры всех образцов хорошо
согласуется, что свидетельствует о том, что
форма, в которой представлено изменение
термодинамической температуры (9), пригодна как при отсутствии, так и при наличии
растительности. По сути, при моделировании
оставались два свободных параметра: значение листового индекса L на площадке, покрытой травой, и величина средней скорости
ветра u. Использованная при расчетах скорость ветра u = 2 м/с вполне типична для погожей солнечной погоды, имевшей место во
время проведения эксперимента. Кроме того,
при ней удовлетворительно описывается дневное изменение яркостной темпе-ратуры всех
трех образцов, особенно вблизи и после температурных максимумов. В свою очередь, L = 1
означает, что трава не слишком густая, но через нее уже не проглядывает почва. Отметим
также, что для оголенной почвы и этой же по-
330
325
Коэффициент
излучения δ
Объект
t, ч
Рис. 1. Результаты моделирования (линии) и измерений (значки) яркостной температуры образцов в
безоблачную погоду:
1 — пашня; 2 — асфальт; 3 — трава (при моделировании
считалось, что скорость ветра u=2м/с, а листовой индекс
травы L=1
48
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
ΔTbr, К
ΔTbr, К
12
1
10
2
8
40
30
3
6
4
4
20
1
10
2
3
4
2
0
-2
-4
4
6
8
10
12
а
14
16
18
20
0
t, ч
4
6
8
10
12
б
14
16
18
20
t, ч
Рис. 2. Разность яркостных температур асфальта и травы в населенном пункте (а) и сельской местности (б)
при отсутствии облачности и разной скорости ветра:
1 — u = 0; 2 — u = 2 м/с; 3 — u = 4 м/с; 4 — u = 6 м/с
чвы, покрытой травой, хорошее соответствие
результатов моделирования и натурных измерений наступает практически одновременно
(при t ≥ 13 ч). Заметное количественное различие измеренных и рассчитанных значений
яркостной температуры в утренние часы, повидимому, обусловлено нестабильностью метеоусловий во время проведения измерений.
Моделирование контрастов яркостной
температуры асфальта и почвы, покрытой травой. Предложенная методика расчета яркостной температуры позволяет оценить
контрасты, т. е. разность температур между
различными видами ландшафтов. Соседство
почвы, покрытой травой, с асфальтом типично как для населенных пунктов, так и для
сельской местности. В населенных пунктах
это газоны, и для их характеристики будет использовано значение листового индекса L = 1, а
в сельской местности ― луга, для которых в
среднем L = 3.
Параметры контактного теплообмена для
данных видов растительности рассчитаны по
формуле (7), а характеристики почвы и асфальта взяты из табл. 3. Результаты расчетов представлены на рис. 2. Полученные зависимости
показали, что в середине дня величина температурного контраста может достигать десятков кельвинов. Увеличение листового индекса
ведет к увеличению контраста из-за низкой
яркостной температуры луговой растительности. Поэтому контрасты яркостных температур
рассматриваемых объектов в сельской местности заметно больше, чем в населенном пункте.
Однако это не касается поля яркостной температуры в целом, поскольку основной вклад в
его неоднородность в населенном пункте вносит деятельность человека.
Литература
1. Веревочкин Ю.Г., Ильин Ю.А. Влияние ветра на информативность тепловой аэ-рокосмической съемки в дальней
ИК-области спектра при отсутствии облачности //Изв. вузов
«Геодезия и аэрофотосъемка». –2008. –№2. –С.135–142.
2. Ильин Ю.А., Скорохватов Н.А. Результаты натурных регистраций яркостной температуры образцов подстилающей
поверхности в спектральном диапазоне 10,2–10,7 мкм //Труды
международного форума по проблемам науки, техники и образования 4–8.12.2006, –М. 2006. –Т. 2. –С. 123–124.
3. Ильин Ю.А., Попов Н.Н., Скорохватов Н.А. Дистанционные
измерения температуры морской поверхности двухволновым методом // Исследования Земли из космоса. –1984. –№6.
–С.107−110.
4. Ку-Нан-Лиоу. Основы радиационных процессов в атмосфере. –Л.: Гидрометеоиздат, 1984.
5. Матвеев Л.Т. Курс общей метеорологии. Физика атмосферы. Л.: Гидрометеоиздат, 1984. −168 с.
6. Нерпин С.В., Чудновский А.Ф. Энерго- и массообмен в системе растение – воздух – почва. –Л.: Гидрометеоиздат, 1975.
7. Будаговский А.И., Росс Ю.К., Тооминг Х.Г. Вертикальное
распределение потоков длинноволновой радиации и радиационного баланса в растительном покрове. –В кн.: Актинометрия
и оптика атмосферы. –Таллин.: Валгус, 1968. −С. 299−307.
8. Чудновский А.Ф., Тимофеев Ю.В., Шиндеров Б.Л.
Аэродистанционное приземное зондирование сельскохозяйственных полей. Л.: Гидрометеоиздат, 1985.
9. Хваленский Ю.А, Сиротенко О.Д. Методика расчета фотосинтеза посевов сель-скохозяйственных культур на основании
стандартных метеорологических данных / Труды института экспериментальной метеорологии, 1973. −Вып. 3(40). −С. 32−42.
10. Константинов А.Р. Испарение в природе. Л.: Гидрометеоиздат, 1968.
11. Горный В.И., Шилин Б.В., Ясинский Г.И. Тепловая аэрокосмическая съемка. М.: Недра, 1993.
12. ASTER SPECTRAL LIBRARY, Ver. 2.0.
13. Woods J.D., Diurnal and seasonal variation of convection in
the wind-mixed layer of the ocean. Quarterly Journal of the Royal
Meteorological Society, 1980, v.106, №449, p. 379−394.
Принята к печати 12 марта 2013 г.
Рекомендована кафедрой физики МИИГАиК
49
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Теоретическая база и технологические решения космического
мониторинга природных и техногенных чрезвычайных ситуаций
Профессор А.Т. Зверев, аспирант Е.В. Фисенко
Московский государственный университет геодезии и картографии
[email protected], [email protected]
Анотация. Рассмотрена теоретическая база космического мониторинга природных и техногенных
чрезвычайных ситуаций (ЧС). Даны примеры мониторинга ЧС с помощью космических данных, а
также данных, полученных с помощью беспилотных летательных аппаратов (БПЛА).
Ключевые слова: чрезвычайные ситуации, мониторинг ЧС, методики определения ЧС, космический
мониторинг ЧС, природные и техногенные чрезвычайные ситуации
Abstract. Theoretical basis of natural and man-made emergencies are treated. Technological solutions for
emergency monitoring consider use of space data as well as data obtained with unmanned aircraft.
Keywords: Emergency, emergency monitoring, methods for determining emergencies, disaster monitoring
from space, natural and man-made emergencies
Одна из важнейших задач государства —
обеспечение безопасности жизнедеятельности
населения и территорий в условиях чрезвычайных ситуаций (ЧС). В настоящее время мониторинг ЧС приобретает особую значимость,
поскольку количество ЧС имеет тенденцию к
росту, и прежде всего, вследствие деятельности человека. Мониторинг техногенных и природных чрезвычайных ситуаций является одной из фундаментальных стратегических задач
на пути достижения устойчивого развития как
каждой страны, так и человечества в целом.
Дистанционные методы исследования
Земли становятся все более популярными и
востребованными для мониторинга ЧС. Их
большим плюсом является то, что не нужно
быть на месте ЧС, а пользуясь дистанционными методами, такими как аэро- и космосъемка,
можно увидеть всю сложившуюся обстановку
на территории, где возникла чрезвычайная ситуация. По космическим снимкам можно сделать вывод о характере воздействия ЧС, как
протекает процесс, сложившийся ситуации,
оценить площади повреждений, сделать вывод
об опасных проявлениях ЧС для людей, что полезно для дальнейших действий органам государственной власти.
Под космическим мониторингом природных и техногенных чрезвычайных ситуаций
понимается система регламентированных периодических дистанционных наблюдений за
состоянием природных и природно-технических систем и их пространственно-временными изменениями под влиянием природных
и техногенных факторов, а также закономер-
ностями развития чрезвычайных ситуаций с
целью обнаружения критических ситуаций,
прогноза и предотвращения или уменьшения
негативных последствий их развития [1].
В соответствии с методическими рекомендациями комиссии по дистанционным методам [1] разработка космического мониторинга
должна содержать:
анализ распространения и закономерностей развития чрезвычайных ситуаций в контролируемом районе;
постановку опытных работ на специально
выбранных для этой цели эталонных участках;
обработку и анализ полученной первичной
информации на эталонных участках;
оценку используемых технических средств,
космических изображений и программного обеспечения для автоматизированной обработки материалов космической съемки и создания новых
технических средств и программного продукта;
обработку методик дешифрирования на
тестовых участках с использованием полевого
контроля результатов дешифрирования;
составление рекомендаций по методике и
технологии наблюдений, созданию автоматизированного блока информации и космических
данных долговременного хранения;
создание предельно ориентированной автоматизированной системы обработки данных
космического зондирования;
разработку нормативной базы;
формирование технического задания на
создание космического мониторинга природных и техногенных чрезвычайных ситуаций;
разработку технологии космического мо50
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
ниторинга природных и техногенных чрезвычайных ситуаций.
На сегодняшний день все большее распространение получила оперативная обработка
космических данных при возникновении природных ЧС. В первую очередь оперативность
необходима как система поддержки принятия
решения при ЧС. К такой продукции требуется
пристальное внимание, особенно к последовательности получения информации, ее обработки и времени получения. Последовательность
необходима для выполнения анализа временных рядов изображений, показывающих то
или иное изменение. Сейчас в обработке данных совершен прорыв, поскольку теперь используется эталонный набор базовых образов,
который сравнивается с полученными изображениями. Для изображений требуется коррек-
тировка, такая как устранение геометрических
искажений. Если необходима оперативность
для мониторинга на обширных территориях,
например, пожаров, паводков или засух, то в
этом случае используется ортотрансформирование, которое достигло больших успехов,
благодаря использованию цифровых моделей
рельефа и новых наземных сетей управления.
Для ортотрансформирования используется
автоматический генератор данных, который
является базой для дальнейших преобразований изображений. Такой уровень обработки
называется первым уровнем корректировки.
Именно этого уровня достаточно для быстрого
получения информации, изображение привязано и скоординировано в пространстве.
На рис. 1, 2 приведены примеры пожаров, происходящих в Ставропольском и
а
а
б
б
Рис. 2. Примеры пожаров в Краснодарском крае.
Красным цветом обведены области возгорания и
распространения пожара:
Рис. 1. Примеры пожаров в Ставропольском крае
(красным цветом обведены области возгорания и
распространения пожара):
а — 15 июня 2011 г.; б — 30 июля 2011 г.
а — 10 июня 2012 г.; б — 25 июля 2012 г.
51
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Краснодарском краях, вблизи населенных пунктов и являющихся угрозой для жизни людей.
Данные пожары определены по космическим
снимкам Landsat сочетанием каналов видимой
и ИК-области спектра:
Данные изображения среднего пространственного разрешения получены с Landsat,
в которых проводилась автоматическая корректировка снимков с помощью специальных программ. Затем они подгружались в
любое программное обеспечение, такое как
ERDAS IMAGIN, IlWIS, ENVI, ArcGIS, и т.д.
Производился мониторинг областей ЧС, выделялись очаги возникновения пожаров, находящихся вблизи населенных пунктов. Далее по
обработанным снимкам можно осуществлять
определение различных параметров ЧС, таких
как: время, площадь, характер воздействия,
опасность для жизни людей и т.д. Однако такие
изображения не совсем пригодны для научных
исследований, где используется определение
спектральных характеристик, с помощью которых можно будет составить прогноз ухудшения состояния растительности, ведущего, например, к засухам. Пример описания методики
определения засушливых земель приведен в [2].
Для более детальных изучений требуются
радиометрические коррекции изображений,
устранения влияния атмосферы и получение
значений спектральной яркости областей, подвергающихся засухе.
Процедура корректировки требует значительных временных затрат, чаще всего она
производится «вручную» для каждого снимка
специалистами в области ДЗЗ с помощью вышеупомянутых программ. Этот этап обработки требует создания новых автоматических
приемов для сокращения временных затрат и
массовых изображений выявления зон негативных изменений растительного покрова с
целью предотвращения этих изменений. Такие
автоматические системы продвинули бы обработку ДЗЗ на много шагов вперед и повысили
бы оперативность космического мониторинга.
Сейчас Геологической службой США
(USGS) ведутся попытки создания таких систем на примере данных Landsat [3]. Они создают интерфейсы для такой автоматизации и
объединяют два уровня обработки. На выходе получаются изображения с выполненными
коррекциями и готовые к дальнейшим модификациям за считанные секунды. Так же можно будет анализировать не одно изображение,
а временной ряд изображений, который может
быть задан пользователем [4].
Российским данным космического мониторинга, к сожалению, еще до этого далеко.
Данные с КА «Метеор», «Электро» и «Ресурс»
очень специфичны в обработке и для проведения процедуры атмосферной коррекции, и выявления спектральных характеристик различных объектов приходится затрачивать много
времени [5].
Что касается техногенных ЧС, таких, например, как аварии и катастрофы на химических объектах с выбросом вредных веществ в
атмосферу или прорывов нефте- и газопроводов, то их возрастающая численность диктует развитие методов проведения мониторинга
для таких ситуаций. В настоящее время активно развивается использование материалов с
беспилотных летательных аппаратов (БПЛА).
Миниатюризация вычислительных систем и
развитие спутниковой навигации (GPS) позволили создавать БПЛА, у которых габариты,
масса, а главное, стоимость на порядок меньше прежних. Плюсами применения БПЛА являются: рентабельность; возможность съемки
с небольших высот и вблизи объектов; получение снимков высокого разрешения; возможность применения в зонах чрезвычайных ситуациях без риска для жизни и здоровья пилотов
(рис. 3). Примером съемок для отслеживания
«визуально» измеряемых параметров, напри-
Рис. 3. Снимок с беспилотного летательного аппарата Птеро-Е, сделанный АФМ-Серверс камерой
Cannon Marck II с высоты 300 м
52
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
мер, глубину воды, ширину пятна загрязнения на воде и др. является проведение тепловизионной съемки в инфракрасном диапазоне
(8−12 мкм). С ее помощью можно отслеживать
ситуацию на интересующих объектах.
Однако применение БПЛА по данным
Авиалесоохраны с точки зрения поиска пожаров малорезультативно. БПЛА подходят для
действующих пожаров и оперативного осмотра
лесных участков. Именно поэтому современные автоматизированные беспилотные летательные системы должны рассматриваться как
элементы единой информационной системы,
формируемой средствами наземного, авиационного и космического вида. Без этой целостности результативность системы уменьшается
и приводит к неэффективным управленческим
решениям [6].
В зависимости от динамичности чрезвычайных ситуаций различают [1] следующие
интервалы повторных съемок: для катастрофических ультрадинамичных процессов — от
наблюдений в реальном масштабе времени до
1−3 раз в год; сильнодинамичные — каждые
3−5 лет; среднединамичные — каждые 5−8
лет; слабодинамичные — 12−25 лет. Выбор периодичности (регулярности) зависит от систем
наблюдений и обработки в каждом конкретном
случае и определяется, исходя из поставленных условий, а также специфики чрезвычайной ситуации.
Исследования проведены в рамках проекта
РФФИ (проект номер № 13-05-00534).
Литература
1. Основание положения по организации и проведению работ
на полигонах аэрокосмического мониторинга геологической
среды (АКГМС). Методическое письмо. –М.: ВСЗГИНГЗО,
1986. −34 с.
2. Зверев А.Т., Фисенко Е.В., Савин И.Ю. Разработка метода
оценки и прогноза повреждения сельскохозяйственных посевов по космическим снимкам // Изв. вузов «Геодезия и аэрофотосъемка». −2013. −№2. −С. 81−84.
3. Matthew C. Hansen, Thomas R. Loveland. «A review of large
area monitoring of land cover change using Landsat data», Remote
Sensing of Environment,122,2012.−66 − 74.
4. United States Geological Survey`s (USGS).
http://www.usgs.gov/
5. http://www.mnr.gov.ru/
6. http://www.ecoanaliz.ru/
Принята к печати 25 июня 2013 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
Разработка технологических решений космического
геоэкологического мониторинга Северных территорий
Профессор, кандидат техн. наук И.А. Миртова, студентка А.А. Блюденова
Московский государственный университет геодезии и картографии
8 (499) 267-2618
Аннотация. Рассматриваются некоторые результаты полевых наблюдений и камерального дешифрирования динамики взаимодействия природных и антропогенных объектов по аэро- и космическим
снимкам на территорию лицензионного участка одного из крупнейших месторождений нефти в Западной Сибири для геоэкологического мониторинга.
Ключевые слова: космический геоэкологический мониторинг, северные территории, дешифрирование динамики природных нарушений
Abstract. Some results of field observations and laboratory deciphering of the dynamics of the interaction
of natural and man-made objects are considered. The data is analysed from aerial and satellite imagery in the
licensed area of one of the largest oil fields in Western Siberia for geo-ecological monitoring.
Keywords: Space geo-ecological monitoring, the northern territories, deciphering of the dinamic of natural
disturbances
воздействия, о существующих и возможных
его последствиях. Основная часть принятия
решений осуществляется методами экологического мониторинга.
Задачи экологического мониторинга:
систематическое наблюдение за состоянием
экосистемы и техногенным воздействием на нее;
Для обеспечения экологической безопасности необходима эффективная система комплексного управления. При этом процессы
принятия решения должны опираться на достоверную и своевременную информацию о
состоянии природной среды, природно-ресурсного потенциала, источников антропогенного
53
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
анализ и обобщение полученных в результате измеренных данных;
оценка происходящих перемен и прогноз
последствий.
Для экологического мониторинга и картографирования состояния природно-техногенных комплексов целесообразно использовать
различные типы материалов дистанционного
зондирования. Методы ДЗЗ позволяют собирать данные об опасных и труднодоступных
районах. Данные с орбитальных платформ,
полученные из различных частей электромагнитного спектра в сочетании с наземными
данными, представляют информацию для контроля тенденций проявления долгосрочных и
краткосрочных явлений — природных и антропогенных.
Интерпретацией ДЗЗ и наземных данных
являются географические информационные
системы (ГИС), которые, в свою очередь, отражают общую тенденцию привязки экологических данных к пространственным объектам.
Проблеме образования нарушенных земель
в нефтедобывающих регионах севера Западной
Сибири всегда уделялось особое внимание.
Сложному комплексу работ, проводимых при
создании инфраструктуры нефтедобывающего
производства, а также в период эксплуатации
месторождений, сопутствует разностороннее негативное воздействие на окружающую среду [1].
Целью данного исследования являлась
разработка рекомендаций для инвентаризации природных и антропогенных объектов на
территории лицензионного участка по результатам дешифрирования разновременных космических снимков высокого и сверхвысокого
разрешения. Лицензионный участок — это
территория, ограниченная географическими
координатами, на которой лицензией закреплен тот или иной вид хозяйственной деятельности.
При оценке нарушенных земель и построении карт были использованы лицензионные программные продукты: MS Office 2007,
ArcGis 9.
Основные поставленные задачи:
анализ разновременных космических и аэрофотоснимков визуальным методом дешифрирования на мониторе компьютера с использованием программного пакета ArcGis 9;
выявление и регистрация нарушений природной среды, основных источников нарушений по материалам аэрокосмических съемок и
полевых наблюдений, характеристика степени
нарушений;
создание базовых карт для визуализации и
определения степени нарушенности природных ландшафтов.
Территория исследованного лицензионного участка расположена в Ханты-Мансийском
автономном округе, находится в пределах
Среднеобской низменности — крупной морфоструктуры центральной части ЗападноСибирской равнины.
Анализ хода развития (динамики) природных условий и ресурсов Среднеобской
низменности с выявлением диаметрально
противоположных показателей в динамически
разнозначных районах позволил выявить следующие изменения природных объектов в ходе
естественного развития:
увеличение площадей выпуклых грядово-мочажинных болот (на плоских и слабонаклонных участках равнины);
заболачивание лесов, образование островов леса;
увеличение площадей лесов на дренированных склонах междуречий;
осушение и сокращение площадей болот,
развитие лесной растительности;
сокращение площади водной поверхности
крупных озер (в районе денудации);
осушение вторичных озер на болотах;
изменение конфигурации русел рек (положение береговой линии) [2].
Освоение месторождения нефти происходит с изъятием из природной среды почвенных,
лесных и минеральных ресурсов. На различных
этапах добычи, подготовки и транспортировки
нефти формируются разнообразные источники
выбросов в атмосферу и нефтепромысловые отходы, загрязняющие окружающую природную
среду. Загрязнение атмосферы, водных объектов, почв и грунтов в процессе нефтедобычи
происходит в основном при аварийных ситуациях, при нарушении герметичности технологического оборудования и трубопроводов. Прямо и
опосредованно все источники загрязнений влияют на атмосферу, водные объекты, почвы, растительность, животное население и природные
54
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
комплексы. Комплекс объектов нефтепромысла
в качестве площадных, линейных и точечных
источников влияния оказывает многофакторное техногенное воздействие на окружающую
среду, обусловливая разнообразные изменения
природных компонентов и комплексов на территории месторождения. Техногенные объекты
нефтегазопромыслового комплекса при этом являются основными объектами изучения и картографирования, так как именно они оказывают
наиболее существенное воздействие на все компоненты природной среды [3].
По характеру воздействия на природную
среду и его пространственному охвату техногенные объекты и объекты инфраструктуры
подразделяются на:
линейно-очаговые, что характерно для стадии поисково-разведочных работ (разведочные
скважины, просеки геофизических профилей,
тракторные дороги−зимники);
локального площадного воздействия на
стадии эксплуатации месторождений (кусты
скважин, промплощадки, карьеры и т.д.);
линейного воздействия вдоль основных
транспортных коммуникаций: дорожной сети,
внутрипромысловых и магистральных трубопроводов, ЛЭП и т.д.
Для управления в области охраны и восстановления земель требуется изучение компонентов структуры нарушенных и загрязненных
земель, приведенных в таблице.
Большинство перечисленных техногенных
объектов и объектов инфраструктуры обладают высокой степенью различимости и идентификации на материалах космофотосъемки. Они
характеризуются прямыми дешифровочными
признаками, позволяющими уверенно опознавать их на космофотоснимке. Среди этих
признаков основными являются геометрическая форма и тон изображения. Достоверность
распознавания и идентификации объектов по
функциональному признаку зависит практически только от масштаба и разрешающей способности используемых материалов.
Для выявления техногенных объектов и
объектов инфраструктуры наиболее информативными являются композитные изображения, составленные из зональных изображений видимых каналов съемки (0,45−0,515;
0,525−0,605; 0,63−0,69 мкм), которые наиболее информативны с точки зрения дешифрирования нарушенных земель. Использование
метода повышения разрешения изображения
за счет слияния композитного изображения
видимых каналов с данными панхроматического канала позволяет увеличить разрешение
результирующего изображения в два раза (синергизм RapidEye и WorldView-1 2010 г.).
Для оценки динамики антропогенных нарушений на космическом снимке Landsat-7
2000 г. на территории месторождения были выбраны и изучены по разновременным снимкам
Классификатор антропогенных объектов и природных нарушений
Антропогенные объекты
Кустовые площадки скважин, разведочные скважины, промплощадки различного назначения
Природные нарушения
Нарушение растительного покрова
Карьеры по добыче строительных
материалов
Причины природных нарушений
Снятие верхнего слоя грунта, создание
насыпного основания
Складирование песка (гидроотвалы)
Зимники, геофизические профиля,
линии электропередач, автомобильные
дороги
Нарушение лесного растительного покрова
Сведение естественного лесного покрова
Магистральные и внутрипромысловые
трубопроводы высокой пропускной
способности
Заболачивание и искуственное подтопление, протаивание грунта, поверхностное нефтяное загрязнение, загрязнение минерализованными пластовыми
водами, загрязнение береговой линии,
загрязнение водной поверхности, накопление нефтепродуктов в донных
отложениях, деградация леса
Коррозия металла, плохая герметичность, разрушение трубопроводов
Образование ореолов поверхностного
нефтяного загрязнения, протаивание
грунта
Конденсация продуктов сгорания
Насосные станции
Шламовые амбары
Сливы загрязняющих веществ
Факельные хозяйства
55
Дефекты оборудования
Нарушение обваловки
Переполнение резервуаров, нарушение
технологических регламентов
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
10 тестовых участков. Тематическое дешифрирование для геоэкологического мониторинга выполнялось по аэрофотоснимкам 1999 г. и
космическим снимкам 2008, 2010 и 2011 гг. и
выявило следующие объекты.
1. Техногенные объекты, созданные преимущественно на насыпном основании или
методом зачистки, к которым относятся кустовые площадки скважин, разведочные скважины, промплощадки различного назначения,
уверенно дешифрируются в виде пятен резко
осветленного тона с геометрически правильными ограничениями прямоугольной или квадратной формы и подходящей к ним сетью
автодорог. При дешифрировании они выделяются не только по границам производственной
площади. Отдешифрированный контур техногенного объекта в данном случае включает в
себя всю площадь нарушенного естественного
ландшафта, т.к. дешифрируется интегральный
контур, включающий отсыпку основания и
шлейф грунта отсыпки, оползающего и растаскиваемого в результате производственной
деятельности.
2. Кустовые площадки скважин различного
назначения (эксплуатационные, нагнетательные) уверенно дешифрируются в виде пятен
интенсивно осветленного тона с геометрически правильными ограничениями прямоугольной или квадратной формы и, как правило, подходящей к ним сетью трубопроводов. Резкое
осветление тона изображения обусловлено
наличием на площадке полностью нарушенного почвенно-растительного покрова. Одним
из характерных признаков функционирующей
площадки скважин является наличие шламового амбара.
3. Шламовые амбары, расположенные в
пределах буровых площадок, оснований кустов
эксплуатационных и разведочных скважин или
в непосредственной периферии от них, уверенно выделяются по геометрически правильным
контурам обваловки и наличию зеркала воды
или нефтяного шлама, заполняющих шламовые амбары функционирующих скважин.
4. Площадки разведочных скважин отличаются от кустовых оснований, как правило,
меньшими размерами и формой, которая не
имеет столь правильных геометрических ограничений и приближается к изометричной, что
является характерным индикационным признаком. На них могут сохраняться отдельные
мелкие участки угнетенного растительного
покрова. Как правило, к ним подходит только
одна дорога или даже зимник и отсутствуют
трубопроводы.
5. Промплощадки различного назначения,
входящие в состав обустройства действующих
месторождений нефти и газа, включающие
компрессорные и дожимные насосные станции, сборные пункты нефти и газа, установки
комплексной подготовки и др., дешифрируются в виде значительных по площади участков
относительно правильной геометрической
формы осветленного тона изображения.
6. Факелы сжигания попутного газа выделяются по правильной кольцевой обваловке
факельного хозяйства, по характерному языку огня и иногда наличию дымового шлейфа.
Вокруг факела формируется ореол загрязнения за счет конденсации продуктов неполного
сгорания углеводородов. Степень загрязнения
уменьшается к периферийным частям ореола.
На изображении ореол загрязнения выглядит
аналогично участкам поверхностного нефтяного загрязнения.
7. Карьеры по добыче строительных материалов уверенно дешифрируются на материалах аэрокосмической съемки в виде интенсивно осветленных тоновых аномалий
изотермичной формы. Отработанные карьеры,
как правило, заполнены водой с образованием
водоема на дне. Карьерам, как правило, сопутствуют гидроотвалы, представляющие собой
специфические техногенные новообразования
рельефа, образующиеся при добычи и складировании песка. На месте бывших карьеров и
гидроотвалов образуются значительные площади нарушенных земель, лишенных растительного покрова.
8. Среди линейных объектов наиболее четкими дешифровочными признаками характеризуются автомобильные дороги как с твердым
покрытием, так и грунтовые, проложенные на
насыпном основании. На материалах спектрозональной аэросъемки автомобильные дороги
с твердым покрытием идентифицируются по
наличию темной полосы — асфальтового покрытия, которое хорошо контрастирует с грунтовой дорожной отсыпкой светло-серого тона.
56
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Грунтовые дороги с насыпным основанием
изображаются в виде интенсивно осветленной
линейной аномалии.
9. Трубопроводы различного назначения –
магистральные и нефтесборные, газопроводы,
водоводы, продуктопроводы — опознаются по
косвенным признакам в виде полос регенерированной растительности и по наличию полос
разреженной растительности, отличающихся от окружающего растительного покрова.
Зачастую они пространственно сопряжены с
дорожными насыпями, располагаются в непосредственной близости от полотна дороги и
идут параллельно ей. На заболоченных участках, в мохово-торфяной подушке следы трубопроводов могут выделяться фрагментарно.
Типичные нарушения природной среды,
связанные с деятельностью нефтепромыслового комплекса, такие как нефтяное загрязне-
а
ние, искусственное подтопление и заболачивание, характеризуются меньшей степенью
различимости и распознавания по сравнению
с техногенными объектами. Они зачастую не
обладают прямыми дешифровочными признаками и могут выявляться в значительной
мере опосредствованно по косвенным ландшафтно-индикационным признакам или по
сочетанию комплекса косвенных признаков.
Участки нефтяного загрязнения распознаются по выраженному цветовому тону и рисунку
изображения. Площади солевого загрязнения,
искусственного подтопления и заболачивания
дешифрируются менее уверенно и характеризуются вариациями индикационных характеристик.
Поверхностное нефтяное загрязнение выявляется достаточно уверенно в виде аномалий
с цветовым тоном от насыщенного темно-зеле-
б
в
Рис. 1. Степень загрязнения
земельных участков с поверхностным нефтяным загрязнением:
г
д
57
— сильное;
— умеренное;
а — АФС 1999 г.; б — QuickBird 2008 г.;
в — ЗЗУ QuickBird 2010 г.;
г — ЗЗУ WordView-2 2010 г.;
д — карта ЗЗУ (
— автодорога
без покрытия (улучшенная грунтовая
дорога);
— нефтепровод
подземный;
— трубопровод
подземный)
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
а
б
в
Рис. 2. Выявление участков погибшего леса:
— умеренное;
— слабое;
— допустимое остаточное;
а — АФС 1999 г.;
б — WordView-1 2010 г.;
в — WordView-2 2011 г.;
г—;
д — карта участка погибшего леса
(
— погибший лес;
— земельные участки с солевым загрязнением;
г
д
ного в центральных частях и участках, примыкающих к источнику загрязнения, до зеленого
и осветленного зеленовато-серого в периферийных частях, что коррелируется со степенью загрязнения от сильного до умеренного и
слабого. Следует сразу отметить, что цветовые
характеристики нефтяного загрязнения в данном случае носят до некоторой степени условный характер. Они обусловлены конкретным
подбором оптимального сочетания каналов
космического снимка, которые обеспечивают
наиболее контрастные цветовые сочетания для
индикации поверхностного нефтяного загрязнения и его наибольшую дифференциацию на
данной площади.
Для решения этой задачи наиболее информативны композитные изображения, составленные по данным теплового, красного
и инфракрасного каналов съемки (10,4−12,5;
— покрытие
сплошным слоем нефти)
1,55−1,75; 0,63−0,69 мкм). Участки поверхностного нефтяного загрязнения в виде ярких
аномалий розовато-красного цвета выделяются преимущественно за счет температурных
контрастов загрязненных и «чистых» участков
подстилающей поверхности, зарегистрированных в тепловом канале съемки. Интенсивность
тона видеоинформационных аномалий отвечает сильной или умеренной степени нефтяного
загрязнения (рис. 1).
Cолевое загрязнение минерализованными пластовыми водами в отличие от нефтяного распространяется значительно дальше
от места разлива, поражая растительность на
больших территориях. Это обусловлено значительными площадями солевого загрязнения.
Основным индикатором солевого загрязнения
является поражение растительного покрова
вплоть до полного его уничтожения и в даль58
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
а
б
в
Рис. 3. Степень загрязнения
земельных участков солевым и
нефтяным загрязнением:
— умеренное;
— слабое;
— допустимое остаточное;
а — АФС 1999 г.;
б — ЗЗУ QuickBird 2008 г.;
в — ЗЗУ WordView-1 2010 г.;
г — ЗЗУ WordView-2 2011 г.;
д — карта ЗЗУ (
— земельные
участки с солевым и нефтяным загрязнением;
г
д
нейшем замещение его вторичными видами
растительности (рис. 2, 3).
Водные объекты с нефтяным загрязнением
выделяются на снимке по пространственному
сопряжению с участками нефтяного загрязнения, располагающимися в береговой черте и
имеющих непосредственный выход в акваторию водоемов, русел рек и ручьев, где происходит накопление нефтепродуктов в донных
осадках и миграция нефтепродуктов. На замкнутых водных объектах — озерах, мочажинах
нефтяное загрязнение индицируется варьирующей по ширине каймой по цвету и рисунку
изображения аналогичной сильному поверхностному загрязнению (рис. 4).
Участки погибшего леса распространены на территории залесенных частей лицензионного участка и фиксируются на снимках
пятнами с хорошо выраженными дешифро-
— покрытие сплошным
слоем нефти)
вочными признаками. Погибший лесной подрост, подлесок и кустарник, которые имеют
незначительное проективное покрытие при
дешифрировании не могут быть однозначно
идентифицированы. Границы участков в большинстве случаев четкие, реже — при переходе
в кустарники, имеет относительно широкую
переходную зону. Причины гибели леса могут
быть названы после тщательного анализа совокупности всех процессов, которые распространены на территории лицензионного участка. По предварительным данным, чаще всего,
участки погибшего леса приурочены к зонам
загрязнения и подтопления. Это дает возможность предполагать, что в этих случаях причиной гибели леса являются разливы нефти и
нарушение гидрологического режима.
Возрастающие требования к эффективности, надежности и экологической безопасно59
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
а
б
в
Рис. 4. Степень загрязнения водных
объектов:
— умеренное;
— слабое;
— допустимое остаточное;
а — ЗВО АФС 1999 г.;
б — ЗВО QuickBird 2008 г.;
в — ЗВО WordView-2 2010 г.;
г — ЗВО WordView-2 2011 г.;
д — карта ЗВО; (
— береговая
— поверхность воды;
линия;
— водные объекты;
— участки с солевым и нефтяным
загрязнением;
г
сти техногенных объектов на территории лицензионного участка вынуждают обращаться к
новым компьютерным технологиям, позволяющим улучшить качество обработки и анализа
информации, в том числе и аэрокосмической,
и возможности принятия на этой основе более
обоснованных решений.
Объекты нефтяной промышленности (трубопроводы, скважины и т.д.) представляют
собой пространственно-распределенные системы с географической привязкой. Для решения задач оперативного пространственно-временного анализа их состояния и обоснования
управленческих решений перспективно применение геоинформационных технологий и
создание геоинформационных систем (ГИС).
д
— покрытие сплош-
ным слоем нефти)
с государственным заданием Министерства образования и науки Российской Федерации по
выполнению услуг (выполнение работ по теме
«Разработка теоретических и технологических
решений космического геоэкологического мониторинга территорий Российской Федерации».
Регистрационный номер 5.498.2011).
Литература
1. Атлас «Космические методы геоэкологии» / Под редакцией В.И. Кравцовой. М.: Географический ф-т МГУ, 1998.
2. Орлов В.И. Анализ динамики природных условий и ресурсов. –М.: Наука, 1975. –265 с.
3. Дмитриева А.А. Картографирование нарушенных и загрязненных земель по материалам аэрокосмических съемок на
месторождениях углеводородов // Землеустройство, кадастр и
мониторинг земель.− 2008.−№5.
Принята к печати 1 октября 2012 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
Исследование проводилось в рамках проекта, выполняемого МИИГАиК в соответствии
60
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Метод прогнозирования урожайности по космическим
наблюдениям за динамикой развития вегетации
Академик РАН, доктор техн. наук В.Г. Бондур1,
ст. научный сотр., кандидат техн. наук К.Ю. Гороховский1, аспирант В.Ю. Игнатьев1,3,
ст. научный сотр., кандидат техн. наук А.Б. Мурынин1,2, мл. научный сотр. Е.В. Гапонова1
1
Научно-исследовательский институт аэрокосмического мониторинга «АЭРОКОСМОС», Москва
2
Вычислительный центр РАН
3
Московский физико-технический институт
[email protected]; [email protected]
Аннотация. Предлагается метод прогнозирования урожайности почв на основе анализа динамики
вегетационных индексов, определяемых по многоспектральным космическим изображениям. Приводятся и анализируются результаты исследований по прогнозированию урожайности различных сельскохозяйственных культур в различных регионах России. Проводится сравнение двух предлагаемых
моделей плодородия почв. Формулируются направления дальнейших исследований по улучшению
точности и общности разработанных методов прогнозирования урожайности на основе результатов
космического мониторинга.
Ключевые слова: дистанционное зондирование, космический мониторинг, почва, прогнозирование
урожайности, множественная линейная регрессия, вегетационные индексы
Abstract.The method of forecasting soils’ productivity using vegetation indices that are defined based on
multi-spectral space images is suggested. The results of computational experiments are analyzed for different
crops and different regions. Two models of soil fertility, that were figured out during the work, are compared.
Directions of the future investigations providing improvement in accuracy and generality of resulted methods
of yield forecasting are stated.
Keywords: remote sensing, satellite monitoring, soil, yield forecasting, multiple linear regression, vegetation indices
Введение. Спутниковые методы прогнозирования урожайности являются наиболее
перспективными среди других методов в связи с их объективностью, оперативностью,
возможностью охвата больших территорий.
Использование результатов прогнозирования
урожайности на основе спутниковых данных
наряду с результатами, полученными другими
методами, позволяет повысить качество прогнозов и их заблаговременность [1].
За последнее десятилетие сформировалось
несколько методов и подходов прогнозирования урожайности сельскохозяйственных культур, основными среди которых являются:
метод анализа тренда и цикличности в динамичности урожайности;
метод, основанный на выявлении года-аналога;
моделирование прироста биомассы растений;
метод, основанный на анализе синоптических процессов;
регрессионный метод с использованием
спутниковых данных.
Подход, основанный на регрессионном
анализе, при наличии достаточно протяжен-
ного ряда качественных спутниковых данных
позволяет получить хорошие результаты [2]. В
настоящее время работы по развитию данного
подхода и анализу возможностей его применения для прогнозирования урожайности различных культур ведутся достаточно активно.
Из результатов исследований, приведенных
в работах [2–6], годичные колебания урожайности достаточно точно предсказываются вегетационными индексами во время вегетационного
сезона, в течение которого максимально проявляются все жизненные процессы растений.
Общие концепции, примененные для построения моделей плодородия. В основу модели
плодородия положена гипотеза о том, что урожай
зависит от показателей вегетационного индекса
(набора индексов) в течение вегетативного сезона.
Для любого участка с посевами эти значения имеют различную предикативную силу в зависимости от календарной даты, сельскохозяйственной
культуры и особенностей исследуемого региона.
Построение математически достоверной модели
для региона в целом, дает возможность детализировать результаты прогноза для конкретного
участка вплоть до разрешающей способности вычисленных карт используемого индекса.
61
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
оне за счет применения подходов комплексной
многопараметрической обработки временных
серий данных ДЗЗ.
В основе этих моделей плодородия лежит
зависимость между состоянием растительности в вегетационный период и собранным
урожаем. Другими словами, если состояние
растительности хорошее на протяжении всего
периода роста, то вероятность получить хороший урожай увеличивается. В том же случае,
если в какой-либо промежуток произрастания
состояние растительности отклонилось в сторону ухудшения, то вероятность получить хороший урожай уменьшается.
В качестве вегетационного индекса используется индекс NDVI, расчет которого базируется на двух наиболее стабильных (не
зависящих от прочих факторов) участках
спектральной кривой отражения сосудистых
растений [9–11]. В красной области спектра
(0,6–0,7 мкм) лежит максимум поглощения
солнечной радиации хлорофиллом высших сосудистых растений, а в инфракрасной области
(0,7–1,0 мкм) находится область максимального отражения клеточных структур листа.
Высокая фотосинтетическая активность (связанная, как правило, с густой растительностью) ведет к меньшему отражению в красной
области спектра и большему в инфракрасной.
Отношение этих показателей друг к другу позволяет четко отделять и анализировать растительные от прочих природных объектов [3–5].
При этом использование нормализованной разности между минимумом и максимумом отражений увеличивает точность измерения, позволяет уменьшить влияние таких явлений как
различия в освещенности снимка, облачности,
дымки, поглощение радиации атмосферой и пр.
Связь вегетационных индексов, измеряемых по мультиспектральным изображениям, с
продуктивностью растений достаточно хорошо изучена [2, 11]. Наличие значительной корреляции между первичной продуктивностью
биомассы (NPP) и измеренными значениями
вегетационного индекса можно проиллюстрировать показанной на рис. 1 зависимостью [11].
Разработанный метод можно описать следующим образом. Урожай определенной культуры на заданной территории должен достаточно достоверно предсказываться функцией,
параметрами которой являются усредненные
В качестве примера использования вегетационного индекса рассмотрим индекс NDVI, который
является одним из наиболее распространенных
индикаторов роста и плотности растительности,
рассчитываемых по данным ДЗЗ [1–6]. Для вычисления этого индекса используется следующая формула: NDVI = R2 –R1/ R2 + R1, где R2 — значение отражения в ближней инфракрасной области спектра;
R1 — значение отражения в красной области спектра. Согласно этой формуле, плотность растительности (NDVI) в определенной точке изображения
равна разнице интенсивностей отраженного света
в красном и инфракрасном диапазоне, деленной
на сумму их интенсивностей. Индекс NDVI удобен с практической точки зрения еще и тем, что он
свободно доступен в форме безоблачных композитов за продолжительное время [7].
Подход к решению задачи прогнозирования
урожайности заключается в построении модели плодородия на основе космических данных
и применении различных методов оптимизации с использованием набора предикторов, полученных в результате компьютерного анализа
мультиспектральных изображений из космоса.
Предложенный подход предусматривает также
дальнейшее расширение и уточнение модели
по мере накопления статистических данных об
урожайности прошлых лет для различных областей Российской Федерации [8].
Ниже приводятся результаты вычислительных экспериментов, основанных на использовании методов множественной линейной и
нелинейной регрессий, с целью прогнозирования урожайности сельскохозяйственных культур для различных территорий. На основании
проведенного исследования анализируются
погрешности осуществляемого прогноза и
возможности расширения области применения
полученной модели для прогнозирования урожайности сельскохозяйственных культур.
Используемые модели плодородия. Рассмотрим несколько линейных моделей прогнозирования урожайности в порядке увеличения
сложности:
глобальная линейная модель (ГЛМ);
линейная модель для отдельных областей
(ЛМО).
Каждая из предложенных моделей использует данные композитных вегетационных
индексов для прогнозирования урожаев зерновых, овощей и картофеля в заданном реги62
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
(по этой территории) значения вегетационных
индексов в течение роста и созревания сельскохозяйственной культуры. Чем полнее история изменения индексов, тем точнее можно
предсказывать урожай.
В настоящей работе решается задача предсказания урожая текущего года на основе набора вегетационных индексов, накопленных за
фиксированный период с текущего года от начала вегетации.
Модель урожайности в общей формулировке выглядит как:
NPP
R2=0,86
=
ykr fkr (v(t ), v(t + 1), v(t + 2), ),
где ykr — прогнозируемое значение урожайности
на окончание текущего сезона для территориального региона r и сельскохозяйственной культуры
k; fkr — искомая функция прогноза урожайности
для региона r и сельскохозяйственной культуры
k; v(t) — значение вегетационного индекса для
данного участка посевов, время t отсчитывается
от начала измерений в текущем периоде вегетации, при этом t+1, t+2 … соответствует дискретным моментам времени измерений, проводившихся в течение этого периода.
В качестве единицы регионального деления выбраны административные области.
Такой выбор обусловлен структурой информации об урожайности за предыдущие годы
по отдельным культурам, которая официально предоставляется службой государственной
статистики Российской Федерации и находится
в открытом доступе [8]. Наличие этой информации позволяет настроить свободные параметры модели на конкретный регион и сельскохозяйственную культуру в процессе обучения.
Среднее значение урожайности по административной области выглядит следующим образом:
ykr
region
=
∑ ∑f
region
kr
NDVI
Рис. 1. Зависимость первичной продуктивности биомассы (NPP) от измеренных значений индекса NDVI
вычисляется по формуле
region
=
(2)
region
Поскольку на имеющихся в наличии данных статистики вариативность изменений
урожая по отношению к их величине мала, то
после разложения предложенной модели в ряд
Тейлора, основной вклад в точность прогноза будут давать линейные члены. В качестве
упрощения нелинейными членами более высоких порядков можно пренебречь. В этом случае модель становится линейной, т.е. fkr представляет собой линейную комбинацию от v(t):
y=
kr
T
∑α
t =1
kr
(t ) v(t ), (3)
формула (1) принимает следующий вид:
(v(t , i, j ), v(t + 1, i, j ), v(t + 2, i, j ),) s(i, j )
∑ ∑ s(i, j )
v(t )
∑ ∑ v(t , i, j )s(i, j )
.
s
(
i
,
j
)
∑∑
region
T
∑ ∑∑ α (t )v(t , i, j ) s(i, j )
=
∑ ∑ s(i, j )
, (1)
.
region
t =1
kr
yk region
=
s(i, j) — площадь пикселя, имеющего коордиregion
наты (i, j).
В процессе обучения идет настройка мо∑ ∑ v(t , i, j ) s(i, j )
T
дели и определяется конкретный вид функций
region
=
α jk
=
∑
fkr для каждой области и сельскохозяйственной
s (i, j )
t =1
∑
∑
культуры.
region
Обозначим среднее значение вегетационT
= ∑ α kr (t ) v(t ) region ,
ного индекса по области в момент времени t
(4)
t =1
как v(t ) region . Среднее значение v по области
region
63
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
где αkr — параметры модели для времени t от
начала периода вегетации, территориального
региона r и сельскохозяйственной культуры k,
определяемые посредством многопараметрической линейной регрессией.
Для прогнозирования урожайности текущего года используются изображения, соответствующие месяцам этого года, предшествующим началу сбора урожая, а также параметры
модели, полученные при обучении (настройке
модели), по данным нескольких предшествующих лет.
Для настройки модели используются следующие данные:
наборы мультиспектральных космических
изображений за несколько лет для исследуемых областей;
статистические данные об урожайности,
полученные из официальной статистики.
На основании имеющихся данных уточняются коэффициенты модели урожайности
для различных сельскохозяйственных культур
заданных областей. Настроенная таким образом модель может использоваться не только
для предсказания по региону в целом, но и для
участков внутри административной области,
таких как отдельные хозяйства. Для этого значения v(t) усредняются для заданного участка
и подставляются в формулу:
ykr
n
∑α
=
area
j =1
jk
v(t )
area
.
чение вегетационного индекса для отдельно
взятой области Российской Федерации; αk(t) —
настраиваемые параметры модели для времени t от начала периода вегетации.
Параметры модели настраиваются на основе исторических данных об урожайности и
соответствующих исторических значениях вегетационного индекса. Подстройка параметров
модели осуществляется с помощью линейной
регрессии.
Особенности линейной модели отдельных областей (ЛМО). В том случае если предположение о минимальных различиях между
рассматриваемыми областями неверно, необходимо возвратиться к более полной модели,
описанной в формуле (4), а именно:
y=
rk
T
∑α
t =1
k
(t ) v(t ) r , T
∑α
t =1
rk
(t ) v(t ) r , (7)
где αrk(t) — параметры модели, которые теперь
меняются не только от времени года t, культуры к культуре k, но и от области к области r.
Изменения параметров в зависимости от области должны учитывать не только изменения в
составе почвы, а и средние климатические условия в этом регионе. Остальные переменные
в этой формуле уже были описаны ранее.
Преимущество этой модели заключается
как раз в том, что выбранная формула позволяет тоньше настраивать параметры модели
под особенности конкретной области. Среди
недостатков этой модели следует отметить тот
факт, что настройка параметров требует гораздо больше исходных данных для обучения [12].
Описание процесса настройки моделей.
Подстройка параметров выбранных моделей
производилась с использованием композитных
индексов NDVI за период с 2000 по 2009 гг.
При подготовке исходных данных использовались шестнадцатидневные композитные изображения с разрешением 250 м, полученные со
сканера MODIS (спутник TERRA), за период в
10 лет.
Данные об урожайности за указанный промежуток времени были получены с интернет
сайта Федеральной службы государственной
статистики [8]. Настройка производилась для
трех групп сельскохозяйственных культур:
пшеница, картофель, овощи. Всего в эксперименте использовались данные по 14-ти региональным образованиям Российской Федерации:
(5)
Использование локальных значений индекса позволяет сделать еще более точный
прогноз, чем прогноз по региону в целом.
Особенности глобальной линейной модели (ГЛМ). Предположим, что почвенно-климатические характеристики мало изменяются
для рассматриваемых областей Российской
Федерации. При этом модель плодородия
упрощается и становится одинаковой для рассматриваемых областей. Она будет выглядеть
как:
y=
rk
(6)
где k — индекс указывающий на сельскохозяйственную культуру; r — индекс указывающий на область Российской Федерации;
ykr — оценка урожайности для данной области
(r) и культуры (k); v(t ) r — усредненное зна64
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Московской области; Воронежской области;
Владимирской области; Ивановской области;
Нижегородской области; Чувашской республики; Мордовской республики; Рязанской
области; Тульской области; Орловской области; Курской области; Тамбовской области;
Липецкой области; Пензенской области.
Общая схема настройки метода прогнозирования урожайности по многоспектральным
изображениям с помощью многомерной линейной регрессии представлена на рис. 2.
В предлагаемых моделях в качестве компонентов вектора признаков v использовались
усредненные по области значения вегетационного индекса. В качестве информативных
использованы изображения, полученные за
период времени шесть месяцев, которые предшествуют началу сбора урожая (февраль, март,
апрель, май, июнь, июль).
Анализ результатов прогнозирования
урожайности. Все множество исходных данных было разбито на два: обучающие и тестовое. Ввиду малого количества исходных данных в качестве проверочного множества были
выбраны данные по урожайности для всех
14-и рассмотренных областей для трех культур за 2009 г. Данные за остальные годы использовались для настройки модели. Ниже
приведены результаты настройки модели и
прогнозирования урожайности для трех групп
культур — овощей, зерновых и картофеля.
Относительные погрешности прогнозов сведены в табл. 1–3. Каждая таблица содержит
Получение композитных
изображений индекса
NDVI со сканера MODIS
Расчет предикторов по
полученным изображениям (средние значения
NDVI по областям)
Формирование
предиктивной матрицы
в зависимости
от выбранной модели
Вычисление параметров
модели плодородия
(настройка модели)
Прогноз урожайности
для выбранного
тестового года
Рис. 2. Метод прогнозирования урожайности по
многоспектральным космическим изображениям с
помощью многомерной линейной регрессии
результаты измерений и прогнозов по данным
ГЛМ и ЛМО для отдельной культуры.
Как видно из табл. 1 прогнозы, полученные с использованием модели ГЛМ лучше согласуются с экспериментальными данными,
чем прогнозы, полученные с использованием
модели ЛМО. В условиях принятых предположений для рассмотренных моделей этот факт
свидетельствует о недостаточном количестве
статистических данных, использованных при
обучении модели.
Модель ЛМО могла бы показать лучшие
результаты прогнозирования в том случае, если было бы доступно больше данных для ее
настройки. В данный момент из-за ограниченного количества экспериментальных данных
число свободных параметров модели сопоставимо с количеством измеренных случаев. В
этом случае происходит переобучение модели,
что отрицательно сказывается на ее предсказательных свойствах [12].
Таблица 1
Результаты прогноза урожая пшеницы для 2009 г
Прогноз
Измерения,
ц/га
ГЛМ
ЛМО
28,30
26,50
23,30
19,20
24,40
23,10
29,60
30,40
28,40
30,60
30,90
27,50
35,70
20,30
21,52
22,82
20,58
21,50
18,09
19,36
19,63
20,77
22,21
22,03
23,41
21,98
21,82
21,26
15,42
22,65
20,70
12,58
17,09
14,15
18,71
21,29
24,99
25,95
22,46
14,27
27,88
15,69
Среднеквадратичное отклонение, %
23,70
30,10
Средняя арифметическая погрешность, %
21,90
27,70
Регион
Московская обл.
Воронежская обл.
Владимирская обл.
Ивановская обл.
Нижегородская обл.
Чувашская респ.
Мордовская респ.
Рязанская обл.
Тульская обл.
Орловская обл.
Курская обл.
Тамбовская обл.
Липецкая обл.
Пензенская обл.
Получение
cтатистических данных
об урожайности культур
для различных областей
страны
65
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Таблица 3
Таблица 2
Результаты прогноза урожая картофеля для 2009 г.
Результаты прогноза урожая овощей для 2009 г.
Код
региона
Измерения,
ц/га
Регион
ГЛМ
ЛМО
175,85
154,25
184,76
173,21
191,51
180,92
177,53
169,41
154,20
149,13
151,68
157,86
152,45
170,28
233,29
125,07
143,54
193,57
195,61
148,26
122,00
153,43
220,67
192,97
137,97
171,98
115,25
153,56
Среднеквадратичное отклонение, %
20,10
15,10
Средняя арифметическая погрешность, %
15,30
12,90
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Московская обл.
Воронежская обл.
Владимирская обл.
Ивановская обл.
Нижегородская обл.
Чувашская респ.
Мордовская респ.
Рязанская обл.
Тульская обл.
Орловская обл.
Курская обл.
Тамбовская обл.
Липецкая обл.
Пензенская обл.
297,00
155,00
181,00
216,00
243,00
206,00
130,00
174,00
228,00
184,00
153,00
178,00
141,00
160,00
Код
региона
Прогноз
50
40
30
20
10
10
б
Рис. 3. Среднеквадратичное отклонение σ при прогнозе урожайности разных культур для глобальной
линейной модели (а) и линейной модели отдельных
областей (б):
— овощи;
ЛМО
182,00
123,00
142,00
137,00
145,00
164,00
142,00
150,00
152,00
123,00
136,00
120,00
120,00
126,00
133,19
120,85
136,31
131,51
131,06
125,87
127,78
130,49
127,04
119,45
120,56
125,50
123,20
131,48
117,34
128,38
133,19
152,56
116,35
171,98
109,00
154,72
171,34
126,64
130,77
115,17
102,77
133,60
Среднеквадратичное отклонение, %
12,30
14,30
Средняя арифметическая погрешность, %
9,60
10,90
Московская обл.
Воронежская обл.
Владимирская обл.
Ивановская обл.
Нижегородская обл.
Чувашская респ.
Мордовская респ.
Рязанская обл.
Тульская обл.
Орловская обл.
Курская обл.
Тамбовская обл.
Липецкая обл.
Пензенская обл.
пользовании ГЛМ модели точность выше для
прогнозирования урожайности картофеля и
пшеницы, а ЛМО дает лучшую точность прогноза урожайности овощей. На рис. 4 показаны примеры прогнозов и официальные данные
статистики для рассмотренных регионов за
2009 г.
Анализируя результаты прогнозов урожайности, представленные в табл. 2 и 3, можно
сделать следующие выводы:
предложенные методы прогнозирования
урожайности дают возможность заблаговременно предсказывать показатели урожайности
для будущего сезона при условии наличия статистических данных об урожайности за прошлые года и мультиспектральных космических
изображений для месяцев, предшествующих
началу сбора урожая;
точность прогноза урожайности обусловлена количеством статистических данных, используемых при обучении. При этом требуется
модификация моделей для обеспечения достаточной устойчивости метода при прогнозировании урожайности основных сельскохозяйственных культур для областей и регионов
Российской Федерации.
Следует выделить следующие направления для дальнейшего улучшения моделей урожайности:
добавление параметров, характеризующих
продуктивность каждого из регионов;
исследование по выявлению регулярности
полученных погрешностей прогнозирования;
σ, %
— пшеница;
ГЛМ
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Как видно из табл. 2, модель ЛМО, примененная для прогнозирования урожая овощей показывает лучшую точность, чем модель
ГЛМ, что соответствует установленным предположениям.
Результаты прогнозирования урожайности картофеля дают самую хорошую точность
в сравнении с другими культурами, но в этом
случае, так же как и в случае прогнозирования
пшеницы наблюдается эффект переобучения
модели. На рис. 3 показаны погрешности прогнозирования для рассмотренных моделей.
При комплексном сравнении моделей ГЛМ
и ЛМО на основании анализа диаграммы (см.
рис. 3), очевидно, что нет однозначного вывода
о том, какая модель дает лучший прогноз для
всех с/х культур. Из рис. 3 видно, что при ис-
а
Прогноз
Измерения,
ц/га
Регион
— картофель
66
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
расширение списка регионов, участвующих в исследовании.
Заключение. На основании результатов
проведенных вычислительных экспериментов
продемонстрирована возможность прогнозирования урожайности по многоспектральным
космическим изображениям с использованием
реальных статистических данных по урожайности для различных сельскохозяйственных
культур и разных областей страны. При этом
показано, что описанные подходы позволяют
прогнозировать урожайность пшеницы, картофеля и овощей. Проведен анализ точности
прогнозирования урожайности, который показал достоинства и недостатки предложенных
методов и моделей. В будущих исследованиях предполагается модификация построенных
моделей с целью улучшения точности и общности при прогнозировании урожайности в
рамках сформулированных направлений исследований.
U, ц/га
45
40
35
30
25
20
15
10
5
0
1
2
3
4
5
6 7 8 9 10 11 12 13 14
Код региона
а
2
3
4
5
6 7 8 9 10 11 12 13 14
Код региона
б
2
3
4
5
6 7 8 9 10 11 12 13 14
Код региона
в
U, ц/га
200
150
Работа выполнена при поддержке Минобрнауки в рамках ФЦП «Исследования и
разработки по приоритетным направлениям
развития научно-технологического комплекса
России на 2007–2013 годы».
100
50
0
ЛИТЕРАТУРА
1. Бондур В.Г., Крапивин В.Ф., Савиных В.П. Мониторинг
и прогнозирование природных катастроф. М.: Научный мир,
2009, –692 с.
2. Савин И.Ю., Барталев С.А., Лупян Е.А., Толпин В.А.,
Хвостиков С.А. Прогнозирование урожайности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы // Современные проблемы дистанционного
зондирования Земли из космоса, 2010. –Т.7. –№ 3. –С. 275–285.
3. Бондур В.Г., Чимитдоржиев Т.Н. Анализ текстуры радиолокационных изображений растительности // Известия вузов
«Геодезия и аэрофотосъемка», 2008. –№ 5. –С. 9–14.
4. Белорусцева Е.В. Мониторинг состояния сельскохозяйственных угодий Нечерноземеной зоны Российской
Федерации // Современные проблемы дистанционного зондирования Земли из космоса. 2012. –Т.9. –№1. –С. 57–64.
5. Бондур В.Г., Мурнин А.Б., Рихтер А.А., Шманьян М.А.
Разработка алгоритма оценки степени деградации почвы по
мультиспектральным изображениям // Известия ЮФУ. 2012.
–№6. –С. 130–134.
6. Savin I. Crop yield prediction with SPOT VGT in
Mediterranean and Central Asian countries. -ISPRS Archives
XXXVI-8/W48 Workshop proceedings: Remote sensing support
to crop yield forecast and area estimates. Commission VIII, WG
VIII/10. 2007. Stresa, Italy. pp.130-134.
7. U.S. Geological Survey // ftp://e4ftl01.cr.usgs.gov/MODIS_
Composites/
8. Федеральная служба государственной статистики // http://
www.gks.ru/bgd/regl/b11_14p/Main.htm.
9. Sellers, P.J. Canopy reflectance, photosynthesis, and
1
U, ц/га
350
300
250
200
150
100
50
0
1
Рис. 4. Результаты прогноза урожайности U для
пшеницы (а), картофеля (б), овощей (в) и официальные данные Росстат за 2009 г. для различных
регионов страны:
— официальные данные статистики;
— прогноз модели 5
67
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
12. Leksin V.A., Vorontsov K.V. The overfitting in probabilistic
latent semantic models // Pattern Recognition and Image Analysis:
new information technologies (PRIA-9-2008). –Vol. 1. –Nizhni
Novgorod, Russian Federation, 2008. –Pp. 393–396.
transpiration // International Journal of Remote Sensing, 6, 1335–
1372, 1985.
10. Myneni, R.B., F.G. Hall, P.J. Sellers, and A.L. Marshak. The
interpretation of spectral vegetation indexes // IEEE Transactions
on Geoscience and Remote Sensing, 33, 481–486, 1995
11. Linda B. Phillips, Andrew J. Hansen, Curtis H. Flather
Evaluating the species energy relationship with the newest
measures of ecosystem energy. NDVI versus MODIS primary
production // Remote Sensing of Environment, Volume 112, Issue
12, 4381–4392.
Принята к печати 7 января 2013 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
Космический мониторинг земель, нарушенных вследствие
возникновения пожаров, на примере территории
Ханты-Мансийского автономного округа
Доцент Л.А. Коновалов
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Рассматриваются вопросы методики обнаружения гарей по материалам космической
съемки, изменение территорий, нарушенных в результате лесных пожаров, последствия возникновения гарей. Приведена классификация гарей на примере территории Ханты-Мансийского автономного
округа. Выполнен сравнительный анализ площадей гарей по данным лесоустроительных ведомств и
материалов космических съемок.
Ключевые слова: космический мониторинг, гари, дешифрирование космических изображений, нарушенные земли
Abstract. Issues of fire-sites detection techniques based on satellite survey data are discussed along with
changes in areas disturbed by forest fires and their effects. A classification of burnt areas has been provided
and illustrated with the use of official data from Khanty-Mansi Autonomous District. A comparison of the
burnt-out areas has been done based on data from forest management authorities on one hand and satellite
surveys on another.
Keywords: satellite monitoring, fire-sites, interpretation of space imagery, disturbed land
Пожары относятся к числу значимых причин нарушенности земель, особенно территорий, покрытых лесной растительностью.
Пожары приводят не только к сокращению
площадей, занятых лесом, но и к изменению
категории земель и их качества. Земли, возникающие на месте пожаров, называются гарями.
В последние годы, особенно после пожаров
2010 г., вопросам изучения гарей уделено достаточно внимания в научных публикациях. В
этих работах приводятся различные аспекты
дешифрирования гарей по материалам космических изображений [1, 2].
Анализ
существующих
изображений
Google Earth позволяет составить следующую
классификацию гарей (рис.1).
Дешифрирование и изучение гарей проводилось на примере территории ХантыМансийского
автономного
округа-Югры
(ХМАО) по материалам космических изображений Landsat и Quick Bird. Общей особенностью отображения горельников всех категорий
является их форма. Главной ее чертой можно
назвать правильные геометрические очертания
с одной стороны и неправильные — с другой.
Это обусловлено наличием на пути пожара
таких объектов, как дороги и просеки (имеющие правильную форму), и рек, озер, болот (с
геометрически неправильной конфигурацией),
Гари
Свежие
(от 0 до 4 лет)
Старые
(от 4 до 10 лет)
С частично восстановленным
лесом
С полностью
выгоревшим
лесом
С частично
выгоревшим
лесом
С очаговым
выгоранием
Рис. 1. Классификация гарей
68
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
которые являются часто естественной преградой проникновения пожара. Другой важной
отличительной особенностью изображения
гарей является тон или цвет. На цветных синтезированных космических снимках Landsat
(ресурс Google Earth) гари свежие имеют ярко-красный цвет (рис. 2). Красным цветом показаны гари с полностью выгоревшим лесом,
серый цвет указывает на гари с частичным выгоранием леса, они отчетливо выявляются даже на мелкомасштабных изображениях и легко картографируются. На детальных снимках
Quick Bird в пределах гарей с полностью выгоревшим лесом видны отдельно стоящие «скелеты» деревьев, а общий фоновый цвет изображения — фиолетовый (рис. 3). Образование
подобных гарей происходит в результате пожаров, сопровождаемых сильными ветрами,
на сухих участках и песчаных почвах. В этой
категории нарушенных земель имеет место не
только полное исчезновение леса, но и необратимое изменение почвенного покрова. Как
правило, в таких случаях выгоранию подвергаются наиболее ценные породы деревьев с
высоким классом бонитета. На территории
ХМАО — это прежде всего сосна, ель, кедр и
лиственница. В целом, эту категорию следует
отнести к сильно нарушенным землям, восстановление которых может занять более 80 лет.
Вторая категория нарушенных земель —
это гари с частично выгоревшим лесом (не
менее 50%). На представленных мелкомасштабных и среднемасштабных космических
изображениях такие гари отличаются оттенками серого цвета (см. рис. 2). Цвет и контрастность отображения этих гарей характеризуются меньшей отчетливостью, чем предыдущей
категории нарушенных земель. Существенную
помощь в распознавании гарей второй категории может дать рисунок или иначе — структура изображения. В ней хорошо проявляется
сочетание различных цветовых оттенков от
ярко-красного до темно-красного на общем коричневато-сером фоне. Такие гари возникают в
результате низовых пожаров. Кроме того, важную роль играют географические и ландшафтные особенности нарушенной территории, такие как условия рельефа, различие в породном
составе леса, распределение рек, озер и болот.
Этот тип гарей приводит к частичному унич-
Рис. 2. Пример изображения гарей на снимках
Landsat
Рис. 3. Пример изображения гари на снимке
Quick Bird
тожению леса. Вышесказанное позволяет отнести упомянутую категорию земель к средненарушенным. На восстановление последних
потребуется меньше времени.
Категория нарушенных земель с очаговым
выгоранием (менее 50% всей площади гари)
дешифрируется преимущественно по детальным изображениям (снимкам Quick Bird) с высоким разрешением. Однако при значительной
площади, занятой гарью, последние видны и
на среднемасштабных космических снимках.
Их главной отличительной чертой следует
признать такие признаки дешифрирования, как
цвет и структура изображения. На приведенном примере гари этой категории распознаются благодаря своей светло-оранжевой окраске
(рис. 4). При детальном рассмотрении снимка
просматривается ячеистый рисунок изображения. Точечный тип выгорания в данном случае
объясняется присутствием в пределах лесного
69
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
массива большого числа мелких озер и болот,
служащих препятствием для сплошного распространения пожара. Восстановление такого
рода нарушенных земель происходит быстрее,
так как уничтожение леса не носит сплошного характера. В целом, их можно причислить
к средне- и слабонарушенным, что зависит от
класса бонитета лесного угодья.
Естественная рекультивация земель, нарушенных в результате деятельности пожаров, происходит медленно. Это связано
часто с полным уничтожением почвенного
покрова. На лесных пожарищах в первые годы (после пожара) появляются характерные
для них растения. Гари, которые условно
называются старыми (от 4 до 10 лет), начинают зарастать сначала травянистой и кустарниковой растительностью. На изображениях Landsat такие участки выявляются
своей светло-зеленой цветовой гаммой, а
также пятнистым рисунком, в котором сочетаются и светло-коричневые тона (рис. 5).
Восстановление этих земель идет путем замещения высокобонитетных пород деревьев
на низкобонитетные. Главным образом, на
месте гарей возникают вторичные мелколиственные леса, состоящие из таких пород,
как береза, осина, ольха. Они различаются
равномерным светло-зеленым цветом.
О полном восстановлении леса может
идти речь только в случае искусственной
рекультивации. Гари восстановленные характеризуются наличием средневозрастных
и спелых лиственных пород деревьев. На
территории ХМАО это главным образом береза (рис. 6).
В среднем, площадь горелого леса находится в пределах 5−10 км². Максимальные
значения площади гари могут достигать
100 км 2 и более. В целом, все территории
горелого леса можно подразделить на четыре группы. В первую − входят небольшие по
площади горелые участки (до 5 км²). Ко второй — относится большинство возникающих гарей (5−20 км²). Этот тип горельников
наиболее широко распространен по территории ХМАО. Это связано с особенностью
строения лесных массивов округа, высокой
степенью обводненности и значительной заболоченностью. Третью группу составляют
значительные по площади гари (20−100 км²).
Последние присутствуют в пределах крупных лесных массивов. Такие участки имеют место в Белоярском, Березовском,
Кондинском и Нижневартовском лесничествах. Гари, по площади превышающие
100 км², встречаются довольно редко, не
более одной-двух по каждому лесничеству.
Рис. 4. Изображение точечной гари
на снимках Landsat
Рис. 5. Пример изображения старых гарей
Рис. 6. Пример восстановления гари (ареал в центре
снимка зеленого цвета — лиственный лес на месте
гари)
70
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
M 1:40 000
Рис. 7. Карта-схема горимости лесов Ханты-Мансийского автономного округа.
Горельники:
Класс пожароопасности:
— первый;
— 2003 г.;
— 2005 г.;
— второй;
Пожары, приводящие к образованию последних, можно считать катастрофическими, а последствия — бедствием регионального и федерального значения, поэтому они
выделены в отдельную четвертую группу.
Природные условия могут оказывать
существенное влияние на возникновение
пожаров. Они могут воздействовать как
сдерживающие, так и способствующие распространению пожаров факторы. По условиям горимости вся территория округа
подразделяется на пять классов пожарной
опасности (рис. 7).
Согласно этой карте, примерно половина территории ХМАО отнесена к первому
классу опасности (минимальная опасность),
еще четверть — ко второму классу, оставшаяся часть принадлежит третьему, четвертому и пятому классу пожароопасности.
Анализ карты позволяет сделать следующие
основные выводы:
а) высокая степень пожарной опасности
не всегда связана с развитием крупных лесных массивов;
б) класс опасности тем больше, чем вы-
— 2004 г.;
— 2006 г.
— третий;
— четвертый;
— пятый
ше степень промышленного освоения территории, выше транспортная инфраструктура;
в) снижение пожароопасности связано с
увеличением степени заболоченности;
г) высокий класс опасности приурочен к
наиболее густонаселенным районам.
Изучение данных лесоустройства по отдельным лесничествам и сравнение этих
материалов с космическими изображениями
за 2004−2012 гг. позволяет утвердительно
говорить о том, что количество пожаров, а
следовательно, и площадь гарей существенно выше тех, которые представлены в лесоустроительных документах.
По материалам изображений Google
Earth было проанализировано состояние нарушенности лесов ХМАО вследствие гарей.
На основании этих данных была составлена
карта распространения нарушенных земель
по всей территории ХМАО (за исключением
ряда районов, где космическая информация
не позволяла этого сделать). Горельники
были подразделены на два типа — «свежие»
гари (до 4-х лет) и «старые» гари (4–10 лет).
71
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Рис. 8. Карта-схема гарей Ханты-Мансийского автономного округа:
— гари от 0–4 лет (общее количество — 59 650, площадь — 8 296 км2);
— гари от 4–10 лет (общее количество
— 112 482, площадь — 17 040 км2);
— территории лесничества
При разработке карты использовалась геоинформационная система (ГИС) Map-info
(рис. 8).
Помимо прямого воздействия на лесные
угодья, гари оказывают негативное влияние
на леса косвенно. В результате уничтожения леса на горельниках нарушаются процессы геохимического и водного обмена,
почвенные горизонты разрушаются, что
приводит к повышению уровня грунтовых
вод. В условиях низменного рельефа с высокой степенью заболоченности это приводит к наступлению болотных комплексов
на участки, нарушенные в результате развития гарей. Как видно на космических изображениях Google Earth, наступление болот
происходит не широким фронтом, а узкими
вытянутыми языками, которые в нескольких местах словно щупальцами охватывают некогда лесные массивы, нарушенные
или полностью уничтоженные пожаром. Во
многих случаях лесные угодья, пройденные
пожаром, после естественного восстановле-
ния существенно сокращаются по площади,
а болотные комплексы, напротив, увеличиваются. Подобная тенденция наблюдается в
ряде районов Ханты-Мансийского автономного округа.
Исследования проведены в рамках проекта, выполняемого в МИИГАиК, в соответствии с государственным заданием
министерства образования и науки РФ на
выполнение работ по теме «Разработка теоретических и технологических решений
космического геоэкологического мониторинга территории РФ», регистрационный
номер 5.498.2011.
Литература
1. Курбанов Э.А., Воробьев О.Н., Лежнин С.А., Полевщикова Ю.А.
Решение вопросов космического мониторинга лесных гарей
в комплексных пакетах ENVI и ArcGIS // Геоматика. –2012.
−№4. −С. 5−10.
2. Электронный ресурс: gis-lab.info/qa/fires-perm.html
Принята к печати 17 сентября 2013 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
72
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Возможные пути идентификации поллютантов на молекулярном
уровне методами дистанционного зондирования
Профессор В.Н. Буров
Московский государственный университет геодезии и картографии
8 (499) 267–2772
Аннотация. Доминантное положение лидарных технологий в развитии систем дистанционного зондирования формирует перечень и содержание современных задач по идентификации загрязнения окружающей среды. Информация в этой области, представленная в этой статье, позволяет расширить знания по возможностям современных лидарных технологий по индикации поллютантов в малых дозах
(концентрациях).
Ключевые слова: лидар, дистанционное зондирование (ДЗ), дифференциальное поглощение
Abstract. Prepotent position of lidar technology in development of remote sensing poses a list of modern
problems for identification of environment pollution and discloses its clauses. The information presented
in the article allows the reader to expand their knowledge on possibilities of lidar technology to identify
pollutants of small dose or density.
Keywords: lidar, remote sensing, differential absorption
определенный молекулярный спектр излучения
(или поглощения). В определенном энергетическом диапазоне их значений определяют спектры: инфракрасный (ИК); видимый; ультрафиолетовый (УФ) и микроволновые. Энергетические
уровни и формируемые ими спектры молекул
строго индивидуальны для каждой молекулы.
Поэтому, установив спектр излучения или поглощения, можно определить саму молекулу, а
это реальный путь решения технической задачи
идентификации поллютантов на молекулярном
уровне.
Известно, что наиболее доступной средой
контакта поллютанта с человеком является атмосфера, которая способна в результате диффузионных процессов в ее воздушных массах
удерживать в газовом, паровом и аэрозольном
состояниях любые вещества, диспергированные в атмосферу. Под воздействием атмосферной диффузии поллютанты могут распространяться от места их образования на большие
расстояния и охватывать значительные территории, на которых могут проживать десятки и
сотни тысяч людей. В таких условиях традиционные методы идентификации поллютантов
— контактные методы индикации, несмотря
на их высокую специфичность и их разрешающую способность (точность измерения), не
способны проводить (осуществлять) контроль
загрязнения атмосферы на больших территориях и, тем более, на территориях, недоступных
для контактной индикации, например, в зонах
повышенной опасности (аварии, катастрофы и
пр.) или ограниченной доступности (тайга, бо-
В [1] читатель познакомился с обоснованием необходимости решения технических задач
идентификации поллютантов на молекулярном уровне. В целях отыскания путей решения
таких задач предлагается данная статья, в которой будут рассмотрены современные представления о технических решениях методов
зондирования по идентификации поллютантов
на молекулярном уровне. В широком смысле
понятие «молекулярный уровень» — это физико-химическое состояние вещества или материальной среды, способной сохранять свойства данного химического соединения, в том
числе и по биологическому эффекту воздействия на организм.
Молекула — это энергетически устойчивая,
автономная система, состоящая из атомов, ядер
и электронов. Энергия химических связей между
атомами в молекуле достигает нескольких сотен
килоджоулей на моль. В целом молекула электронейтральна за счет выравнивания положительного заряда атомных ядер и отрицательного
— электронной оболочки всей молекулы. Как
энергетическая система, молекула — квантовая
система, состоящая из определенных квантовых
значений, составляющих всю энергетическую
систему молекулы. Такими составляющими рассматриваются: колебательная энергия атомов в
молекуле, вращательная энергия самой молекулы, энергии электронов. Каждая из этих составляющих имеет свой квантовый энергетический
уровень. С переходом с одного уровня на другой
молекула испускает (поглощает) определенные
порции энергии — кванты, которые формируют
73
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Синхронизатор
Обработка
снимков
в окружающей среде. Бесспорным лидером в
решении технических задач идентификации
поллютантов в различных средах и, в первую
очередь, в атмосфере, являются лидарные системы. Лидарная система состоит из четырех
основных частей: лазерный излучатель, оптический приемник, блок обработки снимков и
синхронизатор (рис. 1).
Основным узлом конструкции лидара является его излучающая часть — лазер, который
формирует энергетический поток излучения в
диапазоне восприятия объектом идентификации. Основной рабочий диапазон спектра
излучения современного лидара реализуется
в пределах 0,25–14 мкм (рис. 2). В этом диапазоне спектра лидарные системы, на основе
использования методов дифференциального
поглощения (ДП) и комбинационного рассеивания (КР), способны идентифицировать
практически все атмосферные газы и загрязняющие вещества (поллютанты). Наиболее
эффективны в этом спектральном диапазоне
идентификации такие мощные лазеры, как ДF,
СО-, СО2- и NH3-лазеры.
Для идентификации поллютантов одновременно из одного облака рассеивания можно применять несколько лазерных источников, перекрывающих широкий спектральный
диапазон от УФ- до ИК-области. Конструкция
Лазер
Приемник
Платформа
Рис. 1. Принципиальная схема лидара
лота, пустыня, степь, тундра и пр.). Поэтому все
большее развитие получают методы дистанционного зондирования, позволяющие с платформ
наземного, воздушного или космического базирования, получать результаты идентификации
состояния окружающей среды, включая и наличие в ней поллютантов, на больших расстояниях и площадях. В этом отношении весьма
важно установить возможности методов дистанционного зондирования по разрешающей их
способности идентифицировать поллютанты на
уровне отдельных или групп молекул.
Научно-технические достижения в области дистанционного зондирования сформировали приоритетные направления развития
технических средств индикации поллютантов
Ti:
Sapphire
0,68–1,13
Alexandrite
0,72–0,8
Ng: YAG/Glass
(Doubled)
0,53
AlGaAs
0,8–0,9
Ruby
0,69
Ng: YAG &
Ng: Glass
1,06
Ho: YAG
2,06
Roman shifted
Ng: YAG
1,54
Argon
0,49 & 0,51
NH3
11,2–13,4
Dy: Caf
2,35
DF
3,4–4,0
HF
2,6–3,0
CO2
(Doubled)
5,3
Er: YAG
1,64
CO
5,0–7,0
CO2
9,2–11
Copper
vapor
0,51–0,57
0,4
0,6
0,8
1,0
2
3
4
6
8
Рис. 2. Шкала длин волн излучений наиболее распространенных лазеров
74
10
λ, мкм
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
до 1 ррв (1 млрд–1) [3] можно определять лидаром дифференциального поглощения (рис. 3).
Основные технические решения в развитии
лидарного зондирования, несомненно, остаются в направлении совершенствования технологий лидаров дифференциального поглощения.
Это утверждение подтверждается тем обстоятельством, что лидары дифференциального
поглощения позволяют проводить измерения
в широком спектральном диапазоне от 0,25 до
14 мкм инфракрасной области. Эти возможности лидарных систем ДП сохраняются при их
базировании на стационарных, космических и
самолетных платформах. Кроме того, лидары
ДП позволяют проводить зондирование атмосферы в области тропосферы и(или) стратосферы, что открывает возможности идентифицировать загрязнители и в глобальном, и в
локальном масштабах. Современные системы
лидаров ДП могут распознавать и определять
концентрацию большой группы загрязнителей атмосферы (поллютантов), а именно: СН4;
Hl; NH3; C6H6; O3; C2H4; CO; N2O; CO2; HNO3;
OSC; CS2; фреоны; диоксиды; органические
газы; гидразин; ракетное топливо; ОВ.
Влажность атмосферы и любой поверхности может определяться методом ДП в диапазоне полосы поглощения воды. Так, например,
на самолетных платформах устанавливаются лидарные системы, генерирующие поло-
таких лидаров усложняется, но практически
достижима. Однако полилазерные системы лидаров могут найти применение при их размещении на стационарных или мобильных шасси
наземного базирования. Кроме того, возможно
создание лидаров, способных к специфическому перестраиванию лазера, обладающих узкой
линией излучения и высокой стабильностью
длины волны генерации. Такие лидарные системы могут располагаться на космических и
авиационных платформах.
Большими возможностями по идентификации газовой среды обладают фемтосекундные
лидары [2]. В основу таких лидаров заложены
возможности фемтосекундного лазера с энергией импульсов 400 мДж, длительностью 80 фс и
частотой повторения 10 Гц, способного инициировать газовое поглощение в широком спектре
(0,3–4,5 мкм). Такие лидары позволяют одновременно зондировать многие газы и аэрозоли.
Широко применяемый метод дифференциального поглощения основан на использовании
явления резонансного поглощения лазерного
излучения внутри контура линии поглощения
исследуемого газа. Концентрация газа определяется методом сравнения сигналов отражения
на двух близких частотах, одна из которых находится внутри линии поглощения, а другая —
вне ее. Концентрацию таких газов, как NO2, SO2,
Н2О, С2Н2, NH4, О3 с порогом чувствительности
Лазерный передатчик
Блок лазерных
излучателей
Передающая
оптическая система
Поворотное устройство приемопередатчика
Приемное устройство
Блок
фотоприемник
Блок
светофильтр
Приемная
оптическая система
Система регистрации и обработки информации
Блок управления
Рис. 3. Структурная схема лидара ДП
75
Атмосфера
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
сы поглощения в ближней ИК-области (940 и
716,98 нм). В таких лидарных системах чаще
используются твердотельные лазеры, такие
как: сапфировый лазер, лазер на александрите
(см. рис. 2). Идентификационные возможности
лидарных систем ДП по установлению загрязняющих компонентов в атмосфере могут реализоваться двумя способами.
Первый способ — «Лидарный метод ДПР»,
где ДПР — дифференциальное поглощение и
рассеяние. Этот метод реализуется благодаря отражательной способности атмосферного аэрозоля любого химического состава, что используется для идентификации компонентов аэрозоля
и расстояния до них по отраженному лучу. При
этом пространственное разрешение ∆R измеряется, в основном, длительностью лазерного импульса τ, т.е. ∆R = cτ/2. Схема зондирования лидарным методом ДП показана на рис. 4.
Второй способ — трассовый ДП. Данный
способ основан на способности лидара регистрировать отраженный луч от экрана отражателя (подстилающая поверхность) с показателями идентификации поллютанта в атмосфере
на пути прохождения этого луча. Данный ме-
тод по сравнению с предыдущим обладает более высокой чувствительностью по идентификации газовых примесей и их концентраций в
атмосфере. Схема трассового метода лидарного зондирования атмосферы показана на рис. 5.
Дальность зондирования газовых примесей атмосферы данным методом может достигать до 5–10 км. В перспективе, лидары ДП,
размещенные на спутниковых платформах,
могут проводить идентификацию многих поллютантов в ИК-области спектра, особенно в
диапазоне 2,5–14,0 мкм. В этом диапазоне находятся линии поглощения практически всех
атмосферных газов. Кроме того, в ИК-области
находятся окна прозрачности атмосферы:
0,95–1,06; 1,2–1,3; 1,5–1,8; 2,1–2,4; 3,3–4,0 и
8–14 мкм.
Обзор отечественных [2] и зарубежных источников [4] научной информации о возможностях лидарных систем, включая и лидары ДП
по идентификации поллютантов в атмосфере,
воде, почве, при размещении систем на наземных, самолетных и космических платформах,
позволяет идентифицировать на молекулярном
уровне следующие химические соединения:
оксид углерода СО; оксид азота NO; озон О3;
диоксид серы SO2; сероводород H2S; серо-углерод CS2; аммиак NH3; метан СН4; бензол С6Н6;
фенол С6Н5ОН; фтор F2; хлор Сl2; ионы свинца
Pb2+; ионы ртути Hg2+; кадмий Cd2+; формальдегид СН2=О; сажа С; пыль SiO2; бензаперен
С2ОН12; радионуклиды: стронций 90Sr; цирконий 95Zr; ниобий 96Nb; рутений 103Ru; цезий
137
Cs; нефтепродукты: нефть; бензин нефтяной
С4–С12. Дальность идентификации может достигать до 100 км в слое атмосферы над поверхностью Земли от 2 м и более.
R
Лазер
λon
Приемник Р΄оn Р΄оff
λoff
Облако
аэрозоля
Р΄=R
Р΄΄оn Р΄΄оff Р΄΄=R+∆R
Рис. 4. Схема идентификации поллютантов в аэрозольном облаке лидарным методом ДПР:
Р΄оn, Р΄оff, и Р΄΄оn, Р΄΄оff — мощность отраженных сигналов на
расстоянии R и R+∆R; λon и λoff — длины волн внутри линий
поглощения и вне ее
Литература
1. Буров В.Н. Биологические аспекты идентификации поллютантов методами дистанционного зондирования // Изв. вузов «Геодезия и аэрофотосъемка». –2009. −№6. –С. 32–36.
2. Федоров И.Б. и др. Оптико-электронные системы экологического мониторинга природной среды. М.: МГТУ
им. Н.Э. Баумана, 2002.
3. Васильев Б.И., Маннун У.М. ИК-лидары дифференциального поглощения для экологического мониторинга окружающей среды // Квантовая электроника. −2006. −№9.
4. Rodriguez M., Bourauou R., Kasparian J., etal. Proc. SPIE
Jnt, Opt. End., 2003.
R
Лазер
Приемник
λon, λoff
Облако
Роn
Роff
аэрозоля
Отражатель
Принята к печати 10 января 2012 г.
Рекомендована кафедрой прикладной экологии
и химии МИИГАиК
Рис. 5. Схема идентификации лидарами поллютантов в аэрозольном облаке трассовым методом:
λon и λoff — длины волн внутри линии поглощения и вне ее;
Роn и Роff — мощность отраженных сигналов
76
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Использование спутниковых данных для оценки повреждения
лесов короедом-типографом на примере Московской области
Профессор, кандидат техн. наук И.А.Миртова1, кандидат техн. наук Д.В. Ершов2,
студент Д.А. Мягкова1
1
Московский государственный университет геодезии и картографии
2
ФГБУН РАН Центр по проблемам экологии и продуктивности лесов
Аннотация. Описана технология обработки разновременных космических снимков для выявления
участков лесов Подмосковья, поврежденных короедом-типографом. Приводится карта динамики усыхания леса.
Ключевые слова: геоэкологический мониторинг по космическим снимкам, динамика лесов
Abstract. The article describes a technology of processing multi-temporal satellite photographs to detect in
the Moscow region forest sections that are damaged by bark beetles. A map of the forest desiccation dynamics
is appended.
Keywords: geoeclogical monitoring through with satellite sensor data, forest dynamics
В 2010−2012 гг. в Московской области была
отмечена значительная вспышка численности
одного из самых опасных вредителей леса короеда-типографа. Массовое размножение этого насекомого приводит к крупномасштабным
усыханиям ельников, нарушению сложившейся структуры лесов, их возрастного состава,
целостности. Высохшие деревья представляют
угрозу возникновения пожаров. Естественное
возобновление леса на пораженных участках
происходит медленно и за счет малоценных
пород.
Для предотвращения гибели лесных насаждений большое значение имеет постоянный
мониторинг, важной составляющей которого
являются наблюдения с космических спутников. В настоящее время активно продолжают
создаваться и апробируются различные методики и технологии, позволяющие получать
оперативные и объективные оценки состояния
лесов и своевременно выявлять происходящие
в них изменения.
Первые работы по дешифрированию на
аэроснимках повреждений леса были начаты еще в 1926 г. Вопросами изучения аэрокосмических снимков для выявления нарушенного леса занимались Г.Г. Самойлович,
С.В. Белов, А.А. Кирильцева, А.С. Исаев,
Ю.А. Прокудин, В.Я. Ряполов, В.В. Киселев,
Ю.П. Кондаков, П.А. Кропов, В.М. Жирин,
С.Е. Ямбург, Л.А. Берснева и другие исследователи. Значительное количество работ было
посвящено теме выявления очагов поражения
леса сибирским шелкопрядом и короедомтипографом. В настоящее время работы по
выявлению повреждений лесной растительности с использованием материалов космической съемки ведутся в институтах РАН
(ИЛ им. В.Н.Сукачева, ЦЭПЛ, ИРЭ, ИКИ),
Международном институте леса, Центре высоких технологий МГУЛ, ФБУ «Рослесозащита»,
ФБУ ВНИИЛМ и др. Главными объектами дистанционного мониторинга в 2007–2013 гг. являлись ветровалы в европейской части России,
очаги поражения непарным шелкопрядом в
Краснодарском крае и очаги стволовых вредителей в Московской области [1].
Местом поселения для жука короеда-типографа служат угнетенные, буреломные и
ветровальные деревья. При благоприятных
условиях даже немногочисленная популяция
вредителя может за один-два года увеличить
свою численность до угрозы очага массового
размножения. Короед повреждает жизненно
важные ткани дерева, по которым транспортируются питательные вещества и вода. Поэтому
если насекомые заселили всю окружность
ствола, гибель дерева наступает через несколько недель.
Чаще всего подвергается нападению короеда ель в возрасте 70−90 лет. Это объясняется
тем, что в этот период у дерева кора, с наиболее предпочитаемой жуком структурой, имеет
на стволе наибольшую площадь. В засушливые годы устойчивость деревьев снижается
в результате недостатка влаги и активизации
гнилевых болезней корней и стволов. Ельники
становятся доступными для массового размножения короеда-типографа и сопутствующих
ему других видов стволовых вредителей. При
77
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Зеленая растительность обладает характерными свойствами спектрального отражения, существенно изменяющегося с длиной
волны. На спектральные отражательные характеристики растений наибольшее влияние оказывают пигментация, особенности внутреннего строения листьев, общее содержание влаги
[4]. Зная связь структуры и состояния растений с их отражательной способностью, можно использовать многозональные космические
снимки для дешифрирования типов растительного покрова и степени их поврежденности.
Для угнетенных растений характерно уменьшение процессов фотосинтеза и образования
хлорофилла, а следовательно, и поглощения в
сине-фиолетовой и красной зонах спектра.
В среднем ИК-диапазоне большое влияние
на отражательную способность растений оказывает вода. Высокое содержание влаги характерно для здоровой и быстро развивающейся
растительности. При уменьшении воды в листьях отражательная способность растений в
этой части спектра увеличивается. Значения
коэффициента отражения в ближней ИКобласти для молодых растений больше, чем
для старых; для лиственных деревьев — выше,
чем для хвойных. Отражательная способность
растений может значительно меняться в течение вегетационного периода, но для хвойных
растений это свойство менее выражено.
Для дешифрирования растительности
часто применяют вегетационные индексы.
Используя определенную комбинацию значений яркости в различных спектральных
каналах, строят изображение, значение каждого пиксела которого соответствует величине вегетационного индекса в данной точке.
Спектральные каналы выбираются, исходя из
их информативности для выделения исследуемого объекта.
К сегодняшнему дню известно больше 150
индексов. Все они подбираются экспериментально на основе закономерностей изменения
коэффициента отражения объектов. Любые вегетационные индексы не дают абсолютных количественных показателей исследуемого свойства, и их значения зависят от характеристик
сенсора (ширины спектральных каналов, пространственного разрешения), условий съемки, освещенности, состояния атмосферы. Они
наличии в лесу значительных ветровалов и буреломов создаются особые условия для резкого роста численности короеда-типографа [2].
Причиной массового размножения короеда-типографа в Московской области в
2010−2012 гг. стали природные и хозяйственные факторы: природные (погодные условия,
завалы в лесах после бурь и сильных ветров,
зараженность деревьев гнилевыми болезнями)
— создали предпосылки для возникновения
вспышки численности короеда; хозяйственные
(длительное согласование работ, отсутствие самостоятельных лесохозяйственных предприятий) — не позволили людям должным образом
на нее отреагировать. Кроме того, по данным
учета лесного фонда в Московской области
площадь средневозрастных, спелых и приспевающих еловых насаждений, т.е. потенциально повреждаемых короедом, составляет около
половины всех ельников. Важно и то, что леса
в Подмосковье — вторичные, т.е. посаженные
человеком, часто монокультурные. Такие леса
менее устойчивы к негативным факторам.
Введение нового Лесного кодекса разрушило сложившуюся и проверенную временем
систему лесного хозяйства, создало условия,
препятствующие существованию сильных и
экономически самодостаточных лесохозяйственных предприятий, способных быстро проводить необходимые санитарно-защитные мероприятия. В значительной степени массовому
размножению короеда-типографа способствовало то, что по новому лесному законодательству практически ничего в лесах нельзя сделать
быстро — любая лесохозяйственная деятельность требует исполнения длительной цепочки формальностей, в результате чего борьба с
очагами размножения короеда запаздывает, как
минимум, на несколько месяцев [3].
В настоящее время накоплен достаточно
большой опыт по выявлению повреждений
леса по многозональным спутниковым изображениям зарубежными и российскими специалистами. Применяют как визуальные, так
и автоматические методы дешифрирования.
При визуальном методе обычно используют
текстурные дешифровочные признаки, форму,
цвет. При автоматизированном методе применяют различные методы компьютерной классификации изображения с использованием спектральных признаков объектов [1].
78
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
дают только относительные оценки свойств
растительного покрова, которые могут быть
интерпретированы и с привлечением полевых
данных пересчитаны в абсолютные [5].
Наиболее широко для выявления участков
поврежденного леса применяются:
нормализованный разностный вегетационный индекс NDVI (Normalized Difference
Vegetation Index);
коротковолновый вегетационный индекс
SWVI (Short Waves Vegetation Index).
В данном исследовании был проведен анализ территории Балашихинского,
Люберецкого, Пушкинского и Щелковского
районов Московской области, где имеются
значительные площади леса, поврежденного
короедом (рис. 1), по разновременным спутниковым изображениям Lаndsat 5 и Landsat 7 с
пространственным разрешением 30 м на местности.
Для повышения достоверности оценки санитарного состояния насаждений подбирались
изображения, полученные в середине − конце
лета, т.е. в период появления в древесном пологе свежего сухостоя текущего года.
В качестве исходных данных были отобраны пять безоблачных изображений.
Дата съемки
21 июля 2003 г.
09 августа 2007 г.
30 июня 2010 г.
28 августа 2011 г.
22 августа 2012 г.
Рис. 1. Карта-схема расположения очагов поврежденного короедом леса в Московской области, составленная в Комитете лесного хозяйства
ление спектрально-отражательных яркостей
земной поверхности за атмосферу) и геометрическую коррекцию (перепроецирование в равновеликую коническую проекцию Альберса,
основное преимущество которой − пропорциональность всех площадей на снимке соответствующим площадям на земной поверхности;
выделение территории, соответствующей районам исследования).
Поврежденный и здоровый лес имеют существенные различия в спектральной отражательной способности. Для сухого древостоя
характерно небольшое уменьшение коэффициента отражения в ближнем ИК-диапазоне и
значительное увеличение в среднем ИК.
Для определения участков поврежденного
леса использовался коротковолновый вегетационный индекс SWVI, который рассчитывается по формуле
Спутник/ сенсор
Landsat 5/ TM
Landsat 7/ ETM+
Landsat 7/ ETM+
Landsat 5/ TM
Landsat 7/ ETM+
Для обработки космических снимков использовался программный пакет ERDAS
Imagine.
Для оценки площади усохших из-за короеда-типографа лесных насаждений была выбрана следующая последовательность операций:
1) предварительная обработка спутниковых изображений;
2) выявление участков поврежденного леса;
3) выделение участков усохшего из-за короеда-типографа леса;
4) определение площади усохших насаждений.
Для всех изображений была проведена
предварительная обработка, которая включала
в себя радиометрическую коррекцию (исправ-
SWVI = (NIR – SWIR) / (NIR + SWIR),
где NIR и SWIR — это значения коэффициента
отражения земной поверхности, измеренные
в ближнем и среднем ИК-каналах (4 и 5 спектральные каналы Landsat).
Коэффициент отражения в средней ИКобласти спектра характеризует изменения влагосодержания растения, а также изменения
структуры полога насаждения и структуры
листьев. Отражение в ближнем ИК-диапазоне
79
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
спектра зависит от внутренней структуры листа. Поэтому совместное использование значений коэффициента отражения в этих двух
областях спектра повышает точность оценки
влагосодержания растения, уменьшая влияние,
оказываемое структурой листа [4]. Таким образом, индекс позволяет определить наличие
на изображении растительности, определить
ее состояние, выявить угнетенные насаждения.
Величина индекса меняется в пределах от
–1 до +1. Наименьшие значения соответствуют
сухим непокрытым растительностью поверхностям (голая почва, объекты застройки и др.),
наибольшие – водным поверхностям и здоровой растительности (рис. 2). На рассчитанных
в работе изображениях SWVI для свежих вырубок значение индекса изменялось от –0,3
до 0; для высохшего леса от –0,1 до +0,2; для
здоровых насаждений от +0,4 до +0,5.
Сезонные изменения сельскохозяйственных угодий, лугов, пойм более контрастны, чем
изменения леса при повреждении. Поэтому перед выявлением участков лесных повреждений
для всех изображений была выделена территория, покрытая лесом до начала его усыхания.
Для полученных изображений был рассчитан вегетационный индекс, а затем составлен
временной профиль индекса из пяти слоев,
соответствующих 2003, 2007, 2010−2012 гг.
По такому многослойному изображению для
каждой его точки можно посмотреть динамику значения вегетационного индекса (рис.3).
Поврежденным территориям соответствует
падение значения SWVI.
Чтобы выделить участки поврежденного
леса профиль SWVI был подвергнут кластерному анализу (рис. 4).
Для этого была проведена неконтролируемая классификация с использованием алгоритма ISODATA (Iterative Self-organizing Data
Analysis Techniques). В работе было выделено
100 кластеров. При их интерпретации отклассифицированное изображение сопоставлялось
с исходным временным профилем SWVI. Для
визуального анализа использовалась следующая комбинация слоев исходного изображения:
красному каналу соответствовал первый слой
(за 2003 г.), голубому − второй слой (за 2007 г.),
а зеленому каналу присваивались по очереди
значения остальных слоев (за 2010 − 2012 гг.).
При таком синтезе слои за 2003 и 2007 гг. создают «фон», соответствующий лесу до начала
усыхания. Поврежденные насаждения на этом
фоне контрастно выделяются (рис. 5).
Усохший лес, дороги и вырубки по-разному
отражают солнечное излучение в разных диапазонах длин волн. Поэтому, чтобы отделить
территории поврежденного короедом леса,
был проведен дополнительный кластерный
анализ участков нарушенного леса с использованием значений спектральной яркости в красном, ближнем и среднем ИК-диапазонах (см.
рис. 4). В результате были определены участки
усохших из-за вредителя насаждений, составлена карта (рис. 6), показывающая динамику
усыхания леса с 2010 по 2012 гг. По полученным результатам была подсчитана площадь усохшего леса на территории
1
2
SWVI
3
0,5
0,4
4
0,3
5
0,2
0,1
0
2003
Рис. 2. Изображение вегетационного индекса SWVI:
1 — водные поверхности; 2 — здоровые лесные насаждения;
3 — открытая сухая почва; 4 — поврежденные участки леса;
5 — пашня
2007
2010
2011
год
2012
Рис. 3. Значение индекса для одного пиксела
в разные годы
80
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
дистанционное зондирование и мониторинг земель
Участки леса,
нарушенные
в 2010 г.
Временный
профиль
SWVI
Кластерный
анализ
Участки леса,
усохшие из-за
короеда 2010 г.
Кластерный анализ с
использованием значений
спектральных яркостей в
3, 4, 5 каналах
Участки леса,
нарушенные
в 2011 г.
Участки леса,
усохшие из-за
короеда 2011 г.
Участки леса,
нарушенные
в 2012 г.
Участки леса,
усохшие из-за
короеда 2012 г.
Рис. 4. Схема выявления участков поврежденного леса
подлежат только вырубке, так как леса представляют в настоящее время сухостойные лесные массивы и могут стать вероятной причиной повышения пожарной опасности.
Предложенная методика обработки многозональных изображений позволяет оперативно
оценить лесные площади, поврежденные короедом-типографом и может быть использована
в технологической схеме лесопатологического
и экологического мониторинга.
Балашихинского, Люберецкого, Пушкинского
и Щелковского районов:
Год........................................... 2010
Площадь усохшего леса, га.... 498
2011
4289
2012
7678
всего
12 465
Общая доля усохшего за три года древостоя на исследуемой территории составила
около 11,5% лесной площади до усыхания.
Наиболее пострадали еловые насаждения: около 75% площади всех усохших лесов составляют ельники.
Из полученных результатов следует, что
вспышка численности короеда-типографа
2010−2012 гг. нанесла значительный ущерб
лесам и в целом экологическому состоянию
Московской области. Погибшие древостои
Работы по подготовке, первичной обработке спутниковых изображений и расчета вегетационных индексов выполнены в рамках научно-исследовательского проекта, проводимого
ЦЭПЛ РАН в соответствии с государственным
б
а
Рис. 5. Участки леса, усохшие к осени 2011 г. (а) и к осени 2012 г. (б)
81
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Рис. 6. Карта динамики усыхания леса:
— 2010 г.;
— 2011 г.;
— 2012 г.;
— здоровый лес;
— границы районов
заданием Министерства образования и науки РФ, и оказания услуг по теме «Разработка
научно-технических основ оценки биоразнообразия лесов России и принципов системы
построения его мониторинга», шифр «20131.5-14-515-0041», государственный контракт
№ 14.515.11.0014 от 14.03.2013 г.
— непокрытые лесом территории;
ЛИТЕРАТУРА
1. Крылов А.М., Владимирова Н.А. Дистанционный мониторинг состояния лесов по данным космической съемки/
Геоматика. −2011. −№3. −С. 53–57.
2. Маслов А.Д. Короед-типограф и усыхание еловых лесов.
Пушкино: ФГУ ВНИИЛМ, 2010. −130 с.
3. Кобельков М.Е. Можно ли предотвратить вспышку массового размножения короеда-типографа. М.: ЗАО
ВНИИЦлесресурс [Электронный ресурс]. http://www.vnles.ru.
4. Барталев С.А., Егоров В.А., Крылов А.М., Стыценко Ф.В.,
Ховратович Т.С. Исследование возможностей оценки состояния поврежденных пожарами лесов по данным многоспектральных спутниковых измерений // Современные проблемы
дистанционного зондирования Земли из космоса. −2010. −Т. 7.
–№ 3. −С. 215−226.
5. Черепанов А.С., Дружинина Е.Г. Спектральные свойства
растительности и вегетационные индексы // Геоматика. −2009.
−№3. −С. 28−32.
Исследования и разработка методики проводились в рамках проекта, выполненного
МИИГАиК в соответствии с государственным
заданием Министерства образования и науки
РФ, и оказания услуг (выполнение работ по
теме «Разработка теоретических и технологических решений космического геоэкологического мониторинга территории РФ», регистрационный номер 5.498.2011).
Принята к печати 18 июня 2013 г.
Рекомендована кафедрой
космического мониторинга МИИГАиК
82
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
УДК 004:528
геоинформационные технологии
Описание подхода к проектированию общей модели
базы метаданных хранилища геоданных
Профессор, доктор техн. наук А.А. Майоров, соискатель В.В. Зайцев
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Описаны этапы (анализа и дизайна) цикла разработки среды хранилища геоданных. Рассмотрен модельно-ориентированный подход к разработке программного обеспечения MDA (Model
Driven Architecture) и в частности его спецификация CWM (Common Warehouse Metamodel).
Ключевые слова: MDA, CWM, хранилище геоданных, база метаданных
Abstract. Analysis and design stages of a development cycle of environment for spatial data warehouse are
described. A modeling-focused approach to software elaboration — MDA (Model Driven Architecture), and
in particular its specification CWM (Common Warehouse Metamodel) are considered.
Keywords: MDA, CWM, geodata storage, metadatabase
База (репозиторий) метаданных − важный
компонент среды хранилища данных, без которого невозможен процесс построения и развития хранилища, то есть его жизненный цикл.
Жизненный цикл любого программного обеспечения описывается моделями, определяющими последовательность выполнения и взаимосвязи процессов, действий и задач на всем
его протяжении. Модель жизненного цикла
зависит от специфики, масштаба и сложности
создаваемой системы [1]. Исходя из применяемой модели, выбирают методологию разработки программного обеспечения. Какой бы метод
не использовался — традиционный «водопад»,
современные итерационные методы, RUP,
Catalysis, Agile или любой другой — существует несколько этапов, которые необходимо
пройти для создания программного продукта.
Уровень детализации и длительность каждого
этапа зависят от используемой методологии,
но в любом случае включают следующие элементы: бизнес-анализ, системный анализ, дизайн/построение архитектуры и разработка
системы (Sybase Power Designer и цикл разработки программного обеспечения, 2006).
Исходя из того, что продолжительность
жизни технической реализации информации
короче, чем срок службы [2], ее необходимо
описывать способом, не зависящим от методов
и сред реализации. Так как на этапах анализа
и дизайна выбирается способ описания информации, циркулирующей в системе, в данной
работе будут рассматриваться только ранние
этапы жизненного цикла, на которых происходит сбор пользовательских и системных требований, а также проектирование моделей. Для
большей наглядности рассмотрим по ролям
пример разработки среды хранилища данных
(ХД) (рис. 1).
Этап анализа. ИТ-архитектор создает
архитектурную модель будущей системы, описывая место основных информационных систем, играющих роль источников данных. Все
это записывается в виде моделей архитектуры
предприятия. Также он принимает решение о
создании базы метаданных и выбирает ее место в общей архитектуре предприятия.
Бизнес-аналитик и системный аналитик
документируют требования к новой системе. Получается информация двух типов. Вопервых, документирование информационных
потоков: как данные извлекаются из систем,
как обрабатываются, как загружаются в систему отчетности. Эта информация записывается
в виде моделей движения информации. Вовторых, сбор требований к хранилищу данных.
83
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Бизнесаналитик
Системный
аналитик
Архитектор/
Дизайнер
Разработчик
Разработка
Платформа Sybase
Дизайн
J2EE(IBM/Oracle)
Microsoft.NET
Анализ
Написание кода
Тестирование / Отладка
Внедрение
Интегрированная
среда разработки
Анализ
Дизайн
Разработка
Тестирование
Внедрение
Цикл разработки
Рис. 1. Цикл разработки программного обеспечения
Требования бывают техническими (производительность, условия доступа, безопасность
и т.п.) и информационно-ориентированными
(какие нужны данные, какие бизнес-правила
следует применять). Все сформулированные
требования заносятся в базу метаданных и становятся техническими и бизнес-метаданными.
Этап дизайна. Моделировщик и архитектор данных, имея доступ к текущей версии
предлагаемой архитектуры и бизнес-требованиям, может начать создавать концептуальную, логическую и физическую модели данных для хранилища. После создания проекта
модели хранилища можно сгенерировать схемы «звезда» («снежинка», «созвездие») и кубы
для витрин данных.
Бизнес-аналитик начинает анализировать
источники данных. Воссоздает модели данных исходных систем, профилирует данные и
добавляет результаты в виде дополнительных
метаданных. Затем задает схемы переноса данных из исходных систем в модель данных хранилища, задание схем ETL можно выполнять с
помощью модели движения информации.
Пользователи, ИТ-архитектор и бизнесаналитик выверяют архитектурную модель,
модели данных витрины данных, бизнес-тре-
бования и бизнес-правила в схемах ETL.
Дизайнер ETL разрабатывает схемы переноса данных, а группа тестировщиков работает с функциональными наборами данных в
витрине. После того как проверены все схемы
преобразования данных, оставшиеся проблемы качества данных исследует аналитик качества данных.
Аналитик качества данных работает с
проблемами, информация о которых поступает от пользователей и тестировщиков в результате использования средства профилирования
данных и регулярного ввода специальных запросов контроля качества данных. Аналитик
качества отмечает проблемы в метаданных,
что позволяет дизайнеру ETL уделить особое
внимание разработке процедур, считывающих
соответствующие данные.
Менеджер по операциям использует метаданные, собранные в ходе разработки, для поддержки гладкой работы системы после ввода
ее в эксплуатацию.
Из данного примера видно, какую большую роль играют метаданные в процессе проектирования. Все участники данного процесса
должны иметь общий доступ к базе метаданных для оперативного внесения изменений.
84
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
Согласованность при взаимодействии разных
компонентов среды хранилища данных достигается путем применения общей модели
базы метаданных, т.е. метаданные разных
компонентов хранилища данных (источников
данных, системы ETL, витрин данных и т. п.)
являются элементами единой метамодели (или
средства моделирования) хранилища данных.
Согласно техническому отчету CEN/TC 287
для создания инфраструктуры пространственных данных (ИПД) предлагается применять
подход, основанный на использовании моделей,
соответствующий концепциям, разработанным
в управляемой моделями архитектуре, которая
определена ассоциацией OMG [2]. Этот подход обеспечивается серией стандартов (EN)
ISO 19100, применяемых в геоинформатике.
Создаваемая консорциумом OMG концепция модельно-ориентированного подхода
к разработке программного обеспечения называется MDA (Model Driven Architecture).
Термин «архитектура» не относится к смоделированной архитектуре системы, а скорее
к архитектуре различных стандартов и форм
моделей, которые служат ее технической основой. Суть концепции состоит в построении
абстрактной метамодели управления и обмена
метаданными (моделями) и задании способов
ее трансформации в поддерживаемые технологии программирования (Java, CORBA, XML и
др.). Создание метамодели определяется технологией моделирования MOF (Meta Object
Facility), являющейся частью концепции MDA.
Частью концепции MDA является спецификация CWM (Common Warehouse Metamodel,
Общая метамодель хранилища данных), предназначенная для обмена метаданными между
различными программными продуктами и репозиториями, участвующими в создании общей среды хранилища данных.
В основе CWM лежит модельно-ориентированный подход к обмену метаданными,
в соответствии с которым объектные модели,
представляющие метаданные разных компонентов среды ХД, строятся в соответствии
с синтаксическими и семантическими спецификациями некоторой общей метамодели
[3]. Стандарт CWM выражен на языке UML,
и хотя он является нотационным основанием
для определения CWM, CWM расширяет базовую метамодель UML. Поэтому CWM можно
характеризовать как язык определенной области применения, предназначенный для определения моделей хранилищ данных. Другой
стандарт OMG–MOF — стандарт описания
метамоделей, определяет общие интерфейсы
и семантику для взаимодействующих метамоделей. MOF — специальный язык, используемый OMG для определения других языков
моделирования, в том числе UML. Поскольку
CWM наследуется из UML, MOF также является моделью и для CWM. И наконец, стандарт
XMI (XML Metadata Interchange) устанавливает правила преобразования метамоделей MOF
в XML.
На примере классической четырехуровневой архитектуры моделирования (таблица),
можно показать, как относятся друг к другу
стандарты UML, MOF и CWM.
Метамодель CWM имеет модульную
структуру, что позволяет повысить наглядность модели. Под модулем в данном случае
понимается отдельная метамодель, предназначенная для представления определенного типа
метаданных хранилища [3]. Каждая метамодель реализована в виде пакета, содержащего
набор определенных на UML базовых классов.
Спецификация CWM позволяет представлять
каждый из пакетов модели либо в виде определения XML DTD-файла, либо в виде IDL-
Классическая четырехуровневая архитектура моделирования
Мета уровень
Уровень моделирования
Описание
Пример
М3
Мета-метамодель
Мета-мета-метаданные
Определяется язык, на котором описываются метамодели
MOF Class
М2
Метамодель
Мета-метаданные
Содержит модель языка моделирования
UML Class
CWM Table
М1
Модель
Метаданные
Содержит модель предметной области
Table
Column
М0
Объект
Данные
Описывают состояние предметной области
85
Modeled system,
Warehouse data
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Management
Analysis
Warehouse Process
Warehouse Process
Transformation
Data
Mining
OLAP
Resource
Object Model
Relational
Record
Foundation
Business
Information
Data Types
Expression
Information
Visualization
Multidimensional
Keys
and
Indexes
Type
Mapping
Business
Nomenclature
XML
Software
Deployment
Object Model
Рис. 2. Состав и структура CWM
интерфейса.
Все метамодели расположены по четырем
слоям (рис. 2). Самый нижний слой «Основа»
(Foundation) состоит из метамоделей, которые
поддерживают моделирование типов данных
(data type), системного преобразования типов
(type mapping), ключей и индексов (key and
indexes), выражений (expression), бизнес-информации (business information) и развертывания программного обеспечения (software
deployment). При создании модели хранилища
геоданных особое внимание на этом уровне
следует уделить метамоделям: бизнес-информация, выражения, а также ключи и индексы.
Следующий слой «Источники» (Resource)
содержит метамодели, используемые для спецификации информационных источников и целевых баз данных [3]. Модель объекта (object
model) используется в случае объективно-ориентированного источника данных. При создании модели источников данных необходимо
учитывать, что в дополнение к непространственным данным ХГД содержат данные географического характера.
Третий слой «Анализ» (Analysis) содержит
средства моделирования процессов и служб
информационного анализа. На данном слое
при проектировании ХГД следует уделить внимание метамоделям — визуализации информации и бизнес номенклатуре. Результаты анализа обычных хранилищ данных отображаются
в виде электронных таблиц, содержащих текстовую и числовую информацию, в то время
как результаты анализа хранилища геоданных
могут отображаться как набор карт.
И наконец, слой «Управление» (Management) состоит из двух метамоделей, относящихся к особенностям функционирования среды хранилища данных.
В настоящее время стандарт CWM применяется в CASE-средствах, ориентированных
на разработку и развертывание хранилища
данных и витрин данных и создание информационно-аналитических систем. В случае
применения технологии хранилищ данных в
качестве компонента инфраструктуры пространственных данных как единой среды хранения данных целесообразно использовать
при проектировании ХД концепцию MDA. С
помощью метамодели CWM и учитывая требования стандартов (EN) ISO серии 19100, необходимо построить общую UML-модель базы
метаданных, пригодную для среды хранилища
геоданных.
ЛИТЕРАТУРА
1. Майоров А.А., Соловьев И.В. Проектирование информационных систем. М.: Академический проект, 2009. −398 с.
2. Технический отчет Comite European de Normalisation
CEN/TC 287 «Географическая информация – Стандарты, спецификации, технические отчеты и основные принципы, необходимые для реализации Инфраструктуры пространственных
данных», Brussel, 2006.
3. Горчинская О., Наумов Е. Стандарт OMG CWM для обмена метаданными в хранилищах данных и его практическое применение. http://www.cplire.ru/mac/casr/os/3_12/8/15contents.htm.
Принята к печати 11 июля 2013 г.
Рекомендована кафедрой
информационно-измерительных систем МИИГАиК
86
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
Особенности разработки систем передачи стереоскопического
3D-видео и изображений через телекоммуникационные сети
в реальном времени
Профессор, доктор техн. наук И.Г. Журкин1, профессор, доктор техн. наук А.И. Алчинов2,
мл. науч. сотрудник В.И. Максимов1, аспирант Р.Ф. Хусаинова1
1
Московский государственный университет геодезии и картографии
2
ИПУ РАН им. В.А.Трапезникова, ООО «Талка+»
[email protected], [email protected]
Аннотация. Рассматривается проблематика передачи стереоскопических видео потоков и изображений через телекоммуникационные сети в реальном времени. Осуществлен обзор методов решения
задачи разработки аппаратно-программных систем передачи стерео-видеопотоков. Показана архитектура и инструментарий подсистемы передачи стереоскопических изображений и видео аппаратно-программного комплекса «Талка-Стерео».
Ключевые слова: стереоскопическое видео, видео в реальном времени, потоковое вещание, телекоммуникационные сети, протокол RTP
Abstract. Problems of transmitting stereo video streaming and stereo images through telecommunication
networks in real time are considered. The methods for solving the task of designing hardware and software
systems transmitting stereo video streams are reviewed. Architecture and tools of a subsystem for transmitting
stereoscopic images and video of a hardware and software complex «Talka-Stereo» are demonstrated.
Keywords: Stereoscopic video, real-time video, streaming, telecommunication networks, RTP
вариант, позволяющий реализовывать системы
отображения стереоскопического контента, в
достаточной мере адаптируемые к показателям
быстродействия и пропускной способности
телекоммуникационных сетей, заключается во
включении в СО СК выделенных подсистем,
обеспечивающих адаптацию к текущим характеристикам телекоммуникационной среды передачи данных.
При создании систем СО СК особое внимание требуется уделять разработке подсистем
передачи стереоскопической информации через
телекоммуникационные сети. В рамках указанного исследования были выявлены особенности
передачи трехмерных стереоскопических данных (видео и изображений) через телекоммуникационные сети, включая сеть Интернет, определены перспективные технологии и протоколы
передачи данных, сформирована архитектура
подобных подсистем.
Особенности задачи передачи стереоскопических видеоданных через телекоммуникационные сети, с одной стороны, связаны с
техническими характеристиками телекоммуникационных сетей, как среды передачи данных, с
другой — с характеристиками трехмерного стерео-видеоконтента. К особенностям телекоммуникационных сетей, влияющих на решение поставленной задачи, относятся:
относительно низкие скорости передачи
данных (в сравнении со скоростями внутренних
При разработке аппаратно-программных
комплексов отображения трехмерного стереоскопического видео и изображений особую роль
играет решение задачи передачи стереоскопических данных через телекоммуникационные
сети, включая сеть Интернет. Решение данной
задачи сопряжено с разрешением противоречия
между накладываемыми техническими ограничениями технической среды передачи данных на объемы передаваемых данных, с одной
стороны, и необходимостью манипулирования
трехмерными данными значительного объема, с
другой стороны. В то время как системы отображения стереоскопического контента (СО СК)
изначально ориентированы на работу с потоками данных значительного объема (для обеспечения высокого качества изображений), а значит,
предназначены для эксплуатации на оборудовании с высокими показателями быстродействия,
традиционные телекоммуникационные сети
слабоориентированы на передачу высоких объемов данных со значительной скоростью.
В качестве возможного варианта разрешения данного противоречия, при разработке систем отображения стереоскопического контента может регламентироваться использование
при передаче данных высокоскоростных телекоммуникационных сетей, включая специализированные сети потокового вещания, однако,
такой подход сужает универсальность и широту применения таких систем. Альтернативный
87
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
являются протоколы RTP (Real-time Transport
Protocol), отвечающий за передачу данных и
RTCP (Real-Time Control Protocol), реализующий проверку идентичности отправленных и
полученных пакетов, идентификацию отправителя и контроль загруженности сети. При использовании протокола RTP функции обеспечения достоверности передачи или надежности
соединения возлагаются на протокол пользовательских датаграмм (UDP — User Datagram
Protocol). В свою очередь, протокол RTP поддерживает передачу данных в реальном времени
между несколькими участниками RTP-сеанса:
для каждого участника RTP сеанс определяется
парой транспортных адресов назначения пакетов (один сетевой адрес — IP и пара портов: RTP
и RTCP) [1].
Помимо непосредственно передаваемых
фрагментов данных, пакеты RTP инкапсулируют
информацию, идентифицирующую отправителя; отметки о времени отправки и порядке передачи, с целью воспроизведения потока принимающей стороной с правильными интервалами и
в правильном порядке; информацию о характере
передаваемой информации (включая кодировку
и формат передаваемых видеоданных).
Для решения проблемы приоритетной обработки чувствительных к задержке данных,
каковыми и является стереоскопическое видео,
эффективно использование протокола резервирования ресурсов (RSVP — Resource ReSerVation
Protocol). RSVP позволяет конечным системам
резервировать сетевые ресурсы для получения
необходимого качества услуг, в особенности ресурсы для графика реального времени по протоколу RTP. RSVP ориентирован, в первую очередь, на управление маршрутизаторами, однако,
приложениям доступны функции резервирования необходимой полосы пропускания для данного класса услуг или уровня приоритета.
Для передачи стереоскопического видео
целесообразно использовать формат Multiview
Video Coding (MVC), являющийся расширением семейства стандарта H.264/MPEG-4[2].MVC
специально предназначен для кодирования как
3D-видео, так и видео со свободной точкой обзора (free view point video). Основной принцип
работы систем, работающих в этом формате, заключается в получении нескольких синхронизированных видеопотоков, перекодирование их
в один битовый поток и обратную расшифровку на стороне получателя. Алгоритм MVC использует модифицированный буфер H.264, что
интерфейсов графических рабочих станций),
выражающиеся в характеристике пропускной
способности канала;
наличие задержек в передаче и приеме данных, выражающихся в характеристике «лаг»;
определенная вероятность потери фрагментов передаваемых данных, выражающаяся в
«потере пакетов» в единицу времени.
К особенностям трехмерного видеоконтента могут быть отнесены: значительные объемы
передаваемых данных, в связи с использованием высокого разрешения (от 1080 для форматов
HD); фактическое дублирование передаваемых
данных (в связи с представлением каждого кадра в нескольких каналах для создания стереоскопического эффекта).
Подходы, применяемые при решении задачи передачи стереоскопических видеоданных через телекоммуникационные сети, условно могут быть разделены на две группы:
1) подходы, повышающие эффективность
использования выделенных ресурсов телекоммуникационной среды передачи данных;
2) подходы, реализующие преобразование стереоскопического контента без потерь или с допустимыми потерями качества, направленные на
снижение требований к характеристикам телекоммуникационной среды. Методы повышения
эффективности использования ресурсов среды
передачи включают выбор протоколов и форматов передачи данных, методы сжатия передаваемой информации и методы контроля передачи
данных. Методы преобразования стереоскопического контента заключаются в гибком преобразовании передаваемых данных как в области
технических характеристик (разрешение, количество каналов), так и в области контекста сцен,
представляемых стереоизображениямивидеопотока (дифференцированная значимость отдельных элементов изображения).
Задача повышения эффективности использования выделенных ресурсов телекоммуникационной сети при передаче стереоскопического
видео и изображений разбивается на три подзадачи:
выбор протоколов и форматов передачи
данных;
выбор архитектуры системы передачи данных;
реализация механизмов контроля качества
передачи данных.
Стандартом де-факто для потоковой передачи видео через сети IP в реальном времени
88
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
ровано клиентским оборудованием клиента (то
есть, узко говоря, выявляется быстродействие
видеоподсистемы клиентского ПК), с последующим снижением качества передаваемых видеоданных до характеристик, объективно поддерживаемых на клиентской стороне.
Важной частной задачей является устранение возникающих временных задержек при
передаче стереоскопического видеопотока в реальном времени. Для компенсации вклада неравномерно распределенных задержек эффективным является метод сегментации видеоданных
[3]. Видеопоток буферизируется на серверной
стороне «на лету», при этом производится
трансляция отдельных сегментов буфера. Для
определения целесообразности передачи очередного сегмента видеопотока используется механизм обратной связи с клиентской стороной,
при поступлении сигнала о готовности начинается передача. При этом сервер, осуществляя
непрерывный контроль над характеристиками
принимающей стороны, может осуществлять
прогнозирование скорости приема видеопотока.
На основе ожидаемого времени приема очередного сегмента данных, при появлении прогноза
о потенциальной задержке дальнейшего отображения потока на клиентской стороне, производится адаптивное изменение битрейта потока в
сторону уменьшения.
Альтернативный подход заключается в
адаптивном изменении (снижения) стереоэффекта передаваемого видеоизображения [4].
Согласно подходу, в алгоритмах подготовки стереоскопического потока к передаче осуществляется линейный контроль сетевого соединения,
на основе анализа выставляются дискретные
оценки. Серверное программное обеспечение
на основе указанной оценки производит сжатие
дополнительного видеоканала с потерей качества, что приводит к уменьшению стереоэффекта в управляемых пределах, но значительно снижает объем передаваемых данных.
В настоящее время существует ряд технологий, предлагающих передачу стереоскопического видео в монофонической форме. Метод
передачи стереоскопических данных в монофоническом формате предполагает покадровую
обработку стереоскопического видеопотока.
При этом из совокупности связанных кадров,
поставляемых различными каналами стереопотока, формируется результирующий кадр по
принципу «шахматной доски». Например, для
двухканального стерео-видеопотока, пиксели
позволяет кодировать стереоскопическое видео.
Соответствующие кадры с разных камер располагаются в буфере в последовательности согласно их относительному пространственному положению во всей системе камер, формирующих
изображение (видеопоток). После перестроения
кадров в буфере поток кодируется стандартным
кодеком H.264.
Архитектура системы передачи стереоскопического видео строится по принципу «клиент-сервер». При этом серверная компонента
функционирует в режиме видеосервера и обслуживает запросы от нескольких клиентских
приложений. Количество одновременно обслуживаемых клиентов зависит от быстродействия
аппаратного обеспечения сервера, а также от
характеристик пропускной способности и скорости сетевой инфраструктуры сервера.
Задача преобразования стереоскопического
контента при его передаче через телекоммуникационные сети формально заключается в снижении объемов передаваемых данных, т.е. фактически в снижении сетевого трафика.
При передаче стереоскопических векторных
изображений перспективным подходом является алгоритм адаптивного сжатия изображения
в части изменения детализации текстур отображаемых объектов и учета видимости частей
объектов [3]. Алгоритм учитывает направление
взгляда пользователя, на первом этапе рассчитывает видимость отдельных частей объектов
видеосцены. Части, находящиеся вне поля зрения, удаляются. На втором этапе алгоритм определяет дальность до отображаемых объектов.
Для объектов, находящихся на относительно
большом расстоянии, производится прогрессивное сжатие текстуры по принципу «чем больше
расстояние, тем выше степень сжатия».
Для сжатия стереоскопических видеопотоков может быть использована технология адаптивного сжатия видеопотока с обратной связью
— на основе характеристик соединения. Суть
предлагаемого решения заключается в размещении на клиентской стороне специализированного модуля контроля качества соединения.
Используя эвристические алгоритмы, модуль
производит оценку качества соединения в реальном времени, и на основе этой оценки принимает решение об уровне максимального битрейта, который может быть принят в условиях
данного сетевого соединения. Также производится оценка максимального уровня качества
изображения, которое может быть визуализи-
89
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Буферизация
Стереопоток
с
п
л
п
буфер
л
п
л
п
л
п
л
п
п
Сегмент
Кодер в формат
H.264 MVC
л
Модуль адаптивного изменения битрейта
и прореживания кадров
Модуль обратной связи и прогнозирование
Обратная связь с
использованием
протокола RTCP
Трансляция по
протоколу RTP
Телекоммуникационная сеть
Рис. 1. Принципиальная схема серверной компоненты системы передачи стереоскопических видеоданных
АПК «Талка-Стерео»
передаче реализованы методы буферизации, сегментации передаваемого потока с адаптивным
изменением битрейта передаваемых данных на
основе систем обратной связи и прогнозирования. Также реализован принцип «прореживания
кадров», согласно которому в целях снижения
объемов сетевого трафика, на основе информации от модуля прогнозирования и обратной связи, производится изъятие отдельных кадров из
сегмента (по принципу «каждый n-й», где параметр n рассчитывается на основе анализа характеристик приема потока клиентской стороной).
кадра левого канала располагаются в «белых»
ячейках (по аналогии с шахматной доской) результирующего кадра, пиксели правого канала
— в «черных» ячейках. Полученные последовательные кадры, содержащие агрегированные
кадры стереопотоков кодируются с использованием обычных монофонических форматов. На
стороне клиента происходит обратное преобразование монофонического потока в совокупность стереопотоков.
Реализация указанных подходов была выполнена в рамках работы по государственному контракту №14.514.11.4034 при разработке
АПК «Талка-Стерео». Были проанализированы
преимущества и недостатки рассмотренных выше методов достижения эффективности при передаче стереоскопических видеопотоков и изображений через телекоммуникационные сети.
На рисунке приведена принципиальная схема
серверной компоненты разработанной системы
передачи стереоскопических видеоданных.
Принято решение об использовании рассмотренных протоколов RTP и RTCP для организации трансляции видеопотоков с использованием клиент-серверной архитектуры. В части
подготовки стереоскопического видеопотока к
Литература
1. Zurawski R. «RTP, RTCP and RTSP protocols» // The
industrial information technology handbook. — CRC Press, 2004.
2. «DirectX Video Acceleration Specification for H.264/
MPEG-4 AVC Multiview Video Coding (MVC)», эл. Ресурс,
Режим
доступа:http://download.microsoft.com/download/2/
D/0/2D02E72E-7890-430F-BA91-4A363F72F8C8/DXVA_
H264_MVC.pdf.
3. Rose A., Pentecost D.J., Vuillemin A. US Patent 7007295.
System and method for Internet streaming of 3D animated content.
2006.
4. Mashitani K., Hamagishi G., Takemoto S., Horiuchi Keiji.,
Hori Y. US Patent 7646907. Stereoscopic image generating device
and stereoscopic image delivery method. 2010.
Принята к печати 25 марта 2013 г.
Рекомендована кафедрой ВТ и АОИ МИИГАиК
90
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
Об использовании зарубежного опыта создания интеллектуальных
транспортных систем и их геоинформационного обеспечения
Доктор техн. наук В.Б. Непоклонов1, аспирант С.А. Сенин2
1
Московский государственный университет геодезии и картографии
2
Ассоциация «ГЛОНАСС/ГНСС-Форум»
[email protected]
Аннотация. Создание интеллектуальных транспортных систем (ИТС), функционирующих с использованием аппаратуры спутниковой навигации, требует изучения и рационального использования зарубежного опыта решения аналогичных задач. Дается оценка современного состояния теоретической
проработки вопросов создания ИТС, используемых подходов к построению таких систем, факторов,
влияющих на выбор эффективных путей создания и развития ИТС, включая использование геоинформационных технологий.
Ключевые слова: интеллектуальные транспортные системы, картографическое обеспечение, геоинформационная система
Abstract. Creating intelligent transportation systems (ITS) that operate using satellite navigation equipment,
requires research and rational use of foreign experience. The article presents the current state of theoretical
study of ITS creation, the approaches being used to build such systems, the factors influencing the choice of
effective ways of creating and developing ITS, including the use of geographic information technologies.
Keywords: intelligent transport systems, сartographic support, geographic information system
Федерации экстренным оперативным службам
(система «ЭРА-ГЛОНАСС») [1]. Аналогом системы «ЭРА-ГЛОНАСС» является европейская
система eCall (emergency call).
Современные ИТС используют в качестве
одного из основных инструментов сбора информации бортовые навигационно-информационные комплексы, включающие бортовой
навигационно-информационный
терминал,
в состав которого входят приемник сигналов
глобальных навигационных спутниковых систем, вычислительное устройство, устройство
связи с внешними абонентами, пользовательский интерфейс. Кроме этого, бортовой навигационно-информационный комплекс может
содержать следующие компоненты:
комплекс датчиков, в состав которого могут входить датчики состояния транспортного
средства (ТС), груза, пассажиропотока, оборудования, смонтированного на ТС, идентификации водителя, система автоматического определения факта аварии и др.;
комплекс исполнительных элементов, которые могут обеспечивать по команде от оператора системы, например, такие функции,
как блокировка возможности движения ТС
(например в случаях отклонения от маршрута
ТС, перевозящего опасные грузы, нарушения
режима работы и отдыха водителей либо угона
ТС), включение аварийной сигнализации (при
Объединение достижений в области навигационных, телекоммуникационных и геоинформационных технологий проявило себя
целым рядом инновационных решений в различных направлениях. Одним из таких направлений стало развитие интеллектуальных
транспортных систем (ИТС). Под ИТС понимается информационно-управляющая система, интегрирующая современные информационные, навигационные, геоинформационные
и телекоммуникационные технологии и обеспечивающая выработку, поиск и реализацию
наиболее обоснованных решений по управлению дорожно-транспортным комплексом с целью повышения пропускной способности дорожной сети, обеспечения его экономической
эффективности, а также удобства и безопасности пассажиров и перевозок. Важнейшими и
одними из наиболее актуальных на сегодняшний день элементов ИТС являются системы
реагирования на дорожно-транспортные происшествия (ДТП).
В настоящее время в России создается федеральная государственная автоматизированная навигационно-информационная система,
функционирующая с использованием сигналов глобальной навигационной спутниковой
системы ГЛОНАСС, реализующая доставку
сообщений о ДТП и иных чрезвычайных ситуациях на автомобильных дорогах Российской
91
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
с этим возникает и требует решения вопрос о
путях развития соответствующих ГИС — либо адаптация универсальных ГИС под задачи ИТС, либо создание специализированных
ГИС, решающих задачи ИТС с максимальной
эффективностью, либо комбинированные варианты.
В условиях России и ряда других стран
реализация геоинформационных технологий в
области картографического обеспечения ИТС,
в том числе — систем реагирования на ДТП,
сталкивается с определенными трудностями,
обусловленными, с одной стороны, сложностью создания и обновления как базовой картографической информации, так и специальной
информационной нагрузки, с другой стороны,
видовым многообразием самих ИТС, подходов к их созданию и использованию, не вполне
сложившимися взглядами на состав, структуру, функционирование и взаимодействие таких
систем.
Если исходить из практически не вызывающей на сегодняшний день сомнения необходимости гармонизации отечественных и
зарубежных ИТС, становится очевидной целесообразность учета зарубежного опыта создания, развития и использования таких систем
при определении путей выхода из отмеченной
выше проблемной ситуации.
В середине 1980-х гг. в США, Японии и
странах Европы начались крупномасштабные
работы по созданию и развитию ИТС или систем транспортной телематики [4]. За последние десятилетия этими странами накоплен
обширный опыт внедрения и использования
ИТС различной сложности. Однако в течение
всех этих лет темпы развития технологий и
оборудования, используемых в более поздних
подсистемах ИТС, а также рост количества
транспортных средств постоянно превышал
скорость развития и накопления научной и методической базы проектирования ИТС. В настоящее время это отставание проявляется, в
частности, во все большей фрагментарности
научного знания по данной тематике без появления общей теории интеллектуальных транспортных систем.
Большинство современных разработок в
получении от ТС сигнала аварии и невозможности установления связи с водителем), разблокировка либо открытие дверей при получении сигнала аварии и т. д.
Необходимой составной частью систем реагирования и ИТС в целом является подсистема картографического обеспечения, реализуемая на базе современных геоинформационных
технологий соответствующей тематической
направленности. Основная задача подсистемы
картографического обеспечения заключается
в поддержании функционирования ИТС в части сбора, хранения, обработки и представления необходимых пространственных данных.
Интегрирующими свойствами, дающими возможность объединять разнородные информационные ресурсы, обладают такие базовые
элементы ГИС, как цифровые модели и цифровые карты [2].
В настоящее время в нашей стране и за рубежом создаются геоинформационные системы (ГИС) для комплексных решений в сфере
транспорта, включающие управление парком
транспортных средств, построение маршрутов
передвижения, мониторинг состояния дорожной инфраструктуры, планирование мероприятий по повышению безопасности дорожного
движения [3]. Ситуация такова, что на сегодняшний день разработка ГИС для управления
транспортным комплексом без учета задач
ИТС уже не может считаться актуальной. При
этом одной из основных функций ГИС становится оптимизация маршрутов передвижения
ТС с использованием бортовой телеметрической информации и ограничений, связанных
с фактором времени, условиями местности,
метеорологическими условиями, дорожной
обстановкой, состоянием дорожной инфраструктуры и другими факторами. Параллельно
а
Архитектура ИТС:
б
а — централизованная модель; б — сетевая модель
92
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
ного полотна с направляющими устройствами,
рельсового пути либо монорельса, а также в
виде комбинации этих устройств. Пассажир
на остановочном пункте выбирает пункт назначения. Система подает свободное ТС или
направляет сюда попутное. Выделенное ТС
самостоятельно выбирает кратчайший путь до
пункта назначения, основываясь на особенностях топологии сети. Вся система имеет централизованное компьютерное управление на
уровне распределения ТС и обеспечения безопасности. Примером современной системы
PRT может служить система, введенная в строй
в 2009 г. в лондонском аэропорту Хитроу для
связи пассажирского терминала с удаленными
автостоянками [5]. Однако следует отметить,
что подобные системы проектируются для решения транспортных задач на относительно
небольшой территории. К тому же для подобных систем строится собственная инфраструктура, которая не предусматривает использование каких-либо других транспортных средств.
Поэтому можно сделать вывод о том, что сфера применения подобных систем довольно узка как ввиду высокой стоимости, так и в силу
ограничений, которые связаны с применением
централизованного управления.
Альтернативным решением является организация управления объектами транспортной
системы, основанная на сетевом подходе. В
этом случае каждый объект может самостоятельно принимать решения по оперативному
реагированию на изменения транспортной
обстановки, основываясь на информации, получаемой от участников дорожного движения и доставленной до него в обработанном
виде, в качестве вариантов реагирования, рекомендаций, графическом представлении текущей дорожной обстановки или обработанной еще каким-либо специальным способом.
Использование сетевого подхода позволяет, в
частности, улучшить информационное взаимодействие между спасательными и медицинскими службами, следствием чего является
сокращение времени ожидания медицинской
помощи при ДТП. При этом существенное
значение имеет единство, как минимум, совместимость картографического обеспечения
сфере создания ИТС используют в своих подсистемах архитектурные решения, реализующие как централизованный, так и сетевой
подходы (рисунок). Особенностью сетевой модели является наличие горизонтальных связей
между отраслевыми (функциональными, региональными) подсистемами. На сегодняшний
день в составе ИТС выделяются следующие
отраслевые навигационно-информационные
подсистемы:
мониторинга и управления транспортом
скорой медицинской помощи;
мониторинга и управления транспортом
аварийно-спасательных служб;
мониторинга и управления служб безопасности дорожного движения;
дистанционного контроля за содержанием
автомобильных дорог;
мониторинга и управления пассажирским
транспортом;
мониторинга и управления транспортными
средствами жилищно-коммунального хозяйства;
мониторинга и управления перевозками
опасных грузов;
мониторинга и управления большегрузным транспортом.
Каждый из указанных выше подходов к
построению ИТС имеет свои достоинства и
недостатки. Основные преимущества централизованной модели относятся к таким характеристикам, как унификация, масштабируемость
и управляемость. К достоинствам сетевой модели можно отнести гибкость и оперативность
решения задач, а к недостаткам – повышенную
сложность реализации, в том числе в части
картографического обеспечения.
Опыт зарубежных стран показывает, что
применение централизованного подхода дает
наибольший эффект на пассажирском транспорте. Примером могут служить так называемые PRT-системы (Personal Rapid Transit)
— системы общественного транспорта, которые обеспечивают безостановочную перевозку пассажиров по их запросу с помощью автоматических ТС без водителя. Система PRT
использует собственную транспортную сеть,
которая может быть выполнена в виде дорож93
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
в постоянном контакте с другими водителями и
дорожной инфраструктурой.
Таким образом, можно выделить три группы факторов, оказывающих влияние на качество функционирования ИТС:
1) инженерно-технологические, влияющие
на выбор применяемых технологий, устройств,
сетей передачи сигналов; определяющие запас
мощности подсистем, сложность обслуживания и модернизации;
2) организационно-управленческие, влияющие на методы и скорость принятия решений,
организационную структуру управленческого
аппарата, гибкость и изменяемость управленческих подходов, расстановку приоритетов
при распределении ресурсов;
3) потребительские, влияющие на популярность и скорость распространения пользовательских устройств-терминалов ИТС, желание
сторонних компаний и организаций интегрировать свои продукты и/или свои ресурсы в ИТС,
возможность привлечения дополнительных
средств за счет коммерческого использования
подсистем ИТС или собираемых ими данных.
Для создания ИТС, обеспечивающей безопасность дорожного движения, необходимо
оперативное реагирование при возникновении экстремальных ситуаций и эффективное
использование дорожной сети. При этом еще
на этапе проектирования требуется сбалансировать влияние перечисленных выше факторов. Такой подход может оказаться более
эффективным с точки зрения затрат, чем интеграция в единую систему отдельных подсистем, разработанных автономно или с частичной координацией действий участвующих
сторон. Наибольшее развитие ИТС получили
в Европейском Союзе, где для координации
деятельности участников рынка ИТС создана
специальная организация — Европейская ассоциация по интеллектуальным транспортным
системам (ERTICO). Список программ, курируемых ERTICO (таблица), наглядно показывает разнообразие применяемых технологий
(навигация, связь, телематика, логистика, экология, электронные карты, геоинформационные системы, обучающие технологии, интернет) [9−22].
взаимодействующих служб (функциональных
подсистем). Автоматическая система аварийного вызова, которая вводится сейчас в Европе
(проект «eСall»), дополняет системы оповещения тем, что предоставляет спасательным
службам дополнительную информацию о месте и тяжести аварии и о характере требуемой
медицинской помощи. По оценкам данная система сможет снизить общую смертность на
дорогах на 4−8%, а смертность водителей и
пассажиров ТС — на 5−10% [6]. Этот и другие
аналогичные примеры показывают, что формирование новых прямых связей между различными службами в рамках сетевой модели
ИТС позволяет, в конечном счете, значительно
повысить эффективность работы системы в
целом.
Судя по зарубежным публикациям, продолжаются дискуссии вокруг вопроса о сущности и роли ИТС как инструмента решения
транспортных проблем. Так, в отдельных работах объектом критики является то, что разрабатываемые в настоящее время подсистемы ИТС
решают лишь тактические вопросы, связанные с безопасностью, в частности помогают
организации движения ТС, скапливающихся
в определенных местах транспортных сетей,
но не определяют механизм ликвидации этих
узких мест [7]. Одним из возможных путей решения этой проблемы является направление,
связанное с созданием и использованием в составе ИТС пространственных динамических
моделей обстановки [8].
При адаптации зарубежного опыта к условиям России становится все более очевидным,
что для нашей страны критерии эффективности
ИТС должны учитывать не только технологический, управленческий, но и пользовательский
аспекты. В России общий уровень дисциплины
участников дорожного движения значительно
ниже, чем в развитых странах, что, безусловно,
усложняет учет поведения этой категории лиц
в модели функционирования ИТС. Еще одним
фактором, который должен учитываться при
создании ИТС, является усложнение дорожной обстановки, обусловленное, в том числе,
ростом количества ТС, в первую очередь, частных автомобилей, водители которых находятся
94
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
Характеристика европейских программ в сфере ИТС
Краткое описание
Статус
Актуальность
для РФ
AIDE
Создание специальных инструментальных средств бортовой телематики, обеспечивающих помощь водителю в сложной дорожной обстановке.
Завершена
Высокая
GST
Создание системы телематических услуг, обеспечивающей сбор, передачу обработки информации для участников дорожного движения, скорой помощи и
служб спасения
"
"
ADAS
Создание системы передачи информации на бортовую телематическую систему
автомобиля о возможных опасностях по ходу движения
"
"
MADAS
Создание системы использования электронных карт для повышения безопасности на дорогах
"
Средняя
CVIS
Создание системы взаимодействия бортовой телематической системы автомобиля и дорожной телематической инфраструктуры
"
Высокая
EuroRoadS
Создание базы данных о европейской дорожной инфраструктуре
"
Низкая
TMC
Создание системы информирования участников дорожного движения о реальной дорожной обстановке по специальному выделенному радиоканалу
"
"
Программа
euroFOT
Верификация и оценка эффективности прикладных ИТС-подсистем
"
Высокая
ETNITE
Развитие сети учебных центров для подготовки специалистов в области построения и управления ИТС
"
"
AGILE,
SISTER
Развитие коммерческого использования европейской спутниковой системы
Galileo в сфере дорожного транспорта
"
"
AMITRAN
Разработка методологии оценки влияния разрабатываемых ИТС на объем выбросов CO2
Действует,
завершение
в 2014 г.
Средняя
ecoDRIVER Поддержка водителей экомобилей в их стремлении к сохранению энергии и
сокращению выбросов
Действует,
завершение
в 2015 г.
"
INSTANT
MOBILITY
Оптимизация работы внутригородского мультимодального транспорта за счет
развития интернет-сервисов
Действует,
завершение
в 2013 г.
Высокая
HeERO
Подготовка и координация предварительного развертывания пилотных проектов по программе 112 eCall
Действует,
завершение
в 2013 г.
Средняя
CITYLOG
Развитие решений, позволяющих увеличить устойчивость и эффективность
городской логистики доставки товаров
Завершена
Высокая
Появление все более «умных» систем предполагает интеграцию всех подсистем в единую
ИТС. Однако затраты на интеграцию отдельных частей, спроектированных и введенных
в эксплуатацию в разные годы и вследствие
этого обладающих различным уровнем сложности применяемых технологий, иногда сопоставимы с затратами на создание новой ИТС.
Это обстоятельство также влияет на интеграционные процессы по созданию общеевропейской ИТС.
Анализ перечисленных программ дает
основание полагать, что эти программы не
в полной мере согласованы и увязаны общей
концепцией создания европейской ИТС. На
это указывает, в частности, затягивание со-
гласования регламентов и стандартов ЕС для
создания универсальной для всех стран ИТС.
Косвенным подтверждением этому может служить ход реализации инициативы по оборудованию ТС специальными устройствами бортовой телематической системы для определения
местонахождения попавшего в аварию транспортного средства и вызова экстренных служб
к месту ДТП, приведшей к принятию программы eСall, поддержанной практически всеми
странами ЕС. Все это еще раз подтверждает
сложность проблемы создания объединенных
ИТС, включающей в себя, в том числе, целый
ряд вопросов обеспечения технической, программной, информационной и организационной совместимости интегрируемых систем.
95
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
подходы, каждый из которых имеет свои достоинства и недостатки;
выбор наиболее эффективного подхода к
созданию и развитию ИТС определяется тремя
группами факторов — инженерно-технологическими, организационно-управленческими и
потребительскими;
создание объединенных ИТС континентального масштаба затрудняется, как показывает, в частности, пример стран ЕС, несогласованностью и разобщенностью национальных,
региональных и узкоспециализированных навигационно-информационных систем;
одну из ключевых ролей в построении интегрированных ИТС могут выполнять геоинформационные платформы, позволяющие эффективно управлять как отдельными ТС, так и
группировками транспортных средств, за счет
использования универсальной технологии
для работы с пространственными и пространственно-временными данными.
Анализ европейского опыта развития ИТС
указывает на то, что общеевропейский куратор данного направления ERTICO, роль которого в решении задач такого рода является
весьма важной, старается развивать сразу все
возможные направления, хоть и с некоторым
акцентом на высокотехнологичные решения.
Однако некоторые из программ не столько дополняют друг друга, сколько вступают в конфликт и соперничество (доставка информации
об изменяющихся дорожных условиях посредством интернет и по выделенному радиоканалу), а также требуют дополнительной работы
по последующей интеграции в единую систему. Возможно, поощряя на данном этапе развитие совершенно разных направлений ИТС,
ERTICO рассчитывает на то, что наиболее
успешный проект станет основным центром
интеграции различных подсистем ИТС в единую европейскую систему.
Еще одним важным направлением анализа зарубежных ИТС, представляющим интерес с точки зрения продвижения аналогичных
российских разработок, является изучение зарубежного опыта масштабирования ИТС, в
первую очередь — по количеству и видовому
многообразию пользователей, включая распространение области действия ИТС на руководящий состав транспортной отрасли. В
этом плане одним из ключевых факторов являются характеристики используемых средств
представления пользователям выходной информации, в том числе топографической и
специальной информации о местности и расположенных на ней объектах с учетом происходящих изменений.
На основании проведенного в данной работе анализа направлений исследований и разработок в области создания ИТС и их геоинформационного обеспечения могут быть сделаны
следующие основные выводы:
при создании современных ИТС конкретные практические результаты, в том числе
уровень развития оборудования и технологий,
опережают уровень развития теоретических
основ разработки и применения ИТС;
в разработках ИТС развитых стран применяются как централизованный, так и сетевой
Литература
1. ГОСТ Р 54620-2011 Глобальная навигационная спутниковая система. Система экстренного реагирования при авариях. Автомобильная система вызова экстренных оперативных
служб. Общие технические требования. – М: Стандартинформ,
2012. –145 с.
2. Цветков В.Я. Цифровые карты и цифровые модели // Изв.
вузов «Геодезия и аэрофотосъемка».− 2000.− № 2.− С. 147–155.
3. Андрианов В. Применение геоинформационных систем на
транспорте // Региональное управление предприятием. –2008.
−№ 4. –С. 42−45.
4. Кабашкин И.В. Интеллектуальные транспортные системы: инте-грация глобальных технологий будущего //
Транспорт Российской Федерации. –2010. −№2(27). –С. 34−37.
5. Горев А.Э. Основы теории транспортных систем/ СПб
ГАСУ. –СПб.: 2010. –214 c.
6. Towards Zero: Ambitious Road Safety Targets and the Safe
System Approach (Russian version), International Transport
Forum, OECD Publishing, 2010, –С. 102.
7. Вучик В. Р. Транспорт в городах, удобных для жизни.
Серия: Университетская библиотека Александра Погорельского. Изд-во «Территория будущего», 2011. –413 c.
8. Непоклонов В.Б., Флегонтов А.В. Вопросы создания и
применения пространственных динамических моделей обстановки // Изв. вузов «Геодезия и аэрофотосъемка». –2013. −№1.
–С.87−93.
9. AIDE — Adaptive Integrated Driver-vehicle Interface //
Официальный сайт программы. [Электронный ресурс]. http://
www.aide-eu.org/ (дата обращения 10.11.2012).
10. GST website // ERTICO ITS Europe. – [Электронный ресурс]. – http://www.ertico.com/gst-website/ (дата обращения
9.11.2012).
11. Advancing map-enhanced driver assistance systems //
ERTICO ITS Europe. – [Электронный ресурс]. – http://ertico.
com/advancing-map-enhanced-driver-assistance-systems-2/ (дата
обращения 9.11.2012).
12. PReVENT — MAPS&ADAS // ERTICO ITS Europe. –
96
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
[Электронный ресурс]. – http://ertico.com/prevent-maps-adas/
(дата обращения 9.11.2012).
13. CVIS — Cooperative vehicle-infrastructure systems. –
[Электронный ресурс]. – http://www.cvisproject.org/ (дата обращения 10.11.2012).
14. euroFOT — Bringing intelligent vehicles to the road –
[Электронный ресурс]. – http://www.eurofot-ip.eu/ (дата обращения 10.11.2012).
15. ETNITE — Improving ITS training and education// ERTICO
ITS Europe. – [Электронный ресурс]. – http://www.ertico.com/
etnite/ (дата обращения 9.11.2012).
16. AGILE — Making the most of satellite navigation services//
ERTICO ITS Europe. – [Электронный ресурс]. – http://www.
ertico.com/agile (дата обращения 9.11.2012).
17. SISTER — Promoting the integration of satellite and
terrestrial communication with Galileo for road transport//
ERTICO ITS Europe. – [Электронный ресурс]. – http://www.
ertico.com/promoting-the-integration-of-satellite-and-terrestrialcommunication-with-galileo-for-road-transport (дата обращения
9.11.2012).
18. AMITRAN — Assessment methodologies for ICT in
multi-modal transport from User Behaviour to CO2 reduction. –
[Электронный ресурс]. – http://www.amitran.eu/ (дата обращения 12.11.2012).
19. ecoDRIVEN — Supporting the driver in conserving energy
and reducing emissions. – [Электронный ресурс]. – http://www.
ecodriver-project.eu/ (дата обращения 14.11.2012).
20. INSTANT MOBILITY — Multimodality for people and
goods in urban areas. – [Электронный ресурс]. – http://instantmobility.com/ (дата обращения 12.11.2012).
21. HeERO Harmonised eCall European Pilot // ERTICO ITS
Europe. – [Электронный ресурс]. – http://ertico.com/heero/ (дата
обращения 15.11.2012).
22. CITYLOG — Sustainability and efficiency of city logistics.
– [Электронный ресурс]. – http://www.city-log.eu// (дата обращения 13.11.2012).
Принята к печати 11 июля 2013 г.
Геоинформационный мониторинг состояния и планирования
ремонтов дорожной сети с применением ДДЗ и ГИС-инструментария
ArcGIS Network Analyst
Аспирант А.А. Назаров
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Рассмотрены, обработаны и переведены в электронный вид данные мониторинга состояния дорожной сети города Вятские Поляны Кировской области. Описывается методика обработки
пространственных данных и алгоритм выбора приоритетов восстановительных работ.
Ключевые слова: пространственная основа, дешифрирование, дорожная сеть, ремонт дорожной сети
Abstract. Data of monitoring of road network condition in Viatskiye Polyany, Kirov region was examined
and processed. All the information was digitized. Methodology of analyzing geospatial data is presented along
with an algorithm that assignes priority to reconstructive works.
Keywords: spatial basis, deciphering, road network, road network repair
Задача постоянного контроля и своевременного ремонта состояния дорог актуальна
для любого населенного пункта. Разработка
ГИС города с применением данных дистанционного зондирования и современных геоинформационных программных продуктов
позволяет осуществлять мониторинг дорожной сети и эффективно планировать в случае
необходимости ее ремонт. В качестве примера,
наглядно показывающего возможности пространственных технологий, можно привести
прототип транспортной ГИС, разработанный
автором для г. Вятские Поляны.
Это третий по величине город Кировской
области с населением 38 260 чел. (2010 г.), являющийся самостоятельным муниципальным
образованием и административным центром
Вятско-Полянского района. Протяженность
дорог общего пользования местного значения
(без учета улиц, проездов, переулков, дорожных сооружений) в пределах города составляет 14,7 км, в том числе 13,3 км — с твердым
покрытием, т.е. 90,5%, тогда как в целом по
Кировской области этот показатель не превышает 22%. Кроме того, дорожная сеть Вятских
Полян является одной из лучших по состоянию покрытия, несмотря на то что в среднем
качество дорожной сети Кировской области
оставляет желать лучшего и многие автомобилисты стараются по возможности пользоваться
объездными дорогами.
Основной проблемой дорожного комплекса муниципального значения является недостаточность собственных финансовых ресурсов.
97
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Если в 2008 г. на ремонт дорожного полотна из
городского бюджета было израсходовано почти 10 млн руб., то в 2009 г. эта цифра была уже
намного скромнее. И дальнейшее сокращение данной статьи расходов ввиду недостатка
средств продолжается из года в год, хотя и не
катастрофическими темпами.
В связи с открытием нового моста через
реку Вятку и началом строительства трассы, которая пройдет рядом с городом, внимание к состоянию его дорог заметно возросло.
С полномасштабной реализацией указанных
работ будут обеспечены межрегиональные
связи Татарстана, Удмуртии, Кировской области, Нижегородской области и Пермского
края, многие транспортные потоки пойдут не-
посредственно через город, поэтому качество
дорожного полотна должно соответствовать
предполагаемой нагрузке. Именно по этой
причине уже сейчас стали необходимыми новый взгляд на анализ дорожной сети города и
новый метод планирования ремонтных работ.
Создание прототипа транспортной ГИС
Вятских Полян, как и любой иной ГИС, велось
в несколько этапов. Первый этап — обработка
данных дистанционного зондирования – включал в себя дешифрирование и привязку спутникового снимка к координатной основе. На
втором этапе с использованием снимка формировалась пространственная основа города.
Третий этап – проектирование и заполнение
базы данных, которая представлена в виде таблиц атрибутов, четвертый – подготовка моделей для анализа и визуализации результатов.
В рамках проводимых работ использовался
спутниковый снимок высокого разрешения аппарата GeoEye, приобретенный в составе GPSкарты г. Вятские Поляны в интернет-магазине
mapsshop.ru (рис. 1).
Прототип транспортной ГИС города создавался на базе программного продукта ESRI
ArcGIS, обладающего мощным функционалом.
Работа со снимком велась в проекции Меркатора (UTM) и системе координат
WGS 84. Расчет номенклатуры необходимой
зоны был проведен, исходя из положения примерного центра города, определенного с помощью открытого сервиса «Яндекс.Карты». Так
как номенклатура в проекции Меркатора представляет собой комбинацию из номера шестиградусной зоны по долготе и буквы, идентифицирующей Северное или Южное полушарие,
для ее расчета было достаточно одной координаты, в данном случае — 51°03′29,05″ в.д.
Так как город лежит к востоку от осевого меридиана, к полученному значению необходимо
прибавить число 30. Таким образом, с учетом
расположения в Северном полушарии, номенклатура листа — 39N (51/6 = 8,5 → 30 + 9 = 39 → 39N). Исходный снимок уже имеет координатную привязку, в связи с чем в ArcGIS необходимо только указать рассчитанную номенклатуру.
Последняя задается в свойствах подгруженных
слоев, во вкладке Coordinate System (рис. 2).
Сразу после указания зоны снимок принимает правильное пространственное положе-
Рис. 1. Спутниковый снимок г. Вятские Поляны
Рис. 2. Меню выбора номенклатуры в ArcGIS
98
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
ции очередности ремонтных работ по итогам
исполнения алгоритма планирования. Следует
сказать, что информация об организации двустороннего или одностороннего движения,
скоростных ограничениях была получена методом выезда на местность, данные мониторинга предоставлены дорожной администрацией города, а остальные сведения, будучи
вторичными, получены путем вычисления или
непосредственных измерений пространственной основы (длины участков).
Созданный прототип геоинформационной
системы города помимо пространственной основы (набор определенных слоев и полей атрибутивных таблиц) включает в себя инструмент
анализа и планирования ремонтных работ дорожной сети, созданный на базе функционала
ModelBuilder и ArcToolbox, и позволяет решать
следующие задачи (рис. 4):
визуализация результатов полевых обследований состояния дорожного полотна;
анализ значимости дорог для областной и
городской дорожных сетей;
построение очереди на ремонтные работы;
ние и готов к векторизации объектов местности. Исходя из времени года, когда был сделан
снимок, и его разрешения, можно сделать
вывод о достаточной простоте дешифрирования отображенных на нем объектов интереса:
автомобильных и железных дорог, строений,
спортивных и промышленных территорий, гидрографии и растительности. В результате соответствующих работ была создана и визуализирована пространственная основа г. Вятские
Поляны по границе зоны мониторинга дорожной сети (рис. 3).
Для проведения практически любого вида
аналитических работ одной пространственной
основы недостаточно, необходимы также атрибутивные данные, которые хранятся в базе геоданных в связанных реляционных таблицах.
Одни таблицы являются совокупностями объектов, другие отвечают за отношения между
ними, а также за правила проверки корректности и домены атрибутов. ArcGIS управляет
целостностью таблиц и с помощью объектов
доступа к географическим данным предоставляет пользователям объектно-ориентированную модель данных.
На основе указанной выше информации
проводятся все виды аналитических работ.
Созданный прототип не стал исключением из
правил. Для каждого слоя были созданы таблицы атрибутов, которые хранят необходимые
сведения. Большинство слоев имеют практически одинаковую структуру полей, так как они
не участвуют в вычислительных и иных процессах. Таким образом, кроме стандартных полей появились поля ObjectName, ObjectType и
ObjectFull для хранения собственных названий
отображаемых объектов, если таковые имеются. Основным слоем применительно к данной
работе является дорожный граф (road_lines), в
таблице атрибутов которого присутствуют поля: FuncClass, содержащий классификацию по
значению; SpeedLim, хранящий данные о скоростных ограничениях; ONEWAY с данными
об организации двустороннего или одностороннего движения по конкретному участку;
Lenght с указанием длин участков в метрах;
Time для хранения сведений о времени прохождения по участку, исходя из длины и максимально разрешенной скорости; Health для
размещения результатов классификации по
данным мониторинга дорожной сети и фикса-
Рис. 3. Пространственная основа г. Вятские Поляны
Рис. 4. Векторная основа города с классификацией
дорог по значению и визуализацией подписей
объектов
99
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
рованные участки (на рис. 5 показаны зеленым
цветом).
Действия по дальнейшему анализу дорожной сети и планированию ремонтов осуществляются в четыре этапа, в ходе которых подлежащие ремонтным работам участки дорог
классифицируются по очередности на восстановление (четыре класса).
Первый этап позволяет выявить все поврежденные дороги города, отнесенные к первому классу по состоянию, которые при этом
являются наиболее значимыми, то есть отнесены к первому классу по значению (рис. 6). Для
Рис. 5. Визуализация данных мониторинга состояния дорожной сети
road_lines_VP
olany_2 (2)
Select Layer
By Attribute
road_lines_VP
olany_2
Select Layer
By Attribute
(2)
road_lines_VP
olany_2 (4)
Calculate
Field
road_lines_VP
olany_2 (3)
Рис. 6. Модель первого этапа
визуализация результатов построения очереди на ремонтные работы.
До планирования ремонтных работ было
проведено разделение автомобильных дорог
по их значению с отнесением к одному из четырех классов. В первый класс вошли дороги,
представляющие собой сквозные проезды через город, те участки городских улиц, которые
являются неотъемлемой частью областной дорожной сети. Второй класс включил в себя все
основные улицы города, третий — некоторые
полевые дороги, четвертый — парковые и пешеходные дорожки.
Что касается состояния дорожного полотна, то здесь дорожная сеть разнесена по пяти
классам, первые два из которых предполагают
проведение ремонтных работ (на рис. 5 показаны красным и оранжевым цветами), а последний включает в себя недавно отремонти-
Рис. 7. Результат построения маршрутов
этих участков устанавливается первая очередь
на ремонтно-восстановительные работы, так
как поддержка транспортной связности областной дорожной сети является приоритетной.
Дальше (второй этап) устанавливается
очередь на ремонтные работы значимых дорог,
классифицированных вторым классом по состоянию. Модель этого этапа почти идентична модели первого этапа. Когда все городские
дороги, имеющие важность для областной сети, поставлены в очередь, необходимо проанализировать остальную городскую дорожную
сеть. Здесь к работе подключаются специально
созданный точечный слой, содержащий примерные центры пяти основных районов города, и дополнительный модуль ArcGIS Network
Analyst.
В рамках третьего этапа система строит
наиболее оптимальные с точки зрения протяженности и скорости маршруты между центрами районов (рис. 7). При этом используются
сведения о длине, максимально разрешенной
скорости, времени прохождения по участку
(исходя из длины и скоростного ограничения)
и запретах поворотов, хранящиеся в таблице
атрибутов дорожной сети. В результате система просчитывает некоторую подсеть городских дорог, которая и будет являться основной
для поддержки транспортной связи районов
города.
100
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
RPoints (3)
Select Layer
By Attribute
RPoints
Select Layer
By Attribute
(4)
RPoints (2)
Route (2)
Add
Location
Route
Solve
road_lines_VPo
lany_2 (2)
Select Layer
By Attribute
(3)
road_lines_VPo
lany_2
Select Layer
By Attribute
(4)
road_lines_VP
olany_2 (3)
Select Layer
By Location
Network
Analyst Layer
road_lines_VP
olany_2 (5)
Calculate
Field
road_lines_VPo
lany_2 (4)
Routes
Рис. 8. Один из десяти блоков модели третьего этапа
road_lines_VP
olany_2 (6)
Select Layer
By Attribute
road_lines_VP
olany_2
Select Layer
By Attribute
(2)
road_lines_VP
olany_2 (3)
Select Layer
By Attribute
(3)
road_lines_VP
olany_2 (2)
Select Layer
By Attribute
(4)
road_lines_VP
olany_2 (4)
Select Layer
By Attribute
(5)
road_lines_VP
olany_2 (7)
Calculate
Field
road_lines_VP
olany_2 (8)
Рис. 9. Модель четвертого этапа
Затем проводится выборка всех участков
дорог, подлежащих ремонтным работам (первый и второй классы по состоянию), через которые проходит какой-либо из построенных
маршрутов. Выбранные участки получают
третий класс по очередности на ремонтные работы. Все действия третьего этапа заложены в
соответствующую модель (рис. 8) и выполняются автоматически.
На четвертом этапе алгоритма анализа дорожной сети система выбирает все участки
первого и второго классов по состоянию, которые не были поставлены в очередь на ремонтные работы, и присваивает им четвертый класс
с самым низким приоритетом (рис. 9).
101
Рис. 10. Результат работы алгоритма анализа (красный, желтый, светло-синий и зеленый цвета — 1–4
классы по очереди на ремонтные работы соответственно)
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Для визуализации результатов работы алгоритма можно применить обычный метод
цветового кодирования. Все четыре класса отмечаются некоторыми цветами, которые позволят выделить их из множества прочих участков
дорог, пока не требующих вмешательства ремонтных бригад (рис. 10).
Предложенный алгоритм кроме состояния дорожного полотна учитывает и значение участков дорог для городской дорожной
сети и сети областных дорог, поэтому является более эффективным при планировании
ремонтных работ, чем применяемые в настоящее время подходы к решению этого вопроса в условиях проектирования новых трасс и
недостаточности средств в городском бюджете. Использование систем подобного рода позволит значительно сократить время и снизить
трудоемкость планировочных процессов, что,
несомненно, принесет только положительные
результаты.
Принята к печати 11 февраля 2013 г.
Рекомендована кафедрой
информационно-измерительных систем МИИГАиК
Методика предварительной оценки емкости транспортного района
с учетом расширенных характеристик жилой застройки
Аспирант С.В. Лаврентьев
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Предложена методика оценки транспортного спроса с помощью геоинформационных систем, включающая учёт особенностей жилой застройки при расчёте коэффициентов генерации корреспонденций.
Ключевые слова: городской транспорт, геоинформационные системы, генерация корреспонденций
Abstract. A method for estimation of transport demand is proposed. It is based on geographic information
systems, considering urban features for calculation factors of correspondence generation.
Keywords: urban transport, geographic information systems, correspondence generation
Введение. Одной из важнейших составляющих геоинформационной системы является
картографическая информация; картографическое изображение — наиболее целесообразная
форма передачи геоинформации потребителям [1]. Возможности применения картографической информации для решения задач городского территориального планирования в
геоинформационных системах весьма широки,
однако, ряд вопросов требует более детального
рассмотрения. Так, недостаточно изучены некоторые аспекты применения ГИС при решении задач городского планирования в области
транспорта. В данной статье предложена методика оценки предварительного транспортного
спроса, основанная на использовании аналитических возможностей геоинформационных
систем при использовании широко доступной
картографической информации.
Уровень автомобилизации в России постепенно повышается, в 2010 г. парк легковых автомобилей составил 40 млн ед. [2], при
этом уровень автомобилизации в среднем по
России достиг 249 автомобилей на 1000 чел.,
а в крупных городах — существенно выше (например, в Москве — 360 автомобилей
на 1000 чел.). Вследствие роста автомобильного парка состояние городской среды в крупных
городах страны ухудшилось. Это обусловило
изменение подхода к городскому территориальному планированию в последние десятилетия. Всё большее значение в городском транспортном планировании придаётся развитию
общественного транспорта.
Решающее значение при планировании
маршрутов городского транспорта должны
иметь результаты транспортного моделирования, выполняемого с использованием специализированного программного обеспечения
(например, PTV Visum). Подобные программы
позволяют проводить детальный анализ транспортной сети, рассчитывать себестоимость общественного транспорта, выполнять прогноз
запланированных мероприятий, рассчитывать
спрос на транспорт с помощью матриц корреспонденций. Важным преимуществом специ-
102
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
ализированного программного обеспечения
является интеграция всех участников движения в единую математическую модель [3]; в
качестве примера актуальных задач, решаемых
с помощью такого программного обеспечения,
можно привести вопросы транспортной доступности [4].
Применение универсальных ГИС целесообразно для предварительной оценки текущего
состояния транспортной системы и для выявления участков, требующих обращения к специализированному программному обеспечению
(выполнения заказа на транспортное моделирование); это актуально, например, для местных органов городского управления, малых
предприятий городского транспорта и операторов пассажирских перевозок. Немаловажным
параметром оценки состояния транспортной
системы при планировании маршрутов городского транспорта является транспортный
спрос и связанные с ним объемы генерации
корреспонденций.
Основным
средством
представления
транспортных потоков в сети является матрица
корреспонденций. Корреспонденции связывают обычно с отдельными видами транспорта,
отдельным районами, группами населения, и
привязывают к определенным периодам времени (суткам, дням недели, месяцам и т.д.).
На выделение районов генерации корреспонденций влияет множество различных факторов
как географических, так и социально-экономических. На основе матрицы корреспонденций строится детальная модель распределения
транспортных потоков по улично-дорожной
сети. В работе В.И. Хабарова, Д.О. Молодцова
и С.Г. Хомякова [5] выделены следующие методы оценки корреспонденций: наблюдение за
множеством траекторий микрообъектов (например, за перемещением отдельного жителя
города с помощью современных средств слежения); наблюдение за пересечением микрообъектами границ соседних районов (с помощью автоматических датчиков или web-камер);
априорная информация о корреспонденциях,
основанная на данных социально-экономического характера; наблюдение за состоянием
транспортных районов (оценка общего количества убывших и прибывших для данного
транспортного района). Для предварительной
оценки корреспонденций при использовании
последнего метода применяются коэффициенты генерации корреспонденций для различных
классов объектов.
Работа по оценке объемов генерации корреспонденций к различным объектам требует
проведения большого количества натурных
обследований. В некоторых странах подобные
обследования проводятся на регулярной основе. Например, Техасский институт инженеров
транспорта (http://www.ite.org/) периодически
издает сводные перечни коэффициентов генерации корреспонденций для различных видов
использования земель и для различных типов
застройки. В России подобные исследования
пока немногочисленны, в качестве примеров
можно привести ряд работ, проведенных в
Транспортной лаборатории Иркутского государственного технического университета.
Так, в работе А.В. и А.Н. Зедгенизовых [6]
был рассмотрен жилой район из четырех пятиэтажных строений; в течение дня (с 7:00 до
20:00) на пяти постах вёлся учёт входящих и
выходящих. Оценивалось также число въезжающих и выезжающих транспортных средств.
Итогом стало выявление основных показателей генерации корреспонденций для жилой застройки средней этажности: объема генерации
(чел/сут) с подразделением на воспользовавшихся и не воспользовавшихся индивидуальным транспортом; удельного объёма генерации
(в чел/м2 и в м2/чел.). Удельный объем генерации корреспонденций для жилых районов
средней этажности составил, согласно исследованию, 0,049 чел/м2. По аналогичной методике выполнена оценка объёмов генерации
корреспонденций к супермаркету в выходные
дни, к гаражным кооперативам индивидуального пользования, к торгово-деловым центрам,
детским дошкольным учреждениям. Сбор данных с помощью натурных обследований имеет
сравнительно высокую себестоимость; более
эффективно использование расчётной математической модели, позволяющей осуществить
оценку объёма корреспонденций на основе
типа использования территории. В работе [6]
для построения модели было предложено применять два показателя: тип использования территории и её площадь. Особенностью застройки российских городов является значительное
103
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
количество зданий, построенных по типовым
проектам. Учитывая это обстоятельство, представляется целесообразным расширение набора показателей для жилых районов — в частности, ввод информации о типах застройки
при расчёте показателей генерации корреспонденций.
За рубежом при оценке генерации корреспонденций в районах жилой застройки здания, как правило, подразделяются на односемейные, таунхаусы (обычно 2−4 этажа),
многоэтажные. Иногда в пределах каждой из
этих основных групп проводится также дополнительная классификация по стоимости квартир (дома с квартирами высокой, средней и
низкой стоимости) [7]. Домам с более высокой
стоимостью квартир соответствуют более высокие удельные коэффициенты генерации корреспонденций. В России в качестве основной
применяется классификация домов по этажности. Согласно данной классификации, дома
подразделяются на: малоэтажные (1 − 2 этажа);
среднеэтажные (3 − 5 этажей); многоэтажные
(6 − 10 этажей); повышенной этажности (11 −
16 этажей); высотные (свыше 16 этажей) [8].
Однако для проведения полноценного анали-
Рис. 1. Схема разбивки территории Лосиноостровского района г. Москвы на транспортные районы
за генерации корреспонденций использование
одной этой классификации недостаточно. Для
оценки объема генерации корреспонденций
обычно применяется показатель плотности населения, однако, использование дополнительных характеристик жилой застройки может
повысить эффективность оценки. В пределах
основной классификации возможно подразделение жилых домов по стоимости квартир, но
более удобной представляется оценка по средней жилой площади квартир.
В данном исследовании рассмотрена территория Лосиноостровского района Москвы.
Район обслуживается 24-мя маршрутами городского общественного транспорта: 14 автобусных маршрутов ГУП «Мосгортранс», а также 10 маршрутов коммерческих перевозчиков,
использующих преимущественно подвижной
состав малой вместимости [9, 10]. Жилая застройка района представлена домами в 3–23
этажа, возводившимися со второй половины
1930-х гг. по настоящее время [11]. При расчете корреспонденций в городском планировании применяют транспортное районирование.
Размеры территорий расчетных зон (транспортных районов) выбираются с учётом радиуса пешеходной доступности [12]; в качестве
границ районов выбирают естественные рубежи (например, крупные массивы зеленых насаждений, полосы отвода железных дорог), а
также линии, равноудалённые от трасс маршрутов городского транспорта [13]. В настоящем исследовании территория района разбита
на 10 транспортных районов (рис. 1).
Данные БТИ [14] позволяют оценить характер застройки района. В южной части
района (транспортные районы 1, 2, 4, 5) преобладают кирпичные пятиэтажные дома 1950–
1960 гг. постройки, построенные по индивидуальным проектам, а также девятиэтажные
одноподъездные кирпичные и блочные жилые дома серий II-18 и II-18К, возведённые в
1960 гг. В «срединном поясе» района (районы
6, 7, 8), помимо пятиэтажных кирпичных домов 1950–1960 гг., широко представлены также девятиэтажные дома серий II-49Д и II-29,
построенные в конце 1960-х–начале 1970-х гг.
В северной и западных частях района (районы
3, 9, 10) жилая застройка более современная,
здесь преобладают девяти–шестнадцатиэ-
104
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
тажные дома 1970–1980 гг. постройки (серии
II-49Д, П-42, П-44, И-209 и др.). Почти во всех
выделенных районах имеются отдельные высотные дома постройки 1990–2000 гг. — образцы современной «точечной застройки».
Эти здания характеризуются большей жилой
площадью квартир по сравнению со средней
по району (35 м2 и более). Стоит отметить, что
большие жилые площади квартир в пределах
рассматриваемой территории характерны также для домов постройки первой половины
1950-х гг. и для единственного дома, построенного в 1930-е гг.
В рамках данного исследования была предложена методика расчёта удельной генерации
корреспонденций для жилой застройки с учётом дополнительной характеристики застройки (средней жилой площади квартир) на примере Лосиноостровского района.
Как известно [14], зависимость между объемом корреспонденций, генерируемых расчетным районом, и типом использования территории в этом районе выражается как
n
Q = ∑ Si Gi , (1)
i =1
где Q — объем корреспонденций в рассматриваемый транспортный район, ед/сут.;
S — площадь территорий определённого типа, м2; G — удельная генерация территории
определённого типа, корр/м2.
При расчёте корреспонденций жилой застройки транспортного района необходимо
иметь коэффициенты корреспонденций для
каждого из типов застройки, имеющихся в
данном районе:
∑ sn1 +
=
kкорр kкорр ( n1 )
∑ (sобщ. /100)
+ kкорр ( n2 )
∑s
∑ (s
+ ... + kкорр ( nk )
общ.
n2
/100)
+
∑s
∑ (s
общ.
nk
/100)
,
(2)
где kкорр — коэффициент корреспонденций жилой застройки для квартала; kкорр ( n1 ) ,  , kкорр ( nk )
— коэффициенты корреспонденций для каждого из типов застройки (1,…, k — типы застройки); ∑ sn1 ,  , ∑ snk — суммы площадей
домов для каждого из типов застройки в квар-
тале (1,…, k — типы застройки); Sобщ — общая
площадь жилой застройки в квартале.
Таким образом, при вычислении коэффициента корреспонденций жилой застройки для
квартала нужно получить доли застройки каждого типа в квартале в %. При этом в общем
случае (для большинства зданий, построенных
по типовым проектам)
snk = S д x, (3)
где Sд — площадь дома по периметру основания, м2; x — этажность.
Для введения данных о жилой площади в
оценку генерации корреспонденции рассчитаем среднюю жилую площадь квартир для рассматриваемого транспортного района
S
S = ∑ жил.пл , (4)
ср
m
где Sср — средняя жилая площадь квартир в
транспортном районе, м2; ∑ Sжил.пл — сумма жилых площадей каждого из домов, м2; m — число домов.
Учитывая вычисленные средние площади
домов, можно определить коэффициенты генерации корреспонденций каждого района для
каждого из типов застройки с учётом средних
жилых площадей квартир:
S
′ = kудi ср2 , kкорр
(5)
Sср1
′
где kкорр
— коэффициент корреспонденций,
вычисленный с учётом данных о средней жилой площади квартир; kудi — удельный коэффициент генерации корреспонденций для
определённого типа жилой застройки; Sср1 —
средняя жилая площадь квартир для застройки
определённого типа в рассматриваемой части
транспортного района, м2 (или, если подразделение на типы застройки не используется,
средняя жилая площадь квартир для всех типов застройки в рассматриваемой части транспортного района); Sср2 — средняя жилая площадь квартир для всей застройки в городе или
в транспортном районе, м2.
Воспользовавшись формулой (2), можно
вычислить коэффициенты генерации корреспонденций для каждого из транспортных районов. Тогда суммарная корреспонденция K для
квартала:
K = ∑ kкорр S д (6)
или, если корреспонденции были рассчитаны
105
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
отдельно для каждого из типов застройки,
=
K
∑k
s + ∑ kкорр ( n2 ) sд 2 + ... + ∑ kкорр ( nk ) sд k , (7)
корр ( n1 ) д1
где kкорр ( n1 ) ,  , kкорр ( nk ) — коэффициенты корреспонденций для каждого из типов застройки
(1,…, k — типы застройки); sд1 ,  , sд k — площади застройки каждого из типов, м2.
Для каждого из районов можно вычислить
удельную генерацию корреспонденций
K
Gж =
,
(8)
Sкв
где Sкв — площадь района, м2; Gж — удельная
генерация корреспонденций для жилой застройки, корр/м2.
В данной работе в качестве K удi был использован удельный коэффициент корреспонденций для среднеэтажной застройки,
приведённый в работе [6]. Для полноценного
определения генерации корреспонденций в
пределах жилой застройки необходимо получить данные об объемах генерации корреспонденций для каждого из типов застройки. Были
также построены зоны транспортной доступности маршрутов общественного транспорта,
в качестве исходного значения для построения
использовались требования СНИП 2.01.07–89
(дальность пешеходных подходов до ближайшей остановки общественного пассажирского
транспорта следует принимать не более 500 м).
В результате вычисления удельного коэффициента генерации корреспонденций для
жилой застройки Лосиноостровского района
и построения зон пешеходной доступности
маршрутов общественного транспорта можно
выполнить предварительную оценку качества
обслуживания жителей Лосиноостровского
района общественным транспортом (рис. 2).
Кварталы с жилой застройкой находятся в
Рис. 2. Результаты вычислений удельных коэффициентов генерации корреспонденций, сопоставленные с
зонами пешеходной доступности маршрутов общественного транспорта
106
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
геоинформационные технологии
пределах зон пешеходной доступности автобусных маршрутов, вне зон пешеходной доступности находятся северная часть района,
где отсутствует жилая застройка. Для повышения качества обслуживания вышеуказанных
районов требуется изменение сети автобусных
маршрутов, сопряжённое с необходимостью
дополнительного строительства улично-дорожной сети. Учитывая, что за пределами
зон пешеходной доступности жилой застройки почти нет, острая необходимость такого
строительства в настоящее время отсутствует.
Большая часть района обслуживается автобусным транспортом, следующим в утренний
«пик» с интервалом 7–13 мин. Хуже всего обслужена общественным транспортом часть
района 5, тяготеющая к маршруту с интервалом
в утренний «пик» более 13 мин. На основе данных проведённого анализа можно предложить
повышение интервалов движения на маршруте, проходящем вдоль восточной границы
района 5. Вероятно, стоит также рассмотреть
возможность повышения качества обслуживания жителей транспортных районов 2, 4, 8, 9
(этим районам, сравнительно плотно застроенным многоэтажными домами и домами повышенной этажности, соответствуют высокие
значения удельного коэффициента генерации
корреспонденций).
Предложенная методика предварительной
оценки ёмкости транспортного района представляется практичной с точки зрения затрат
времени и себестоимости. Однако для полноценного её применения необходима её апробация на моделях городской транспортной сети
при использовании коэффициентов генерации
корреспонденций для всех типов застройки.
Литература
1. Берлянт А.М. Картография. М.: Аспект-Пресс, 2002.
–338 с.
2. Колин А.В. Расчёт пропускной и провозной способности
транспортных магистралей мегаполисов при эксплуатации
различных видов городского пассажирского транспорта. —
М.: МИИТ, 2010. –140 с.
3. PTV Visum. О программе. [Электронный ресурс].
Режим доступа: http://www.ptv-vision.ru/ptv-visum/#/oblastiprimeneniya-visum/ (проверено 4 июля 2013 г.)
4. Преловская Е.С., Иванченко Е.С., Левашев А.Г. К вопросу
о транспортной доступности // Известия КГАСУ. −2013. –№1.
–С. 101–106.
5. Хабаров В.И., Молодцов Д.О., Хомяков С.Г. Марковская
модель транспортных корреспонденций / Доклады ТУСУРа,
2012. –№ 1 (25), часть 1. –С. 113–117.
6. Зедгенизов А.В., Зедгенизова А.Н. Оценка генерации поездок к жилым районам средней этажности // Известия КГАСУ,
2012. –№ 1. –С. 32–37.
7. Trip Generation Handbook, 2-nd Edition. An ITE
Recommended Practice. Washington, DC: ITE, 2004.
8. СТБ 1154-99 Жилище. Основные положения.
9. Список маршрутов/ Официальный сайт ГУП «Мосгортранс» [Электронный ресурс]. Режим доступа: http://www.
mosgortrans.ru/routes/routes/ (проверено 4 июля 2013 г.)
10. Реестр регулярных городских автобусных маршрутов/ Официальный сайт Департамента транспорта и развития дорожно-транспортной инфраструктуры города Москвы
[Электронный ресурс]. Режим доступа: http://www.dt.mos.ru/
legislation/registry.php (проверено 4 июля 2013 г.)
11. Данные БТИ СВАО г. Москвы
12. СНиП 2.07.01-89, п. 6.29.
13. Самойлов Д.С. Городской транспорт. М.: Стройиздат,
1983. –384 с.
14. Зедгенизов А.В., Зедгенизова А.Н., Михайлов А.Ю.
Основные направления развития транспортного планирования на первой ступени/сайт Национального исследовательского Иркутского государственного технического университета
[Электронный документ]. Режим доступа: http://www.istu.edu/
docs/education/faculty/air_mechanical_transport/menagment_at/
публикации/zedgenizov_mihailov_1.pdf (проверено 23 июля
2013 г.).
107
Принята к печати 24 сентября 2013 г.
Рекомендована кафедрой оформления
и издания карт МИИГАиК
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
УДК 528:658.51
кадастр, экономика и развитие территорий
Методика оценки комплексного мониторинга территории города
с использованием инструментальных средств
геоинформационных систем ЕГИП Москвы
Аспирант А.В. Кудинова
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Предлагается система бальных показателей для оценки состояния городских территориальных единиц в системе мониторинга мегаполиса. Предполагается получение этих оценок автоматизированными методами геоинформационного анализа в среде ИС РЕОН, ЕГИП при помощи инструментариев программных решений ArcGIS, MicroStation, MapInfo.
Ключевые слова: единое географическое информационное пространство, городское управление, критерии оценки эффективности
Abstract. The system of point indicators for measuring state of urban territorial units in the system of megapolis
monitoring is proposed. It is supposed to obtain these estimates with automated methods of geoinformational
analysis in ИС РЕОН, Moscow United Geoinformational Space by using tools of ArcGIS, MicroStation,
MapInfo.
Keywords: Moscow United Geoinformational Space, urban management, criteria of efficiency estimation
В условиях интенсивного расширения
границ мегаполиса, проведение постоянного мониторинга динамики изменений, происходящих в его границах, становится одной из
приоритетных задач, стоящих перед органами
местного самоуправления той или иной территории. При этом на первый план выносится
оперативность получения и обработки интересующей информации, актуальной на текущий
момент времени [1], а также отслеживание изменений, происходивших в разные промежутки времени. Учитывая активное внедрение и
использование геоинформационных систем
при управлении территориальными образованиями в г. Москве, вопросы моделирования
оценок происходящих изменений становятся
наиболее востребованными [2].
Представим модель оценок комплексногомониторинга территории г. Москвы М(F, t)
как систему показателей, отражающих документированные сведения по территориальным
единицам г. Москвы на определенный период
времени. Такими единицами могут являться
административные округа, муниципальные
районы, кадастровые кварталы или городские кварталы. В дальнейшем мы примем, что
любая из названных территориальных единиц описывается набором из n j-показателей
мониторинга. Пусть это будет совокупность
k-кварталов (k = 1, 2,…, n), ограниченных линиями градостроительного регулирования
улично-дорожной сети и расположенные в современных границах Москвы. Временной срез
показателей мониторинга может быть приурочен к заранее выбранному интервалу времени
— месяц, квартал, год и т.д.
Таким образом, каждый k-й квартал оценивается набором критериев fij, где j =1, 2,…, m,
с соответствующим весом рij. Кроме того, критерии оценки кварталов нами разделены по i
группам значимости с присвоением весового
коэффициента gi каждой группе. Тогда комплексная оценка «состояния» квартала выражается следующим образом:
M = ∑gi ∑pijfij,
(1)
где gj и pij — весовые коэффициенты, учитывающие важность i-го обобщенного критерия
108
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
и j-го показателя в i-й группе соответственно.
В разработанной в ходе исследования системе оценок мониторинга присутствуют как
метрические, так и качественные критерии.
По каждому критерию F исследуемый квартал
должен получить оценку fij, значение которой
зависит от вида критерия (таблица).
Весовая оценка критериев рij колеблется
в диапазоне1≤ pij ≤5 баллов и оценивается по
влиянию на градообразующую составляющую
(градообразующему признаку) того или иного
критерия. Так, оценку в 5 баллов получают те
критерии, которые прямо указывают на новое
строительство в квартале или на наличие большого количества разработанной и разрабатываемой градостроительной документации на
ту или иную территорию.
Классификация баллов и групп выглядит
следующим образом.
1. Как было сказано выше, самую высокую оценку (5 баллов) получают критерии,
прямо указывающие на наличие на территории
большого количества разработанной градостроительной документации (в нашем случае,
учет идет разработанных и разрабатываемых
Градостроительных планов земельных участков (ГПЗУ), а также территории, потенциально
возможной к застройке (свободные от обременений земельные участки)). Сюда попадают
«неиспользуемые территории, территории зданий, сооружений, неустановленного назначения, незастроенные земельные участки, предназначенные для строительства» — граница
устанавливается в соответствие с утвержденным проектом межевания территории квартала
либо в соответствие с утвержденным постановлением Правительства Москвы проектом
планировки (p=5 баллов указывает на высокую
возможность возведения на территории новых
объектов недвижимости). Данный вес относится к тем критериям, где в ближайшее время
намечено строительство либо реконструкция
(ГПЗУ — утвержден приказом по МКА, либо
на территорию разработан проект планировки,
указывающий на дальнейшее развитие района;
здания идут под снос и на их месте проектируется новая застройка).
Оценка критериев первой группы вычисляется с помощью программных решений ИС
РЕОН, MS4, MapInfo, ArcGis 9.3, а наличие
разработанного и утвержденного проекта ме-
жевания территории интересующего квартала
существенно облегчает нахождение интересующих площадей. В таком случае информация
по данному кварталу может быть получена в
автоматическом режимепри помощи информационного ресурса ЕГИП Москомархитектуры
(ЕГИП МКА) — Информационной системы
обеспечения градостроительной деятельности
(ИСО ГД).
2. Вторую группу характеризуют критерии,
оцениваемые весом p=4 балла.Такую оценку
получают кварталы, выделенные на предмет
площади земельных участков, занятых жилыми домами, нежилыми (административными),
собственность на которые не разграничена,
объектами социального назначения муниципального уровня (детские сады, школы, высшие учебные заведения, поликлиники и т. д.),
а также находящихся в федеральной собственности.
Данный вес характеризует критерии, прямо указывающие на наличие на территории капитальных объектов недвижимости, большого
количества объектов, находящихся в муниципальной либо федеральной собственности.
Вычисляются показатели в основном средствами MapInfo, ИС РЕОН, ArcGis 9.3. Анализ
проводится также при помощи Публичной
кадастровой карты Росреестра (http://maps.
rosreestr.ru/PortalOnline/) и информационного
ресурса Электронный атлас города Москвы
(http://eatlas.mos.ru/).
3. Третья группа критериев оценивается весом p=3 балла и характеризует высокую
возможность возведения на территории новых объектов недвижимости (например, договор аренды заключен для целей строительства либо реконструкции). Критерии этой
группы характеризуют площадь земельных
участков в квартале, которые поставлены на
Государственный кадастровый учет (ГКН)
(сумма участков с кадастровыми номерами, например, 77:01:06007:018), а также земельных
участков, на которые выпущены распоряжения
об утверждении границ земельных участков,
готовящихся к постановке на ГКУ.
Выявляется с помощью программных решений ИС РЕОН, MS4, MapInfo, а также с помощью публичной кадастровой карты Росреестра
(http://maps. rosreestr.ru/PortalOnline/).
4. Четвертая группа критериев оценивает-
109
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Группы критериев оценки территориальных единиц
Классификация по
группам
F-I
Наименование критерия
Весовые
коэффициенты
Оценка по критерию
Градостроительные характеристики
F-1.1
Критерий, характеризующийобщую площадь земельных участков в квартале, выделенную под строительство. Оценивается отношением суммы площадей земельных
участков, на которые выпущены Градостроительные планы земельных участков
(ГПЗУ) по отношению к площади всего оцениваемого квартала
p1.1= 5
gI,II= 3
f1.1=∑Sуч.ГПЗУ/Sкв
F-2.1
Критерий, характеризующий площадь земельных участков, по которым на текущий
момент времени ведутся работы по разработке проекта градостроительного плана
земельного участка. (ГПЗУ, стадия-разработка). Оценивается отношением суммы
площадей земельных участков, на которые разрабатываются ГПЗУ по отношению
к площади всего оцениваемого квартала
p2.1=5
gI,II=3
f2.1=∑Sуч.ГПЗУ.разр/Sкв
F-3.1
Критерий, характеризующий свободные от застройки и от оформленных земельноправовых отношений территории. Оценивается отношением суммы площадей свободных земельных участков по отношению к площади всего оцениваемого квартала
p3.1=5
gI,II=3
f3.1=∑Sуч.своб/Sкв
F-II
Недвижимость
F-4.2
Критерий, характеризующий квартал на предмет площади земельных участков,
занятыхжилыми домами. Оценивается отношением суммы площадей земельных
участков жилых домов по отношению к площади всего оцениваемого квартала
p4.2=4
gI,II=3
f4.2=∑Sуч.ж.д/Sкв
F-5.2
Критерий, характеризующий квартал на предмет площади земельных участков,
занятых нежилыми (административными) строениями, собственность на которые
не разграничена. Оценивается отношением суммы площадей земельных участков
нежилых домов по отношению к площади всего оцениваемого квартала
p5.2=4
gI,II=3
f5.2=∑Sуч.н.ж/Sкв
F-6.2
Критерий, характеризующий квартал на предмет застройки территории объектами
социального назначения муниципального уровня (детские сады, школы, высшие
учебные заведения, поликлиники и т. д.). Оценивается отношением суммы площадей
земельных участков объектов муниципального уровня, по отношению к площади
всего оцениваемого квартала
p6.2=4
gI,II=3
f6.2=∑Sуч.муниц/Sкв
F-7.2
Критерий, характеризующий квартал на предмет земельных участков, находящихся
в федеральной собственности. Оценивается отношением суммы площадей земельных участков объектов федерального значения, по отношению к площади всего
оцениваемого квартала
p7.2=4
gI,II=3
f7.2=∑Sуч.федер/Sкв
F-III
Учетность
F-8.3
Критерий характеризует площадь земельных участков в квартале, которые поставлены на Государственный кадастровый учет (ГКН). Оценивается отношением
суммы площадей земельных участков, учтенных в ГКН, по отношению к площади
всего оцениваемого квартала
p8.3=3
gIII,IV=2
f8.3=∑Sуч.ГКН./Sкв
F-9.3
Критерий характеризует территорию на предмет земельных участков, готовящихся
к постановке на Государственный кадастровый учет (имеется распоряжение об
утверждении границ земельного участка на кадастровой карте территории). Оценивается отношением суммы площадей земельных участков, на которые выпущены
распоряжения об утверждении схемы земельного участка на кадастровой карте
территории, по отношению к площади всего оцениваемого квартала
p9.3=3
gIII,IV=2
f9.3=∑Sуч.распор/Sкв
F-IV
Обремененность
p10.4=2
gIII,IV=2
f10.4=∑Sуч.обр/Sкв
F-10.4
F-V
Критерий характеризует площадь земельных участков, предлагаемых к обременению
условием совместного использования либо сервитутом для прохода или проезда
через земельный участок. Оценивается отношением суммы площадей земельных
участков, обремененных условием совместного использования либо сервитутом
для прохода (проезда) через земельный участок, по отношению к площади всего
оцениваемого квартала
Озелененность
F-11.5
Критерий, указывающий на наличие в границах территории квартала природного
комплекса (ПК).Оценивается отношением суммы площадей земельных участков,
занятых ПК, по отношению к площади всего оцениваемого квартала
p11.5=1
gV=1
f11.5=∑Sуч.ПК/Sкв
F-12.5
Критерий, указывающий на наличие в границах территории квартала особо охраняемых природных территорий.Оценивается отношением суммы площадей земельных
участков, занятых ООПТ, по отношению к площади всего оцениваемого квартала
p12.5=1
gV=1
f12.5=∑Sуч.ООПТ/Sкв
110
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
ся весом p=2 балла и характеризует площадь
земельных участков, предлагаемых к обременению условием совместного использования
либо сервитутом для прохода или проезда через земельный участок по отношению к площади всего участка. Вес p=2 балла указывают
на тот факт, что строительство на данной территории на текущий момент отсутствует, капитальных объектов недвижимости нет, но в
дальнейшем территорию можно использовать
под застройку — наличие большого количества потенциально возможных к застройке земельных участков (территорий общего пользования, резервных земельных участков).
Показатели вычисляются программными средствами MapInfo, а так же с помощью
ИС РЕОН и решениями MS4.
5. Вес p=1 балл присваивается тем критериям, при анализе которых отсутствуют признаки, указывающие на вновь возводимые или
уже существующие строения; строительство
запрещено в соответствие с видом разрешенного использования земельного участка либо в
соответствие с категорией земель (ПК, ООПТ).
Вычисляется программными решениями
ArcGIS и MS4, а также с помощью ИС РЕОН
и ИСО ГД.
Так как критерии оценки кварталов разделены нами еще по трем группам значимости с
присвоением весового коэффициента g каждой
группе (1≤ g ≤3), то характеристика групп выглядит следующим образом.
1. Первые две группы критериев (F=I, F=II)
характеризуются весовым коэффициентом
g=3. Поскольку в указанных группах прослеживается наибольшее количество застроенных
территорий, а также территорий, потенциально возможных к застройке в ближайшее время,
то данный коэффициент для указанных групп
получает наивысшую балльную оценку.
2. Группы критериев (F=III, F=IV) оцениваются весовым коэффициентом g=2 балла. В
данную категорию попадают группы, указывающие на отсутствие на текущий момент застроенных территорий, но в дальнейшем такие
территории могут быть пригодны для производства строительных работ.
3. Пятая группа критериев (F=5) оценивается весовым коэффициентом g=1 балл. Под
такую оценку попадают территории, строительство на которых запрещено в соответствие
с видом разрешенного использования земельных участков либо в соответствие с категорией земель. В нашем случае это различного
рода озелененные и природные территории, застройка на которых запрещена.
Поскольку все исследуемые критерии можно сгруппировать по определенному признаку,
необходимо отметить комплексность и всесторонность проводимого мониторинга, а также
территориальный охват и временной промежуток. В ходе работы проводился мониторинг как
на уровне районов внутри одного АО, так и на
уровне нескольких округов Москвы. В зависимости от текущего изменения назначения той
или иной территории квартала, вида разрешенного использования территории, в источники
данных вносятся соответствующие изменения.
Таким образом, для проведения мониторинга
каждого отдельно взятого округа территории
Москвы необходимо провести исследование
по каждому k-му кварталу и получить оценку
по каждому критерию.
Особенность предложенной модели предполагает необходимость рассмотрения как
метрической оценки показателей различных
критериев, необходимых при устойчивом
управлении территориями, сгруппированных
по кварталам в районе по каждому административному округу, так и совокупную эффективность функционирования (изменения, развитияи динамики) по комплексу показателей
(по каждому округу или по всей территории
Москвы).
В рамках нашей модели мы предлагаем методику получения оценочных данных отдельно для каждого квартала и способ определения
итоговой оценки совокупной эффективности
деятельности по управлению территориями
города Москвы по сумме показателей для каждого отдельно взятого округа.
ЛИТЕРАТУРА
1. Кудинова А.В., Андреева А.Ю. Исполь-зование отраслевой информационной системы в составе единого геоинформационного пространства города Москвы//
Изв. вузов «Геодезия и аэрофотосъемка». –2012. –№4.
−С. 93−97.
2. Кудинова А.В., Андреева А.Ю. Исполь-зование отраслевой муниципальной ГИС для решения пространственно-аналитических задач территориального управления// Изв. вузов
«Геодезия и аэрофотосъемка». –2012. –№6.− С. 97−99.
111
Принята к печати 18 сентября 2013 г.
Рекомендована кафедрой кадастра
и основ земельного права МИИГАиК
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Применение сведений государственного кадастра недвижимости
для решения задач территориального планирования
Профессор, доктор техн. наук А.П. Карпик,
и.о. директора Института кадастра и природопользования Д.Н. Ветошкин,
аспирант О.П. Архипенко
Сибирская государственная геодезическая академия, Новосибирск
[email protected], [email protected], [email protected]
Аннотация. На основе практического опыта СГГА по разработке генеральных планов сельских поселений рассмотрена эффективность использования сведений государственного кадастра недвижимости
(ГКН) для целей территориального планирования. Отражены источники информации, необходимой
для формирования генеральных планов. Проанализирован состав и полнота сведений, предоставляемых ГКН. Кадастровая информация рассмотрена с точки зрения оценки объектов капитального строительства по количественным, качественным и пространственным характеристикам. На основе опыта
решения отдельных задач в системе территориального планирования сделаны выводы относительно
эффективности сведений ГКН.
Ключевые слова: государственный кадастр недвижимости, геоинформационные технологии, геоинформационные системы, территориальное планирование, учреждения образования
Abstract. The article considers efficiency of use of the State Property Cadastre (SPC) data for territorial
planning on the basis of SGGA practical experience gained in development of master plans of rural settlements.
Sources of information necessary for master plans formation are reflected. The structure and completeness of
the data provided by SPC is analyzed. Cadastral information is presented from the point of view of assessment
of objects of capital construction according to quantitative, qualitative, and spatial characteristics. On the basis
of experience of the solving individual tasks in system of territorial planning we draw conclusions concerning
efficiency of SPC data.
Keywords: state real estate cadastre, geographic information technologies, territorial planning, educational
institutions
Традиционно целями создания и ведения
кадастра являются обеспечение налогообложения недвижимого имущества, защита прав
на землю и безопасность сделок с недвижимостью, а также информационная поддержка
органов государственной власти и местного
самоуправления при реализации ими полномочий по распоряжению земельным фондом.
С развитием технологий ведения кадастра расширяются сферы применения кадастровой информации, и одной из таких областей является
система планирования развитием городских и
сельских территорий.
Накопленный ФГБОУ ВПО «Сибирская
государственная геодезическая академия» (далее — Академия) опыт по использованию кадастровых сведений при разработке проектов
генеральных планов поселений, схемы территориального планирования Новосибирской
агломерации позволяет оценить соответствие
состава сведений государственного кадастра
недвижимости, механизмов предоставления
кадастровой информации для решения задач
в области территориального планирования,
а также дать практические предложения по
дальнейшему совершенствованию технологии
ведения кадастра.
Современная модель кадастра в РФ действует с марта 2008 г., когда вступил в силу Федеральный закон РФ от 24 июля 2007 г.
№221-ФЗ «О государственном кадастре недвижимости» (далее — Закон о кадастре). Законом
о кадастре было установлено, что государственный кадастр недвижимости (ГКН) – это
систематизированный свод сведений об учтенном недвижимом имуществе, а также сведений
о границе РФ, административных границах
субъектов РФ и муниципальных образований,
границах населенных пунктов, территориальных зонах и зонах с особыми условиями использования территорий. Важно отметить,
что Закон о кадастре определил ГКН, прежде
всего, как государственный информационный
ресурс [1–3].
В течение всего периода действия Закона о
кадастре идет последовательный процесс формирования информационной инфраструктуры
ГКН. Если на начальном этапе ГКН включал
в себя только сведения о земельных участках,
накопленные в ходе ведения государственного
112
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
земельного кадастра, то к 2012 г. в ГКН были
внесены сведения об объектах капитального
строительства: зданиях, помещениях, строениях и объектах незавершенного строительства,
подготовленные и переданные органами технического учета и технической инвентаризации (БТИ). Реализация механизмов информационного взаимодействия при ведении ГКН
обеспечила внесение в него сведений о территориальных зонах, сведений о зонах с особыми
условиями использования территорий (охранных и защитных), а также об административных границах муниципальных образований и
населенных пунктов [4]. Параллельно с этим в
рамках реализации федеральной целевой программы формируется картографическая основа кадастра, представленная ортофотопланами масштаба 1:2000–1:10 000. Таким образом,
имея в своем составе сведения об объектах
недвижимости, территориальных, охранных и
защитных зонах, административных границах,
ГКН должен соответствовать поставленной
задаче по информационному обеспечению системы планирования и управления развитием
территорий.
Согласно Градостроительному кодексу РФ
управление развитием территорий осуществляется в рамках разработки документов территориального планирования [5]. Применительно
к городскому или сельскому поселению, выступающему первичной, а значит и наиболее
приближенной к гражданам административнотерриториальной единицей, таким документом
является генеральный план поселения.
При разработке генерального плана должны быть решены три основные задачи:
функциональное зонирование территории муниципального образования, то есть
определение функционального назначения
территорий в границах поселения, исходя из
совокупности социальных, экономических,
экологических и иных факторов;
определение проектных границ населенных пунктов, в том числе образуемых населенных пунктов, в составе поселения;
определение потребности и размещение
объектов местного значения, которые необходимы для осуществления органами местного самоуправления полномочий по вопросам
местного значения, в том числе объектов элек-
тро-, тепло-, газо- и водоснабжения населения,
водоотведения, автомобильных дорог местного значения, объектов физической культуры и
массового спорта, образования, здравоохранения и т.д.
В рамках функционального зонирования
в границах территории муниципального образования выделяются зоны: градостроительного освоения; резервных территорий для муниципальных нужд; сельскохозяйственного
производства; сельскохозяйственного использования; специального назначения; воспроизводства биологических ресурсов; природноландшафтных территорий и т.д.
Функциональное зонирование территории
поселения опирается на существующую планировочную структуру, которую, в свою очередь, формируют:
элементы естественных ландшафтов (долины рек и ручьев, бассейны озер, балки и овраги, закустаренные луга, пустыри, заболоченные территории, а также пригородные зеленые
зоны, агроланшафты);
элементы антропогенных ландшафтов, в
том числе населенные пункты, транспортные
пути сообщения и инженерно-транспортная
система.
На практике функциональное зонирование
территории сельского поселения, как правило,
осуществляется на основе сохранения преемственности сложившейся системы организации территории с учетом влияния элементов
естественного ландшафта, существующих и
проектируемых зон с особыми условиями использования территорий, а также планов и
решений по развитию и модернизации социально-экономической, транспортной, коммунальной и прочих инфраструктур поселения.
В качестве первичного источника сведений об элементах естественных ландшафтов
используются различные планово-картографические материалы, в том числе топографические или специальные карты, ортофотопланы,
космические снимки и иные материалы дистанционного зондирования [6, 7]. Такие картографические материалы часто одновременно
используются и в качестве картографической
основы государственного кадастра недвижимости.
Антропогенный каркас территории муни-
113
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
ципального образования моделируется, прежде
всего, на основе анализа сведений о земельных
участках, их правовом режиме, в том числе информации о принадлежности к определенной
категории земель, разрешенном использовании, а также сведений о кадастровом делении,
охранных зонах линейных объектов, административных границах. Очевидным источником
таких данных является ГКН. Важно также отметить, что сведения иных государственных
информационных ресурсов, таких как лесной
и водный реестры, которые могли бы быть использованы при определении местоположения
лесов и водных объектов, на практике используются ограниченно ввиду отсутствия четких
правил или регламентов предоставления данных из соответствующих реестров для целей
территориального планирования.
Подготавливаемая в составе генерального
плана муниципального образования карта границ населенных пунктов является основным,
имеющим юридическую силу, документом, который определяет местоположение существующих и проектируемых границ населенных
пунктов [8]. При подготовке карты необходимо
принимать во внимание, что проектные границы населенных пунктов после утверждения
генерального плана будут являться основанием для внесения сведений о местоположении
границ населенных пунктов в ГКН. Таким
образом, еще на этапе разработки документа
территориального планирования должны учитываться требования градостроительного, земельного и кадастрового законодательства к
местоположению границ населенных пунктов,
в том числе запрет на пересечение границ существующих земельных участков. Для решения этой задачи обязательными источниками
информации при подготовке карты границ населенных пунктов являются сведения ГКН о
местоположении границ и категории земель
участков, поставленных на государственный
кадастровый учет. Дополнительно, с целью
определения границ фактически существующих земельных участков, которые не были
учтены в ГКН, используются материалы дистанционного зондирования, в числе которых
наиболее удобными в применении являются
ортофотопланы населенных пунктов масштаба
1:2000. Таким образом, можно сделать вывод
о том, что для решения двух из трех задач разработки проекта генерального плана муниципального образования ГКН выступает основным, а зачастую и единственным источником
необходимой информации.
Однако особый интерес представляет информационное обеспечение подготовки проектных решений в части размещения объектов
местного значения, поскольку именно в данном случае находят свое применение относительно новые для кадастра сведения об объектах капитального строительства. Подготовка
проектных решений в части потребности в
строительстве новых, реконструкции существующих объектов местного значения, а также определения их размещения выполняется в
соответствии с действующими нормативными
документами, которые устанавливают требования к количеству и характеристикам соответствующих объектов. Так, например, в сфере
образования, основным документом является
СНиП 2.07.01−89*, согласно которому учреждения дошкольного образования должны обеспечивать местами 85% детей дошкольного
возраста. При этом в сельских поселениях и
в малых городах приодно- и двухэтажной застройке радиус обслуживания таких учреждений должен составлять не более 500 м.
Радиусы обслуживания общеобразовательных
школ в сельской местности принимаются исходя из требований, представленных в таблице
[9, 10].
Требования к размещению общеобразовательных
учреждений в сельской местности
Ступень обучения
Радиус пешеходной
доступности не
более, км
Радиус транспортной доступности
(в одну сторону) не
более, мин
I
II—III
2
4
15
30
Таким образом, на примере объектов образования следует, что для определения потребности поселения в объектах местного значения необходимо проведение комплексного
анализа качественных, количественных и пространственных характеристик существующих
объектов. В данном случае, под качественной
составляющей объектов социальной инфраструктуры понимается, прежде всего, степень
их физического износа. Количественные характеристики объекта включают в себя такие
114
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
показатели, как проектная мощность (вместимость), фактическая загруженность и т.д.
Основными пространственными характеристиками являются местоположение объекта,
радиус обслуживания, а также транспортная и
пешеходная доступность.
В ходе разработки проектов генеральных
планов поселений Академией был использован полный комплекс кадастровых сведений о
земельных участках и об объектах капитального строительства. Таким образом, сделанная
оценка эффективности ГКН, как информационного ресурса, для решения поставленных
проектных задач является объективной.
Качественная оценка. Согласно методике
определения физического износа гражданских
зданий под физическим износом конструктивного элемента и здания в целом понимается
ухудшение технического состояния — потеря
эксплуатационных, механических и других
качеств. При этом определение физического износа здания осуществляется сложением
величин физического износа его отдельных
конструктивных элементов, взвешенных по
удельному весу восстановительной стоимости каждого из них в общей стоимости здания.
Данной методикой отдельно оговаривается,
что определение величины физического износа пропорционально нормативному сроку
службы и возрасту зданий, как правило, не допускается.
В качестве конструктивных элементов, относительно которых определяется износ здания, выделяются: фундаменты; стены и перегородки; перекрытия; крыши и кровли; полы;
проемы; отделочные работы; внутренние санитарно-технические и электротехнические
устройства. При этом ключевым фактором для
определения степени износа каждого такого
конструктивного элемента является материал
изготовления [11]. Вместе с тем, на сегодняшний момент структура сведений ГКН об объектах капительного строительства включает в
себя характеристику только одного конструктивного элемента — материал стен. В реестр
также вносятся сведения о количестве этажей
и год ввода объекта в эксплуатацию.
Очевидно, что в данном случае кадастровой информации недостаточно для определения качественной оценки объектов, из-за этого
у разработчиков градостроительной документации возникает потребность в сборе дополнительных сведений о существующих объектах
капитального строительства, в том числе в администрации муниципального образования, в
органах образования муниципального района
и органах технического учета и технической
инвентаризации. Отдельной проблемой в данном случае является еще и то, что эти источники информации не являются официальными, а
значит, точность и достоверность предоставляемых ими сведений никем не гарантируется.
Количественная оценка. ГКН не содержит
сведений о расчетной мощности (вместительности) и фактической загрузке учреждений
социально-бытового назначения. В данном
случае отсутствие такой информации выглядит логичным ввиду ее несоответствия как
первичным задачам создания и ведения ГКН,
так и функциям органа кадастрового учета. В
связи с этим количественная оценка объектов
местного значения выполняется на основе сведений, предоставленных соответствующими
структурными подразделениями органа местного самоуправления. Так, например, потребность в объектах образования рассчитывается
на основе информации, предоставленной органами (отделами) образования о проектной
(максимальной) численности мест в школьных
учреждениях, данных об их фактической загруженности, а также прогноза численности
населения на период действия генерального
плана [12].
Пространственная оценка. Анализ пространственных характеристик объектов местного значения, таких как взаимное расположение, радиус обслуживания и т.д., опирается,
прежде всего, на сведения об их местоположении [13].
С технической точки зрения задача по позиционированию объектов местного значения
может быть решена при наличии следующей
исходной информации:
координат характерных точек контуров
зданий и сооружений;
сведений о кадастровых номерах и (или)
разрешенном использовании земельных участков, на которых расположены объекты местного значения, если сведения о таких земельных
участках внесены в ГКН;
115
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Рис. 1. Радиус обслуживания МБДОУ «Троицкий
детский сад»:
— общеобразовательное учреждение;
— детский сад;
— радиус обслуживания до-
школьного учреждения (500 м);
— граница населен-
ного пункта
Рис. 2. Радиус пешеходной доступности общеобразовательных учреждений Троицкого сельсовета:
— учреждения II и III ступеней обучения (4 км);
— учреждения I ступени обучения (2 км);
— общеобразовательное учреждение
адресов или иного адресного описания местоположения объектов и адресных планов населенных пунктов.
В этой части необходимо отметить, что
состав сведений ГКН о земельных участках и
объектах капитального строительства в полной
степени соответствует вышеуказанным требованиям к необходимой исходной информации.
На практике, вместе с тем, в отношении большинства ранее учтенных объектов капитально-
го строительства в ГКН отсутствуют сведения
о земельных участках, на которых расположены такие объекты и сведения о координатах характерных точек. Таким образом, для позиционирования объектов дополнительно требуется
соответствующее взаимодействие с органами
местного самоуправления. Непосредственный
анализ пространственных характеристик
объектов реализуется инструментами визуализации и пространственного анализа современных настольных геоинформационных
систем, таких как, например, ГИС MapInfo
Professional [14, 15].
Так, на примере объектов образования на территории Троицкого сельсовета
Карасукского района Новосибирской области
могут быть сделаны следующие выводы.
Единственное учреждение дошкольного
образования расположено в селе Троицкое.
Радиус обслуживания данного объекта в соответствии с СНиП 2.07.01-89* должен составлять не более 500 м (рис.1).
Из пространственного анализа следует,
что радиус обслуживания дошкольного образовательного учреждения недостаточен для
территории села Троицкое, в котором он расположен. При этом, несмотря на то что вместимость детского сада достаточна для удовлетворения потребности в объектах дошкольного
образования для всего сельсовета, согласно
действующим нормативам требуется создание
его дополнительных подцентров (филиалов).
Охват сети учреждений общего образования также недостаточен для рассматриваемой
территории (рис.2).
Из рис. 2 видно, что поселок Астродым не
охвачен образовательными учреждениями совсем, а поселок Озерно-Титово не попадает в
зону пешеходной доступности для объектов
образования первой ступени обучения. Таким
образом, в проектных решениях генерального
плана должно быть предусмотрено открытие
филиала общеобразовательной школы в поселке Озерно–Титово, а в поселке Астродым требуется запроектировать строительство объекта
образования всех ступеней обучения.
Представленный в данной статье опыт решения задач в системе территориального планирования позволяет сделать следующие выводы:
116
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
1. В настоящее время ГКН является основным правовым информационным ресурсом
для территориального планирования и государственного муниципального управления
территориями.
2. Последовательное развитие системы
кадастра в РФ, в том числе наполнение кадастра сведениями о зонах с особым режимом
использования земель, административных границах, и особенно об объектах капитального
строительства, в комбинации с созданием картографической основы кадастра, значительно
повышает его роль и ценность кадастровой
информации.
3. Обозначенные проблемы с использованием кадастровой информации, такие как обеспечение доступа к агрегированной информации об объектах капитального строительства,
расширение характеристик таких объектов
в ГКН не носят системного характера, могут
быть решены в рамках текущей доработки (совершенствования) нормативно-правовой базы. Можно сказать, что эти проблемы только
подчеркивают востребованность и удобство
использования кадастровой информации в
системе управления развитием территорий.
Реализация правовых механизмов использования кадастровой информации позволяет
повысить эффективность ее применения для
решения различных задач территориального
управления.
Литература
1. Федеральный закон Российской Федерации от 24 июля
2007 г. № 221-ФЗ «О государственном кадастре недвижимости» [Электронный ресурс]. – Режим доступа:http://base.
consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=133520.
2. Карпик А.П., Хорошилов В.С. Сущность геоинформационного пространства территорий как единой основы разви-
тия государственного кадастра недвижимости // Изв. вузов
«Геодезия и аэрофотосъемка».−2012. −№2/1. –С.134−136.
3. Ушкуронец Л.М. Внесение сведений в государственный
кадастр недвижимости о границах объектов землеустройства
// ГЕО-Сибирь-2011. Т. 3. Экономическое развитие Сибири и
Дальнего Востока. Экономика природопользования, землеустройство, лесоустройство, управление недвижимостью. Ч. 2:
сб. матер. VII Междунар. научн. конгресса «ГЕО-Сибирь-2011»
– С.37−40.
4. Гиниятов И.А. О классификации документов государственного кадастра недвижимости// Вестник СГГА.−2012.–
Вып.1(17). – С.91−94.
5. Градостроительный кодекс Российской Федерации от
29.12.2004 N 190-ФЗ [Электронный ресурс]. – Режим доступа:
http://www.consultant.ru/popular/gskrf/.
6. Карпик А.П. Методологические и технологические основы геоинформационного обеспечения территорий: монография. – Новосибирск: СГГА, 2004.
7. Лисицкий Д.В., Кацко С.Ю. Изменение роли картографических изображений в процессе формирования единого электронного геопространства// Изв. вузов «Геодезия и аэрофотосъемка». −2012. −№2/1. –С. 58−62.
8. Земельный кодекс Российской Федерации от 25.10.2011 №
139-ФЗ [Электронный ресурс]. – Режим доступа: http://www.
consultant.ru/popular/earth/.
9. Распоряжение Правительства РФ от 03.07.96 № 1063р (ред. от 13.07.2007) «О социальных нормативах и нормах»
[Электронный ресурс] – Режимдоступа: http://base.consultant.
ru/cons/cgi/online.cgi?req=doc;base=LAW;n=92808.
10. СНиП 2.07.01-89* «Градостроительство. Планировка и
застройка городских и сельских поселений» [Электронный
ресурс]. – Режим доступа: http://files.stroyinf.ru/Data1/1/1900/.
11. Методика определения физического износа гражданских
зданий [Электронный ресурс]. – Режим доступа: http://base.
consultant.ru/cons/cgi/online.cgi?req=doc;base=ESU;n= 8035.
12. Иванов А.И. Новый взгляд на организацию информационных ресурсов для обеспечения управления муниципальными образованиями // Вестник СГГА.−2012.− Вып.2(18).–
С.57−67.
13. Карпик А.П., Осипов А.Г., Мурзинцев П.П. Управление
городскими территориями в геоинформационном дискурсе:
монография.– Новосибирск: СГГА, 2010.
14. Карпик А.П. Системная связь устойчивого развития территорий с его геодезическим и информационным обеспечением// Вестник СГГА.−2010.−Вып.1(3). – С.3−13.
15. Карпик А.П., Портнов А.П. Геопортальные решения в
сфере предоставления услуг государственного кадастра недвижимости // Вестник СГГА.−2010.−Вып.2(13).– С.53−57.
Принята к печати 16 сентября 2013 г.
Рекомендована кафедрой кадастра СГГА
Проблемы и направления развития рынка лизинга
геодезического оборудования в России
Доцент, кандидат эконом. наук Л.Ю. Архангельская
Московский государственный университет геодезии и картографии
[email protected]
Аннотация. Рассматриваются преимущества лизинга перед другими финансовыми инструментами
как источника инвестиций в развитие геодезических предприятий.
Ключевые слова: лизинг, источники инвестиций, геодезические предприятия
Abstract. Advantages of leasing over other financial instruments as a source of investment in the development
of geodetic companies is considered.
Keywords: leasing, sources of investment, geodetic company
117
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Анализ рынка лизинга в России является
актуальной и насущной проблемой, т.к. лизинг
становится весьма конкурентным инвестиционным инструментом по сравнению с банковским
долгосрочным кредитом (удельный вес лизинга
в общем объеме инвестиций в основные производственные фонды возрос с 1997 по 2010 гг.
практически в 5 раз с 1,68 до 8,35% [1, с.64]) и
имеет большие преимущества перед ним в части
управления сроками, процентами и механизмом
платежей в отношении каждого лизингополучателя (индивидуальный, персональный подход).
Особый интерес для отрасли геодезии и картографии представляют тенденции на рынке лизинга геодезического оборудования. Механизм
лизинга рассматривается как фактор снижения
объемов бюджетного финансирования и банковского кредитования перевооружения данной
стратегической отрасли для государства.
«Для России с ее огромной территорией и
геополитическим положением рост потребительского рынка, удовлетворение потребностей
отраслей экономики, обороны и безопасности,
науки и образования, населения в картографогеодезических материалах и данных входит
в число приоритетных направлений развития
отрасли на период до 2020 года. Решение этих
вопросов предусматривается осуществлять
при непосредственном участии государства на
основе реализации мер по защите российского
производителя, использованию субсидий, лизинговых схем, инвестиционных фондов, развития частногосударственного партнерства» [2].
Отсутствие государственного мониторинга со стороны РОССТАТА за рынком лизинга
(проведенного специально организованного
обследования 2006 г. явно не достаточно, т.к.
данный рынок является растущим и очень динамичным) является одним из сдерживающих
факторов его развития, поскольку отсутствие
полной информации об этом финансовом инструменте, отсутствие унифицированной системы показателей, характеризующих данный рынок в целом и его сегменты, снижает
спрос на лизинговые услуги и завышает риски
по лизинговым операциям. Однако изданный
РОССТАТОМ в 2011 г. статистический справочник «Инвестиции в России», охватывающий период с 2008 по 2010 гг., в какой-то
мере восполняет информационный дефицит.
Короткий экскурс в историю вопроса позволит
дать исчерпывающую характеристику тенденциям на рынке лизинговых услуг.
Интенсивное развитие лизинга в Российской Федерации на протяжении последнего десятилетия показало (табл. 1) его преимущество
Таблица 1
Основные производственные фонды, млрд руб.
Год
Стоимость новых
договоров лизинга,
млрд руб.
Инвестиции (без учета лизинговых платежей)
Инвестиции
(с учетом лизинговых
платежей)
Удельный вес
лизинга в общем
объеме инвестиций
В т.ч. за счет
Всего
банковского
кредита,
млрд руб. /%
бюджетного
финансирования
млрд руб./ %
1997
5,7
339,7
1,68
334,0
—
—
1998
11,8
304,9
3,87
293,1
—
—
1999
32,1
521,6
6,15
489,5
—
—
2000
39,6
928,8
4,26
889,2
25,8/2,9
195,6/22
2001
48,2
1155,4
4,17
1107,2
—
—
2002
60,7
1386,6
4,38
1325,9
—
—
2003
92,9
1762,5
5,27
1669,6
—
—
2004
162,9
2359,1
6,91
2196,2
—
—
2005
204,7
2944,2
6,95
2739,5
221,9/8,1
558,9/20,4
2006
394,8
3852,8
10,25
3458,0
—
—
2007
684,2
5410,7
12,65
4726,5
491,6/10,4
1016,2/21,5
2008
558,0
7054,1
7,91
6496,1
766,5/11,8
1357,9/20,9
2009
276,2
6452,4
4,28
6176,2
636,1/10,3
1352,6/21,9
2010
620,2
7430,7
8,35
6810,1
612,9/9
1328,0/19,5
2011
919,0
9857,8
759,1/7,7
1853,3/18,8
2012
965,0
—
—
118
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
перед банковским кредитом и бюджетным финансированием [1, 3, 4].
По данным табл. 1 можно проследить следующие тенденции рынка лизинга в России:
доля лизинга в составе инвестиций в основной капитал неуклонно растет (примерно в
5 раз к уровню 1997 г.), хотя в настоящее время
этот показатель не достиг докризисного уровня 2007 г. — 12,65%;
доля бюджетного финансирования в составе инвестиций в основной капитал неуклонно
снижается (с 22% в 2000 г. до 18,8% в 2011 г.);
доля банковских кредитов в структуре инвестиций в основной капитал возросла с 2,9% в
2000 г., до 7,7% в 2011 г., т.е примерно в 2,7 раза;
интенсивность роста рынка лизинговых
услуг за период 2000−2011 гг. (среднегодовой
абсолютный прирост составил 79, 9 млрд руб.,
относительный прирост — 31,4%) опережает
интенсивность роста массы кредитов (среднегодовой абсолютный прирост 66,7 млрд руб.,
относительный прирост — 21,5%) и уступает
в абсолютной скорости роста бюджетным ассигнованиям (среднегодовой абсолютный прирост составил 150,7 млрд руб., при средней относительной скорости прироста всего в 5,2%).
При этом по данным рейтингового агентства «Эксперт РА» [3] рост рынка лизинга за
9 мес. 2012 г. существенно замедлился: новый
бизнес вырос всего на 5% по сравнению с 80%
в 2011 г. (рис. 1).
Волатильность темпов роста усиливается с преобладанием на рынке крупных сделок
(рис. 2). Преобладание в структуре лизинговых
операций сделок с крупным бизнесом сдерживает развитие рынка лизинга в целом, т.к. замедляет обороты на рынке, увеличивает сроки
сделок, ведет к оттоку игроков рынка из состава среднего и малого бизнеса.
Третий квартал 2012 г. оказался весьма неудачным для лизингового рынка. Объем нового бизнеса снизился по сравнению с двумя
первыми кварталами и составил 253 млрд руб.
(рис. 3). В целом за 9 мес. 2012 г. он достиг
965 млрд руб. (см. рис. 1), а прирост к аналогичному периоду 2011 г. составил 5% [3].
Лизинг является специфической формой
инвестиций [5, с. 193−195], которая может
конкурировать с традиционным долгосрочным банковским кредитом под приобретение
внеоборотных активов, т.к. является более
гибкой формой, учитывающей особенности
119
Рис. 1. Динамика объемов нового бизнеса
в лизинговых сделках за 2007–2012 гг.:
— объем полученных лизинговых платежей; — объем
профинансированных средств; — объем нового бизнеса
Рис. 2. Динамика структуры лизинговых сделок
2008–2012 гг.:
— малый бизнес; — средний бизнес; — крупный
бизнес; — госучреждения (ФГУП, МУП и др);
— физические лица (не ИП)
Рис. 3. Динамика суммы лизинговых сделок
2007–2012 гг.:
— сумма сделок в III кв. указанного года; — отношение
суммы сделок III кв. к среднеквартальной сумме сделок
за 9 мес. (правая шкала)
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
функционирования и финансовые возможности каждого лизингополучателя через размер
лизинговых платежей от конкретного лизингополучателя, гибкую величину лизингового
процента и индивидуальную продолжительность срока договора.
Банковский кредит на конкретные (аналогичные лизингу цели) всегда более унифицирован для всех клиентов по срокам, процентам
и порядку погашения, хотя является более дешевым (уровень 15−25% годовых, при лизинге
— 40−45%), более продолжительным по срокам (5–15 лет, при лизинге от нескольких месяцев до 5 лет) и, следовательно, с меньшими по
величине регулярными платежами и первоначальным взносом (от 0−10% первоначальной
стоимости предмета лизинга, при лизинге от
10 до 50%) финансовым инструментом.
Рынок лизинга оборудования (табл. 2), в
т.ч. и геодезического оборудования как отдельный сегмент рынка лизинга в России является
весьма молодым [6].
Так, по данным рейтинговых агентств и
оценкам экспертов в 2012−2013 гг. продолжится рост сегмента рынка лизинга — «Лизинг
оборудования» в основном за счет роста лизинга подвижного состава железнодорожного
транспорта. Доля лизинга геодезического оборудования составляет примерно 0,8−1% объема лизинговых сделок (новых лизинговых договоров).
Категория лизинг (англ. leasing — аренда) исторически предполагает приобретение
внеоборотного актива определенного вида и
эксплуатационных характеристик одной компанией (лизингодатель) на ее собственные или
привлеченные средства по поручению другой
компании (лизингополучатель) у поставщика
(третьего участника сделки) [1, 6−8].
В зависимости от особенностей лизинговой
сделки, степени участия каждого контрагента,
характера предмета лизинга, порядка формирования цены договора, особых условий договора
можно выделить определенные виды лизинга. Лизинговые операции позволяют получить
определенные налоговые преференции как лизингодателю, так и лизингополучателю [9].
Для лизингополучателя без отражения
предмета лизинга на балансе (отражение на
забалансовом счете 011 «Арендованные основные средства» предмета лизинга в оценке
договора лизинга) [9] уменьшается его налогооблагаемая база по прибыли, т.к. лизинговые
платежи включаются в состав операционных
расходов (счет 91 «Доходы и расходы по прочим операциям») [10] вместе с лизинговым
доходом и полностью признаются в целях налогообложения прибыли как экономически
целесообразные [1, с. 257; 7, 9]. Для лизингодателя есть возможность применения метода
ускоренной амортизации с коэффициентом 2,
что уменьшает его налогооблагаемую базу по
Структура рынка лизинга в России за 9 мес. 2012 г. (по предметам лизинга)
Доля сегмента в новом
бизнесе за 9 месяцев, %
Предмет лизинга
Железнодорожная техника
2012 г.
2011 г.
Прирост (+)
или сокращение (–) объема
сегмента, %
54,0
53,43
6,0
Таблица 2
Доля сегмента
в лизинговом
портфеле на
01.10.12,%
57,29
Грузовой автотранспорт*
10,3
8,34
29,5
5,27
Легковые автомобили
8,26
6,27
38,2
3,46
Энергетическое оборудование
4,1
0,84
41,2
3,12
Строительная техника, вкл. строительную спецтехнику на колесах
3,5
4,2
–12,6
2,36
Авиационный транспорт (самолеты, вертолеты)
3,0
7,4
–57,5
10,5
Дорожно-строительная техника
3,0
2,94
7,0
2,25
Оборудование для нефтедобычи и переработки
2,3
1,35
78,7
2,56
Машиностроительное, металлообрабатывающее оборудование
1,44
1,5
0,7
1,65
Автобусы, микроавтобусы
1,4
1,54
–4,6
1,05
Оборудование для добычи прочих полезных ископаемых
(кроме нефти и газа)
1,25
1,33
–1,4
1,63
Прочие сегменты (менее 1% каждый)
7,45
10,86
—
8,86
*Без учета данных компаний «Скания Лизинг» и «ВФС Восток»
120
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
кадастр, экономика и развитие территорий
налогу на прибыль, кроме того есть возможность получить рассрочку по налоговым платежам в бюджет [9]. Имущество, взятое в лизинг,
но не отраженное на балансе лизингополучателя, не является для него объектом налогообложения налогом на имущество. Наличие налоговых преференций у участников лизингового
договора является одним из основных стимулов бурного развития рынка лизинговых услуг.
Сложившаяся арбитражная практика, а
также разъяснения Министерства финансов
России и Федеральной налоговой службы
России по вопросам отражения в учете, в бухгалтерской и финансовой отчетности организаций — участников лизингового договора
доходов и расходов по предмету лизинга, а также перехода права собственности на предмет
лизинга к лизингополучателю также создают
Классификация видов лизинга
Классификационный признак
Таблица 3
Виды лизинга
По характеру возмещения (покрытия) Операционный лизинг — срок договора лизинга меньше срока полезного использования
обязательств по договору лизинга
предмета лизинга, что предполагает в случае выкупа предмета лизинга лизингополучателем формирование отдельно выкупной цены и единовременное погашение обязательств
лизингополучателем;
финансовый лизинг предполагает покрытие стоимости предмета лизинга лизингополучателем через механизм регулярных лизинговых платежей, включающих также доход
лизингодателя [9, 7, 13].
По характеру предмета
лизинга (видовой, отраслевой)
Лизинг транспортных средств (авто, авиа, судов) — предоставление в лизинг различных транспортных средств как новых, так и бывших в эксплуатации;
лизинг производственного оборудования (отраслевой) — предоставление в лизинг различных видов производственного оборудования, оргтехники для нужд производства и
управления лизингополучателя;
лизинг недвижимости — предоставление в лизинг объектов недвижимого имущества;
лизинг персонала (профессиональный) — предоставление кадровым агентством или
одним предприятием другому персонала определенной квалификации и профессионального состава во временное пользование на платной основе при сохранении постоянного
места работы у лизингодателя [14];
аутстаффинг — технология менеджмента, основанная на кооперировании управленческих процессов посредством привлечения внешних организаций и персонала управления
со стороны, передачи им ряда функций при выведении по основному месту работы на
период действия договора за штат [14];
Аутсорсинг — это передача части функций по обслуживанию деятельности Вашей
фирмы другой организации-исполнителю (бухгалтерский учет, внутренний аудит,
консалтинг, транспортные услуги, курьерские услуги, снабженческие функции и др.).
По статусу участников договора
лизинга
Внутренний лизинг — все участники договора лизинга экономические резиденты РФ [13];
международный лизинг — один из участников договора лизинга нерезидент РФ [11].
По территориальному аспекту
Региональный лизинг — cегментация участников договора лизинга по регионам, территориальной принадлежности в соответствии с ОКАТО.
По отраслевому аспекту
Отраслевой лизинг — cегментация участников договора лизинга по отраслям в соответствии с ОКВЭД и ОКОНХ.
По характеру фондирования
лизинговых сделок
Финансовый лизинг предполагает покрытие стоимости предмета лизинга лизингополучателем через механизм регулярных лизинговых платежей [12], включающих также
доход лизингодателя; при условии сохранения права собственности на предмет лизинга
в течение всего договора за лизингодателем (использование собственных источников
финансирования лизинговой сделки лизингодателем);
леверидж лизинг предполагает привлечение помимо собственных источников средств
на приобретение лизингодателем предмета лизинга в собственность коммерческие и
банковские кредиты (кредитный); использование долговых обязательств (облигации и
векселя — паевой); использование средств поставщика (применяется для особо крупных
сделок — раздельный)
По объему обслуживания
лизингового имущества
«Мокрый» лизинг (wet leasing) — вид лизинга, включающий дополнительные услуги
лизингодателя по сопровождению эксплуатации предмета лизинга у лизингополучателя
на период действия договора (ремонт, обучение персонала, страхование и др.);
«чистый» лизинг (net leasing) — все эксплуатационные издержки берет на себя лизингополучатель.
Наличие посредников
Сублизинг предполагает участие в многоуровневой лизинговой сделке нескольких посредников между лизингодателем и лизингополучателем.
121
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
предпосылки к развитию рынка лизинга.
В настоящее время при мониторинге за
развивающимся в России рынком лизинговых
услуг [1, 4] принято выделять следующие виды лизинга (табл. 3). Составлено в результате
анализа [5−8; 11−13].
Для рынка геодезического оборудования
характерны следующие виды лизинга:
во-первых, операционный лизинг, так как
в составе организаций — лизингодателей значительная доля отечественных производителей геодезического оборудования (уральский
регион, московский, северо–западный, верхне–волжский и др.), когда лизингодатель изначально является собственником лизингового
имущества и практически в рассрочку продает
его лизингополучателю или дает в оперативное пользование. В этом случае значительно
увеличивается оборот лизингового имущества, бывшего в эксплуатации, на вторичном
рынке оборудования. Данный вид лизинга
имеет дополнительные риски, связанные с падением спроса на предмет лизинга, снижением его конкурентоспособности по сравнению
с аналогами (электронная элементная база
практически морально устаревает в течении
1,5–2 лет) и возможностью непокрытия (выкупа) полной стоимости предмета лизинга;
во-вторых, велика доля импортного геодезического оборудования (80%) на рынке лизинга, что существенно удорожает сделки и влечет
использование леверидж лизинга (смешанное
финансирование);
в-третьих, значительная доля геодезического оборудования, предоставляемого в лизинг,
– импортное, что требует его сопровождения,
обучения персонала, замены комплектующих,
что приводит к использованию wet leasing, т.е.
«мокрого лизинга» и существенно удорожает
лизинговые сделки, не говоря о дополнительных издержках, связанных с ввозом этого оборудования на территорию РФ.
Перечисленные особенности рынка лизинга геодезического оборудования безусловно
снижают инвестиционную привлекательность
данного финансового инструмента. Однако,
учитывая высокую фондоемкость геодезических предприятий, расширение доли отечественного геодезического оборудования, увеличение возможности применения лизинга на
вторичном рынке за счет накопленного современного оборудования на предприятиях отрас-
ли создается материальная база для развития
операционного лизинга.
Использование лизинговых схем должно
повысить уровень оснащения предприятий
отрасли современным оборудованием, обеспечить рост конкурентоспособности их продукции, способствовать решению основных
стратегических задач [15]:
«обеспечить рост объемов производства
конкурентоспособной продукции к 2020 г. к
уровню 2012 г. в 2,1 раза»;
«повысить конкурентоспособность предприятий, увеличить долю инновационной продукции, укрепить позиции и завоевать новые
сегменты на внутреннем и внешнем рынках.
Доля товаров инновационного характера должна составлять не менее 46 % объема производства».
Проведенный анализ позволяет рекомендовать предприятиям отрасли активнее использовать лизинг как эффективный инструмент обновления парка геодезического оборудования
для обеспечения роста качества геодезических
измерений и картографической продукции.
Литература
1. Газман В.Д. Лизинг: финансирование и секьюритизация.
М.: Изд. Дом ВШЭ, 2011. –469 с.
2. Распоряжение Правительства Российской Федерации от
17.12.2010 № 2378-р «Концепция развития отрасли геодезии и
картографии до 2020 года».
3. www. expert.ru/expert/2012.
4. www.gks.ru. Сб. «Россия в цифрах» 2012, табл. 24.4.
5. Газман В.Д. Лизинг: статистика развития. М.: Изд. Дом
ГУ ВШЭ,2008. −591 с.
6. www.all_leasing.ru.
7. Федеральный закон от 29.10.1998 года №164-ФЗ (в ред. от
26.07.2006) «О финансовой аренде (лизинге)».
8. Гражданский кодекс Российской Федерации гл. 34,§ 6, ст.
665−670.
9. Налоговый кодекс РФ, ч.II, гл. 25 ст. 257 – 259.
10. ПБУ 6/01 «Учет основных средств» (Приказ Минфина
№26-н от 30.03.2001).
11. Конвенция УНИДРУА о международном финансовом лизинге (Оттава, 28 мая 1988 г.).
12. Методические рекомендации по расчету лизинговых
платежей / Минэкономики, 16.04.1996.
13.Основы внешнеэкономических знаний: Словарь-справочник / С.И. Долгов, В.В. Васильев, С.П. Гончарова и др.- М.:
Высшая школа, 1990.−432 с.
14. www.audit-it.ru.
15. Программа развития геодезии и картографии на основе
плана мероприятий реализации «Концепция развития отрасли геодезии и картографии до 2020 г.». – Отчет НИР. ФГУП
«ЦНИИГАиК». М.: 2012.
122
Принята к печати 4 марта 2013 г.
Рекомендована кафедрой экономики
и предпринимательства МИИГАиК
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
хроника
хроника
Кира Борисовна Шингарева и ее путь в науке
С именем Киры Борисовны Шингаревой (09.01.1938–15.09.2013) неразрывно связаны слова «планета» и «карта». Доктор физико-математических наук,
профессор К.Б. Шингарева пользовалась мировой известностью и была движущей силой в планетной картографии. Благодаря ей в науке появилось новое понятие «география внеземных территорий».
В 1959 г. Кира Борисовна закончила четыре курса МИИГАиК по специальности «астрономо-геодезия». Среди ее учителей знаменитые геодезисты
Н.И. Модринский, П.С. Закатов, В.В. Бровар. Она продолжила образование в
Дрезденском техническом университете, где успешно защитила дипломную работу, получив диплом №1 (после преобразования Дрезденской высшей технической школы в университет).
Свою научную деятельность К.Б. Шингарева начала в январе 1962 г., когда
по возвращении в Москву она была распределена в МИИГАиК на кафедру высшей геодезии с рекомендацией поступления в аспирантуру. Кира Борисовна преподавала высшую геодезию и радиогеодезию, по просьбе кафедры иностранных
языков обучала студентов английскому и немецкому языкам. В 1964 г. она перевела с немецкого языка монографию «Морская гравиметрия», первое учебное
пособие по этой теме в нашей стране, которое стало и первой ее публикацией.
В 1965 г. Кира Борисовна перешла в отдел физики Луны Государственного
астрономического института им. П.К. Штернберга (ГАИШ), а вскоре была приглашена в отдел сравнительной планетологии только что созданного Института
космических исследований АН СССР, в котором руководила группой картографов до 1977 г. Группа занималась подготовкой картографических материалов
для космических исследований Луны (привязка снимков видимой стороны, создание гипсометрических профилей в
районе посадок КА, создание бланковых карт Луны). Тогда же К.Б. Шингарева участвовала в обработке съемок обратной стороны Луны с АМС Зонд-3, создании первой полной карты и глобуса Луны, а также карты Марса.
В 1974 г. К.Б. Шингарева защитила кандидатскую диссертацию, связанную с картографическими аспектами
изучения Луны по данным телескопических наблюдений и космических съемок, а в 1992 г. получила докторскую
степень за диссертацию по теме «Концепция картографирования тел Солнечной системы в ее историческом развитии: внеземные территории».
С 1976 по 1978 гг. К. Б. Шингарева училась в МГУ им. М.В. Ломоносова на факультете международных отношений, где получила высшее образование по экономике. С 1977 г. и до последнего времени Кира Борисовна работала на кафедре экономики и предпринимательства МИИГАиК, совмещая преподавание экономических дисциплин с
работой в лаборатории планетной картографии, созданной в МИИГАиК при ее участии. Учебный курс по организации космических исследований создан К.Б. Шингаревой, ею также велись практические занятия по космическому
праву. У Киры Борисовны было много учеников, среди которых выпускники МИИГАиК и МГУ.
В рамках национальной космической программы К.Б. Шингарева участвовала в работах по картографированию
Луны, Марса, Фобоса, Венеры и вскоре стала главой лаборатории планетной картографии МИИГАиК. В годы, когда
финансирование космических исследований было фактически прекращено, под ее настойчивым и плодотворным
руководством в МИИГАиК продолжались работы по картографированию небесных тел. Благодаря этому в 2010 г.
начала новую жизнь Комплексная лаборатория исследования внеземных территорий (http://mexlab.miigaik.ru/), став
местом обучения и работы для студентов и молодых ученых МИИГАиК.
Кира Борисовна активно занималась географическими и картографическими аспектами изучения небесных
тел, в том числе международной системой наименований объектов на планетах и спутниках Солнечной системы
(планетной номенклатурой). С конца 1960-х годов и до последнего времени она была заместителем председателя
Комиссии по космической топонимике РАН. Будучи убежденной в том, что работа по наименованиям объектов на
123
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
небесных телах должна осуществляться на основе междисциплинарных исследований, Кира Борисовна настаивала на передаче этих функций из Международного
астрономического союза (МАС) в топонимическую комиссию ООН, куда входят представители разных наук.
К.Б. Шингарева объединяла вокруг себя множество
людей разных профессий, она сотрудничала с географами, филологами, историками, астрономами, геологами.
В период подготовки первых полетов к Фобосу ею вместе с Львом Моисеевичем Бугаевским был разработан
«Способ изготовления модели небесного тела» (Патент
SU 1730661, соавтор Б.В. Краснопевцева). На основе
этого способа был изготовлен первый в нашей стране
глобус Фобоса (1990 г.), сохранившиеся уникальные экземпляры которого можно найти в Музее космонавтики
и Музее ГАИШ.
Крупнейшим коллективным проектом, который
К.Б. Шингарева организовала и продвигала, является
создание Атласа планет земной группы и их спутников, его подготовка заняла более 10 лет. В этом проекте,
кроме МИИГАиК, участвовали девять академических
институтов, а также ГАИШ МГУ, НПО им. Лавочкина,
ЦНИИГАиК, в общей сложности несколько десятков
человек. Работы финансировал Научно-испытательный
центр им. Г.Н. Бабакина. Объемный атлас (208 с.), который был опубликован в 1992 г., включает общие сведения о Солнечной системе и историю картографирования
планет и спутников. Его основное содержание представлено в 10-ти разделах на 59 картах (в том числе карты
физических свойств поверхности, геофизические и геоморфологические карты, бланковки, гипсометрические
карты, карты геодезической и картографической изученности). Насыщенное содержание, представленное
в сравнительно-планетологическом аспекте, делает это
издание уникальным и не имеющим до сих пор аналогов
в мире.
В 2007 г. под руководством К.Б. Шингаревой это
монументальное картографическое произведение было переведено на английский язык. Как естественное
продолжение этой работы, Кира Борисовна инициировала издание серии «Многоязыковых карт планет
земной группы и их спутников». В сотрудничестве с
Дрезденским техническим университетом были изданы
карты Венеры, Марса, Меркурия, а также Луны, Фобоса
и Деймоса. Целью этих уникальных изданий была демонстрация широкой международной аудитории результатов космических исследований планет в виде картографических произведений.
Другим крупным проектом К.Б. Шингаревой недавнего времени была разработка многоязычного «Словаря
терминов, употребляемых при картографировании внеземных территорий (термины и словосочетания на пяти
языках)», 2011 г.
Кира Борисовна была соавтором учебника для высшей школы «География внеземных территорий» (2009 г.),
который, вместе со школьным Атласом Солнечной системы (2005 г.), является в России основным материалом для образования в сфере планетологии.
Идейный и организационный вдохновитель Рабочей
группы по планетной картографии в Международной
картографической ассоциации, сопредседателем которой она являлась (1995–1999 гг.), Кира Борисовна в
дальнейшем стала председателем Комиссии планетной картографии, образованной в результате ее активности и успехов (1999–2007 гг.). Как организатор
науки, она играла огромную роль в подготовке и проведении впервые в России XXIII Международной
картографической конференции (Москва, 2007 г.).
В 2007 г. К.Б. Шингарева стала почетным членом
Международной картографической ассоциации.
Кира Борисовна была удивительным энтузиастом
планетной картографии, свою неисчерпаемую энергию
она передавала последующим поколениям исследователей. Живя в эпоху захватывающих космических открытий, она старалась извлекать максимум из тех скромных
ресурсов, которые доставались ей огромным трудом.
«Шаг за шагом, — говорила она, — но мы постепенно
движемся вперед».
Кира Борисовна обладала удивительным даром
притягивать к себе людей, объединять их в общем деле, ей доверяли. Многие ее однокурсники, сослуживцы,
просто знакомые обязаны ей помощью или советом в
трудную минуту. Она славилась добротой и отзывчивостью.
В книге «Картографические миры: история женщин
в картографии» (Will C. Vanden Hoonaard. Map Worlds:
A History of Womenin Cartography, Waterloo, ON: Wilfrid
Laurier University Press, 2013) есть раздел, посвященный
Кире Шингаревой, где описана ее биография.
Имя Киры Борисовны Шингаревой увековечено в
названии астероида № 294595–Shingareva. А небольшой,
но необычный лунный кратер Кира будет теперь еще одним напоминанием об этом замечательном человеке.
Лунный кратер Кира
(http://planetarynames.wr.usgs.gov/Feature/3045)
124
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
алфавитно-тематический указатель
алфавитно-тематический указатель
статьи, опубликованные в журнале
изв. вузов «геодезия и аэрофотосъемка» в 2013 г.
Разделы, авторы и названия статей
№ стр.
Астрономия, гравиметрия и космическая геодезия
Антонович К.М., Косарев Н.С., Першин Д.Ю., А.С. Щербаков А.С. Абсолютное кинематическое
позиционирование одночастотным фазовым ГНСС -приемником, интегрированным
с инерциальными датчиками...................................................................................................................................4/С
Васкез Б.Х.А., Кочиев А.А.,Калдерон Г.Х.А. О некоторых противоречиях нормального поля Земли.........................1
Ву Хонг Куонг Исследования моделей гравитационного поля Земли по наземным и спутниковым измерениям...1
Ву Хонг Куонг Результаты вычисления аномалий высот и аномалий силы тяжести
по спутниковым измерениям на территории Вьетнама..........................................................................................4
Гусев И.В. Оценка влияния приливных эффектов на низкоорбитальные ИСЗ.............................................................2
Гусев И.В., Лебедев С.А. Учёт влияния океанических приливов при наблюдении геодезических
искусственных спутников Земли...............................................................................................................................1
Дмитриев В.М., Луповка В.А.,Оберст Ю., Сизенков В.А. Моделирование марсианских метеорных потоков,
порожденных кометами..............................................................................................................................................1
Дударев В.И. Оценка параметров состояния нелинейных динамических систем в спутниковой геодезии............4/С
Дударев В.И. Уравнения поправок для определения геодезических параметров
по результатам радиотехнических траекторных измерений спутников..............................................................4/С
Калинин Д.А. О критериях общности в кометных метеороидных комплексах.............................................................5
Нейман Ю.М., Сугаипова Л.С. О ковариационном анализе неоднородного гравитационного поля Земли..............5
Савиных В.П., Васильев В.П.,Капранов Ю.С., Краснорылов И.И., Куфаль Г.Э., Перминов С.В.,Шевченко В.В.
О космическом будущем Цивилизации....................................................................................................................2
Савиных В.П., Певнев А.К. Использование космических методов для прогноза землетрясений...............................2
Савиных В.П., Малинников В.А., Учаев Д.В., Учаев Дм.В. Исследование пространственного распределения
кратеров на поверхности Фобоса..............................................................................................................................6
Учаев Дм.В., Учаев Д.В., Прутов И.С. Многомасштабное представление гравитационных полей
малых небесных тел....................................................................................................................................................4
Черний А.Н. О гравитационно-квантовых процессах вблизи черной дыры (теория и наблюдения).........................5
Эбауэр К.В., Сорокин Н.А. Особенности учета гравитационных возмущений от Луны, Солнца
и планет Солнечной системы при определении орбит геодезических ИСЗ.........................................................1
Эбауэр К. В., Сорокин Н.А. Высокоточные методы численного интегрирования уравнений движения ИСЗ
с Чебышевской аппроксимацией для обработки лазерных наблюдений ИСЗ......................................................3
Эбауэр К.В. Исследование возмущенного движения ИСЗ БЛИЦ..................................................................................5
Яшкин С.Н. Аналитические и численные исследования острого резонанса астероидов,
тесно сближающихся с Землёй..................................................................................................................................2
3
10
20
8
18
25
3
8
13
3
15
3
24
3
3
10
14
3
22
9
Геодезия
Антонович К.М., Липатников Л.А. Совершенствование методики точного дифференциального
позиционирования по результатам ГНСС -измерений (precise point positioning)...............................................4/С
Асташенков Г.Г., Мазуров Б.Т., Зарзура Ф.Х. Влияние количества базовых станций
на точность гнсс-измерений.................................................................................................................................4/С
Барабанова Л.П. Окончательная формула для обратной однократной угловой засечки.............................................3
Барабанова Л.П. Применение комплексных чисел в геодезии на примере задачи Ганзена........................................4
Баранов В.Н., Королевич В.В. Исследование точности модели EGM 2008...................................................................2
Буюкян С.П. Видеоконтрольное устройство....................................................................................................................3
Буюкян С.П. Видеостворофиксатор..................................................................................................................................5
Герасименко М.Д. К вопросу «О геометрической интерпретации сущности уравнивания»
(в порядке обсуждения)..............................................................................................................................................3
Голубев А.Н. Существует ли фазовая скорость?...............................................................................................................2
Голыгин Н.Х., Федосеев Ю.Е., Черепанов П.А. Перспективы использования измерительных систем
«цифровой нивелир+штрих-кодовая рейка»............................................................................................................6
Гура Д.А., Шевченко Г.Г., Желтко Ч.Н., Пастухов М.А. История проблемы исследования угломерных ошибок
углоизмерительных приборов....................................................................................................................................5
Джунь И.В. Об одном обобщении фундаментального принципа метода наименьших квадратов
в связи с эволюцией представлений о законе ошибок наблюдений.......................................................................6
Духин С.В., Нуйкин А.В., Куприянов А.О., Бекчанова Е.С. Разработка высокоточной координатной системы
высокоскоростной железнодорожной магистрали Москва – Санкт-Петербург – Бусловская............................2
Жарницкий В.Я., Андреев Е.В. Проблемы эксплуатационной надёжности и безопасности грунтовых плотин.......1
Желтко А.Ч. Анализ пространственной обратной засечки по двум исходным пунктам............................................2
Каленицкий А.И., Ким Э.Л., Середович В.А. Современное представление о проведении геодинамических
исследований на месторождениях нефти и газа....................................................................................................4/С
125
44
62
9
24
35
13
45
25
53
13
43
19
49
42
43
19
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Карпик А.П. Информационное обеспечение геодезической пространственной информационной системы..........4/С
Карпик А.П. Основные принципы формирования геодезического информационного пространства......................4/С
Клюшин Е.Б., Динь Тхи Ле Ха. Особенности вычисления горизонтального проложения в полигонометрии...........2
Колмогоров В.Г., Лисицкий Д.В. Современная активность разломов и сейсмичность Алтае-Саянской области...4/С
Колмогоров В.Г., Асташенков Г.Г., Норкин В.И. Картографическая модель современных вертикальных
движений Алтае-Саянской области.........................................................................................................................4/С
Колмогоров В.Г., Лисицкий Д.В. Современные кинематические параметры юго-восточной части
Алтае-Саянской области..........................................................................................................................................4/С
Колмогоров В.Г., Калюжин В.А., Зятькова Л.К., Одинцова Н.В. О роли возможного влияния современных
кинематических параметров земной поверхности на изменение основных
характеристик рек западной Сибири......................................................................................................................4/С
Комиссаров А.В., Широкова Т.А., Комиссаров Д.В. Общий подход к изучению погрешностей наземной
лазерной съемки, вызванных метрологическими свойствами объектов...............................................................1
Кузин В.И., Попов Р.А., Алтынцев М.А., Арбузов С.А. Исследование достоверности определения
лесотаксационных характеристик по данным воздушного лазерного сканирования........................................4/С Мазурова Е. М., Лапшин А.Ю.,Меньшова Е.В. О принципе неопределенности Гейзенберга в методах
вычисления составляющих уклонения отвеса.........................................................................................................2
Мазурова Е.М., Огиенко С.А. Отображение геодезических данных в ArcGis...............................................................5
Мазуров Б.Т., Трубина Л.К., Зарзура Ф.Х. Оценка кодовых и фазовых решений ГНСС............................................4/С
Маркузе Ю.И., Бондаренко А.А. Эффективная обработка геодезических данных локальной
спутниковой геодинамической сети..........................................................................................................................4
Маркузе Ю.И., Желтко А.Ч. Способ исполнительной съёмки нижнего пояса балок автомобильного моста..........3
Огородова Л.В. Определение разностей геодезических криволинейных координат
по разностям геодезических прямоугольных координат........................................................................................2
Рязанцев Г.Е., Буюкян С.П., Жидков А.А., Назаров И.А. Современные метрологические и организационные
проблемы создания «геодезических» автоматизированных систем контроля безопасности
строительных конструкций........................................................................................................................................1
Савиных В.П., Певнев А.К., Ямбаев Х.К. Теория упругой отдачи, дилатансия, геодезия – прогноз...........................5
Самойленко А.Н., Монюк Б.Е. Исследование метрологических характеристик горизонтального круга
лазерных трекеров faro x и faro ion.................................................................................................................5
Уставич Г.А., Китаев Г.Г., Никонов А.В., Сальников В.Г. Создание геодезической основы для строительства
объектов энергетики.................................................................................................................................................4/С
Уставич Г.А., Ямбаев Х.К., Сальников В.Г., Никонов А.В. Технологическая схема разбивки и установки
круговых рельсовых путей.......................................................................................................................................4/С
Уставич Г.А., Ямбаев Х.К. Методика проведения внеочередной поверки системы
«цифровой нивелир+штрих-кодовая рейка»............................................................................................................6
Фялковский А.Л. Создание современных комбинированных сетей для оценки деформационной опасности
городских агломераций и промышленных площадок.............................................................................................6
Хмырова Е.Н., Жунусова Г.Е., Бесимбаева О.Г., Максимова М.В. Мониторинг технического состояния
уникальных сооружений в г. Астана с использованием современных геодезических приборов.......................3
Хмырова Е.Н., Бесимбаева О.Г., Жунусова Г.Е., Максимова М.В. Геодезический контроль за сооружением
«Астана—Байтерек»...................................................................................................................................................5
Хорошилов В.С., Павловская О.Г., Носков М.Ф. Анализ и оценка по геодезическим данным динамики оползней
в условиях проведения взрывных работ и разгрузки склонов...............................................................................4
Хорошилов В.С., Квашенко И.Ю., Носков М.Ф. Особенности выбора деформационных марок
для построения кинематической модели при изучении деформаций сооружений............................................4/С
Космическая съемка, аэрофотосъемка и фотограмметрия
Андронов В.Г. Построение макетных снимков местности в режимах маршрутной космической съёмки.................5
Антипов И.Т., Гук А.П. Проверка соблюдения основного положения способа наименьших квадратов
при параметрическом уравнивании........................................................................................................................4 С
Кадничанский С.А. Обоснование требований к цифровой модели рельефа, используемой
в современных технологиях аэрофототопографической съемки...........................................................................2
Кадничанский С.А. Обоснование допустимой высоты фотографирования
при стереотопографической съемке рельефа ..........................................................................................................3
Коршунов Р.А., Носков В.В., Погорелов В.В. Нецентральная обратная фотограмметрическая засечка.....................5
Кривовязь Г.Р., Велижев А.Б. Алгоритм уточнения параметров внешнего ориентирования камеры
по изображениям и данным лазерного сканирования.............................................................................................1
Кузин В.И., Шевчук С.О., Никитин В.Н. Фотограмметрический способ и устройство для определения
истинной высоты выносной вертолётной платформы аэрогеофизического комплекса «импульс-аэро»........4/С
Марчуков В.С., Гусев М.Н., Гусева И.М. Методика исследования динамики речных островов
по многозональным космическим снимкам (на примере рек Амур и Зея)...........................................................1
Михайлов А.П., Эдгар Рубен Монтель Андраде Фотограмметрический метод мониторинга состояния
морских и океанских побережий по материалам аэрофотосъемки........................................................................3
Михайлов А.П., Эдгар Рубен Монтель Андраде, Перес Вальдез Мануэль де Хесус О применении цифровых
фотокамер со шторно-щелевым затвором для выполнения аэрофотосъемки с легкомоторных
и беспилотных летательных аппаратов....................................................................................................................4
126
70
73
42
28
32
36
40
36
54
31
34
64
14
20
38
33
29
46
48
66
8
16
16
52
19
58
56
79
58
31
67
48
86
54
28
30
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
алфавитно-тематический указатель
Михайлов А.П., Перес Вальдез Мануэль де Хесус. Создание цифровых моделей памятников истории
и архитектуры по материалам перспективной и плановой аэрофотосъемки........................................................5
Никишин Ю.А. Перспективы развития гиперспектральной съемочной системы космического базирования..........3
Павлов В.И. Выбор параметров аэрофотосъёмки при решении геодезических задач
гравиметрической съёмки крупного масштаба........................................................................................................5
Тимофеев В.Ю., Ардюков Д.Г., Горнов П.Ю., Тимофеев А.В., Стусь Ю.Ф., Калиш Е.Н., Кулинич Р.Г.,
Валитов М.Г., Сизиков И.С., Колпащикова Т.Н., Прошкина З.Н., Седусов Р.Г. Косейсмические эффекты
в дальней зоне японского землетрясения 11.03.2011 (по данным космической геодезии и гравиметрии)......4/С
Трубина Л.К., Хлебникова Т.А., Николаева О.Н., Кулик Е.Н. Интеграция геопространственных данных
на основе трехмерного моделирования для экологической оценки городских территорий..............................4/С
72
35
62
93
83
Картография
Биктимирова Н.М., Радаман С.К. Принципы анимационного отображения географической информации
на оперативных телевизионных картах....................................................................................................................6
Верещака Т.В., Андреева З.В. Оценка экологического состояния акваторий: методика и система карт ...................3
Жукова О.Ю., Гедз Л.В. Оценка качества изобразительных свойств электронных карт экспертными методами....6
Лаврентьев С.В. Картографирование городского транспорта: направления развития................................................4
Лебедев П.П. Новая трактовка теории и методов изображения информации на географических картах.................3
Мазуров Б.Т., Пластинин Л.А., Ступин В.П. Использование аэрокосмических снимков в картографировании
экзогенных геологических процессов морфосистем «байкальской горной страны..........................................4/С
Мазуров Б.Т., Юдкин В.А., Косарева А.М. Пространственная интерполяция в картографировании
распределения охотничьих млекопитающих..........................................................................................................4/С
Пластинин Л.А., Николаева О.Н. Применение картографических моделей природных ресурсов
для системного планирования и ведения рационального природопользования.................................................4/С
Радаман С.К. История развития оперативной картографической анимации на телевидении....................................4
Татаренко В.И., Елшина Т.Е., Утробина Е.С. Интеграция разнородных данных
в геоморфологическом картографировании...........................................................................................................4 С
Уставич Г.А., Пластинин Л.А., Пошивайло Я.Г., Каретина И.П. Разработка метода ретроспективного
картографирования почвенного покрова земель населенных пунктов................................................................4/С
Уставич Г.А., Батуева. А. Р., Пошивайло Я.Г., Ахметов Б.Ж. Учет влияния розы ветров
при картографировании и межевании земель, прилегающих
к Семипалатинскому испытательному полигону...................................................................................................4/С
33
49
28
33
42
113
117
109
38
103
99
123
Дистанционное зондирование и мониторинг земель
Алексеева О.М. Методика формирования оптимальных групп природных и антропогенных объектов
в имитационных моделях для тестирования систем ДЗЗ ......................................................................................2
Байраков И.А. Оценка устойчивости природных ландшафтов Чеченской Республики
и их компонентов к внешнему воздействию............................................................................................................1
Бондур В.Г., Гороховский К.Ю., Игнатьев В.Ю., Мурынин А.Б., Гапонова Е.В. Метод прогнозирования
урожайности по космическим наблюдениям за динамикой развития вегетации....................................... 6
Буров В.Н. Возможные пути идентификации поллютантов на молекулярном уровне
методами дистанционного зондирования....................................................................................................... 6
Буров В.Н., Оводков М.В. Метод оценки экологического риска последствий загрязнения
окружающей среды с учетом токсического эффекта поллютанта.........................................................................4
Веревочкин Ю.Г., Ильин Ю.А. Влияние растительности на контраст яркостной температуры
подстилающей поверхности в дальней ИК-области..................................................................................... 6
Зверев А.В. Сравнение различных методик дешифрирования водных утечек
из оросительных каналов (на примере территории Калмыкии).............................................................................5
Зверев А.Т., Фисенко Е.В. Теоретическая база и технологические решения космического мониторинга
природных и техногенных чрезвычайных ситуаций..................................................................................... 6
Зубарев А.Э., Патратий В.Д. Эффективный инструмент для обработки данных дистанционного
зондирования небесных тел — SPICE......................................................................................................................1
Кантемиров Ю.И. Обзор современных радарных данных ДЗЗ.....................................................................................2
Кантемиров Ю.И. Краткие теоретические основы радарной интерферометрии
и ее многопроходных вариаций PS и SBas...............................................................................................................4
Ковалевская Н.М., Денисова Т.Г. Оценка площадей посевов по многоспектральным спутниковым
данным SPOT-4 и LANDSAT ETM+.........................................................................................................................4
Коновалов Л.А. Космический мониторинг земель, нарушенных вследствие возникновения пожаров,
на примере территории Ханты-Мансийского автономного округа.............................................................. 6
Лашков н.П., Холопцев А.Н. Стандартизация использующих средства спутниковой навигации систем
диспетчерского управления автотранспортными средствами и пути ее совершенствования.............................1
Марчуков В.С., Чеман Джамал Ахмад Автоматизированное выявление изменений на застроенных
территориях Северного Ирака по многозональным космическим снимкам.........................................................5
Марчуков В.С., Чинь Ле Хунг Мониторинг поверхностной температуры во Вьетнаме
по данным многозональной съемки КА Landsat............................................................................................ 6
Мельникова Е.Б. Исследование состояния лесных ресурсов по материалам космической съемки............................4
127
64
73
61
73
66
44
83
50
59
69
62
46
68
79
74
41
55
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Миртова И. А., Пацына Ю.Е. Оценка состояния нарушенных земель Московской области
с использованием космических снимков..................................................................................................................3
Миртова И.А., Телятников В.Н. Оценка динамики зеленых насаждений Москвы по космическим снимкам.........2
Миртова И.А., Блюденова А.А. Разработка технологических решений космического геоэкологического
мониторинга Северных территорий . ............................................................................................................. 6
Миртова И.А., Ершов Д.В., Мягкова Д.А. Использование спутниковых данных для оценки повреждения
лесов короедом-типографом на примере Московской области.................................................................... 6
Никольский Д.Б. Профильно-площадная методика дистанционного зондирования ледников...................................5
Подгорная Н.А. Роль аэрокосмического мониторинга в предупреждении, обнаружении
и ликвидации лесных пожаров..................................................................................................................................1
Савиных В.П., Алексеева О.М., Аржененко Н.И. Принципы построения спектральных моделей природных
и антропогенных объектов в оптическом диапазоне . ............................................................................................3
Савин И.Ю., Зверев А.Т., Фисенко Е.В. Разработка метода оценки и прогноза повреждения
сельскохозяйственных посевов по космическим снимкам.....................................................................................2
Сладкопевцев С.А., Кубышкина К.Н. Оценка состояния территорий г. Грозный по материалам
дистанционного зондирования Земли в целях городского кадастра......................................................................1
Сладкопевцев С.А., Мельников А.А. Проблемы нормативов в геоэкологии...................................................................4
Троицкий В.И. Оценка временной навигационной устойчивости радиотепловых полей земной поверхности
в задачах корреляционно-экстремальной навигации..............................................................................................2
Троицкий В.И. Критерии информативности эталонных радиотепловых полей, используемых в КЭСН..................3
Троицкий В.И. Учет влияния облачной атмосферы на характеристики радиотепловых
эталонных изображений в задачах корреляционно-экстремальной навигации по радиотепловым полям.......4
Цыдыпов Б. З., Будаева Д.Г. Использование методов дистанционного зондирования Земли
для представления геоморфологической информации в рекреационных целях..................................................4
Ярмоленко А.С., Куцаева О.А. Технология, точность и экономическая эффективность
автоматизированного дешифрирования сельскохозяйственных земель........................................................................3
71
75
53
77
77
70
57
81
64
58
72
61
43
51
64
Геоинформационные технологии
Антипов И.Т., Бугакова Т.Ю., Яковлев Д.А. Задачи оценки изменения пространственного
положения объектов средствами современных программных комплексов.........................................................4/С
Бахарева Н.А. Применение информационных технологий в кадастре и мониторинге земель...................................2
Булгаков С.В. Особенности геоинформационного моделирования...............................................................................3
Гаврилова В.В., Хусаинова Р.Ф., Кострюков И.С. О разработке и применении облачного сервиса
совмещения слоёв геоданных с независимых распределённых серверов
для мобильных и стационарных устройств..............................................................................................................1
Журкин И.Г., Алчинов А.И., Максимов В.И., Хусаинова Р.Ф. Особенности разработки систем передачи
стереоскопического 3D-видео и изображений через телекоммуникационные сети
в реальном времени.......................................................................................................................................... 6
Конотопов А.И. Пространственная информация как составляющая инновационного потенциала .........................4
Лаврентьев С.В. Методика предварительной оценки емкости транспортного района
с учетом расширенных характеристик жилой застройки ............................................................................ 6
Лонский И.И. Сравнительная оценка возможностей информационных систем...........................................................4
Майоров А.А., Зайцев В.В. База метаданных хранилища геоданных.............................................................................5
Майоров А.А., Куприянов А.О., Корчагин А.С. Построение модели комплексной системы
автоматизированной обработки и анализа мультичастотных ГНСС-измерений..................................................5
127
87
77
100
87
94
102
97
92
86
Майоров А.А., Зайцев В.В. Описание подхода к проектированию общей модели базы метаданных
хранилища геоданных...................................................................................................................................... 6
83
Назаров А.А. Геоинформационный мониторинг состояния и планирования ремонтов дорожной сети
с применением ДДЗ и ГИС-инструментария ArcGIS Network Analyst........................................................ 6
97
Маркелов В.М. ГИС как системы управления транспортом...........................................................................................2
Непоклонов В.Б.,Флегонтов А.В. Вопросы создания и применения пространственных
динамических моделей обстановки .........................................................................................................................1
Непоклонов В.Б., Сенин С.А. Об использовании зарубежного опыта создания интеллектуальных
транспортных систем и их геоинформационного обеспечения................................................................... 6
Николаев В.Н., Макарьин И.В. Организация инфраструктуры производства базовых информационных
ресурсов научно-промышленного предприятия .....................................................................................................1
Николаев В.Н., Макарьин И.В. Преодоление информационных барьеров при создании
геоинформационной продукции................................................................................................................................4
Романов И.А. Особенности оценки инновационных проектов в распределенной среде.............................................4
Рудашко А.А., Прохорова Ю.С., Ярмоленко А.С. Модель урожайности сельскохозяйственных культур
как базис цифровой карты в технологии точного земледелия................................................................................4
Седякин В.П. Об определении информации в прикладной информатике.....................................................................4
128
85
87
91
93
76
90
86
73
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
алфавитно-тематический указатель
Фоменко П.Н. ГИС-технологии в организации земель и севооборотов........................................................................4
Хусаинова Р.Ф., Гаврилова В.В. Анализ криптостойкости ключей шифрования данныхна основе
геопространственного положения пользователя.....................................................................................................3
81
80
Кадастр, экономика и развитие территорий
Антипов И.Т., Лебедев Ю.В., Неклюдов И.А. Формирование базы данных по лесопокрытым
водосборным территориям Среднего Урала...........................................................................................................4/С Антонович К.М., Москвин В.Н., Клюшниченко В.Н. К вопросу о многоконтурных земельных участках...............4/С
Архангельская Е.А. Комплексная оценка состояния земель по интегральным показателям и индексам...................2
Архангельская Л.Ю. Проблемы и направления развития рынка лизинга
геодезического оборудования в России....................................................................................................................6
Байков К.С., Ильиных А.Л.,Гаврюшина Н.В. Особенности государственного кадастрового учета
отдельных видов сооружений..................................................................................................................................4/С
Батуев А.Р., Перекальский В.В., Бочарова А.А. Методические и технологические вопросы осуществления
кадастровой деятельности на землях лесного фонда............................................................................................4/С
Буянов А.Ю. Выбытие земель из сельскохозяйственного оборота: правовой и экономический аспекты..................4
Буянов А.Ю., Кочережкина М.С. К вопросу об экономической эффективности использования земли
в сельском хозяйстве...................................................................................................................................................5
Ван А.В., Жарников В.Б., Бочарова А.А. Концептуальный подход к формированию системы показателей
земель лесного фонда и произрастающих на них лесов (лесных геосистем).....................................................4/С
Васютинский И.Ю., Изотова Т.Г., Савиных В.П., Шингарева К.Б. Особенности кривой Лаффера
и современные методы расчета показателя налоговой нагрузки...........................................................................1
Васютинский И.Ю., Изотова Т.Г., Малинников В.А., Шингарева К.Б. К вопросу о построении системы
налогового бюджетирования в организации............................................................................................................3
Васютинский И.Ю., Изотова Т.Г. Развитие методики выбора ключевых показателей эффектиности (ЛИМ):
отраслевой аспект.......................................................................................................................................................4
Гараев Я.Г., Киселев В.Г., Рязанцева М.В. Оценка интеллектуальной собственности и нематериальных активов
сравнительным подходом с применением экспертно-математических методов..................................................2
Добротворская Н.И., Дубровский А.В., Троценко Е.С., Капустянчик С.Ю. К вопросу применения
адаптивно-ландшафтных земельно-информационных систем в условиях рискованного земледелия.............4/С
Зятькова Л.К., Гагарин А.И. Природный капитал и управление территорией...........................................................4/С
Изотова Т.Г. Дальнейшее развитие методики выбора ключевых показателей эффектиности (ЛИМ)
в направлении создания системы мотивации и управления персоналом..............................................................5
Илюшина Т.В. Кадастровый учет и лесные съемки в России (ХIX – начало ХХ в.)....................................................4
Калюжин В.А., Дубровский А.В., Каравайцев Ф.В. Формализация уточнения границ
муниципальных образований..................................................................................................................................4/С
Карпик А.П., Ветошкин Д.Н., Архипенко О.П. Применение сведений государственного кадастра недвижимости
для решения задач территориального планирования .............................................................................................6
Карпик А.П.,Колмогоров В.Г., Рычков А.В. Разработка критериев оценки качества кадастровых данных..............4/С
Карпик А.П., Новоселов Ю.А., Рычков А.В. Разработка методики качественной и количественной оценки
кадастровой информации.........................................................................................................................................4/С
Кудинова А.В. Методика оценки комплексного мониторинга территории города
с использованием инструментальных средств геоинформационных систем ЕГИП Москвы.............................6
Лебедев П.П., Сизов А.П. Территориальный аспект ограничений прав на землю и его картографирование............1
Лисицкий Д.В., Нгуен Ань Тай Пространственная локализация и правила цифрового описания объектов
в трехмерном картографировании...........................................................................................................................4/С
Малинников В.А., Савиных В.П., Цветков В.Я. Управление локализованными и территориально
распределенными предприятиями ...........................................................................................................................2
Мамин Р.Г., Сутугина И.М., Галимуллина Д.Р. Кадастровый учет и методы обеспечения экологической
безопасности на территории Новой Москвы...........................................................................................................4
Москвин В.Н., Середович В.А., Тогузова М.М. Методологические подходы учета экологического состояния
при корректировке границ земельно-оценочных зон городских территорий
на примере г. Усть-каменогорска.............................................................................................................................4/С
Новоселов Ю.А., Калюжин В.А., Каравайцев Ф.В. Опыт уточнения границ города Новосибирска........................4/С
Овчинникова А.Г. Классификация ошибок в сведениях государственного кадастра недвижимости
о земельных участках.................................................................................................................................................2
Татаренко В.И., Каленицкий А.И., Тарасова Ю.В. Экономическое и социальное значение здоровья
населения как компонента трудового потенциала.................................................................................................4/С
Трубина Л.К., Байков К.С., Лебедева Т.А. Методическое обеспечение эколого-экономической оценки
лесных земель............................................................................................................................................................4/С
Трубина Л.К., Лисицкий Д.В., Панов Д.В. Пространственная дифференциация городских земель
на основе геоинформационного анализа рельефа.................................................................................................4/С
Трубина Л.К., Гук А.П., Лебедева Т.А. Информационный аспект при оценочных работах по лесным землям.......4/С
Хорошилов В.С., Гагарин А.И., Юрлова В.А. Проблема информационного обеспечения
эколого-экономической оценки земельных ресурсов............................................................................................4/С
Снежко И.И. Сравнительный анализ создания 3D-кадастра в России и Нидерландах...............................................4
129
161
130
95
117
175
142
110
102
170
112
96
105
104
152
187
105
84
179
112
133
137
108
106
190
99
116
158
181
90
164
145
149
155
184
100
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
известия высших учебных заведений. геодезия и аэрофотосъемка, № 6, 2013
Шалмина Г.Г., Петрова Н.В. Методические основы комплексной кадастровой оценки земельных ресурсов.........5
Якимчук Е.С. Принципы организации документооборота при осуществлении территориального
общественного самоуправления................................................................................................................................3
Якутин М.В., Ван А.В., Шарикалов А.Г. Динамика площадей экосистем на территории
Мамонтовского месторождения нефти (Западная Сибирь)..................................................................................4/С
Геодезическое приборостроение
Андреев А.Н., Боголюбов И.А., Панов А.А. Наблюдение коноскопических картин......................................................4
Барбасов В.К., Гаврюшин Н.М., Дрыга Д.О., Батаев М.С., Алтынов А.Е. Использование многороторных
БПЛА для целей ДЗЗ..................................................................................................................................................5
Можаров Г.А., Панов А.А. Закон преломления в векторной форме...............................................................................3
Парвулюсов Ю.Б., Шкаманова М.В. Принципы модульного проектирования
метрологических угломерных стендов.....................................................................................................................5
Попов Н.Н., Филонов А.С., Андреев А.Н., Донцов Г.А., Матвеев Д.С. Функциональные материалы
оптических модулей космических аппаратов..........................................................................................................5
Солдатов В.П. Выбор способов освещения исследуемых объектов в оптико-электронных приборах
с многоэлементными приемниками излучения........................................................................................................1
Черний А.Н., Михайлов А.П., Ратобыльский Г.В., Ли А.В. Современные цифровые рентгенографические
аппараты.......................................................................................................................................................................3
Черний А.Н., Потемкин А.В. Цифровой стереорентгенографический аппарат для досмотра грузов
и ручной клади............................................................................................................................................................4
Якушенков Ю.Г. Алгоритмы работы оптико-электронной системы в режиме обнаружения и слежения
за подвижными объектами.........................................................................................................................................3
96
101
167
122
122
112
117
109
118
115
120
106
Организация высшего образования
Алтынов А.Е., Колевид Т.К., Максудова Л.Г., Лелюхина А.М., Сизов А.П. Краткий очерк развития
кафедры кадастра и основ земельного права МИИГАиК.......................................................................................1
Дышлюк С.С., Рязанцева И.В. Современные тенденции подготовки конкурентоспособных специалистов
для рынка труда...........................................................................................................................................................2
Книжников Ю.Ф. Перспективный подход к постановке учебных курсов
по аэрокосмическому (дистанционному) зондированию........................................................................................3
Лобанов А.А., Петрова Е.М., Вэльдер О.Ю. Маркетинговые исследования внутренней среды
высшего учебного заведения на примере МИИГАиК.............................................................................................2
Юшкина Н.В. Две стороны единого процесса познания мира.......................................................................................2
Хроника
Ученые Советы....................................................................................................................................................................1
В.Ф. Лукьянову — 85 лет...................................................................................................................................................1
Рецензия на учебник Ю.Г. Якушенкова «Основы оптико-электронного приборостроения»......................................2
Кира Борисовна Шингарева и ее путь в науке....................................................................................................... 6
130
123
110
125
119
114
128
130
124
126
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
алфавитно-тематический указатель
Содержание
астрономия, гравиметрия и космическая геодезия
Савиных В.П., Малинников В.А., Учаев Д.В., Учаев Дм.В. Исследование пространственного распределения
кратеров на поверхности Фобоса...................................................................................................................................3
геодезия
Уставич Г.А., Ямбаев Х.К. Методика проведения внеочередной поверки системы
«цифровой нивелир+штрих-кодовая рейка».................................................................................................................8
Голыгин Н.Х., Федосеев Ю.Е., Черепанов П.А. Перспективы использования измерительных систем
«цифровой нивелир+штрих-кодовая рейка»...............................................................................................................13
Фялковский А.Л. Создание современных комбинированных сетей для оценки деформационной опасности
городских агломераций и промышленных площадок................................................................................................16
Джунь И.В. Об одном обобщении фундаментального принципа метода наименьших квадратов
в связи с эволюцией представлений о законе ошибок наблюдений..........................................................................19
картография
Жукова О.Ю., Гедз Л.В. Оценка качества изобразительных свойств электронных карт экспертными методами.......28
Биктимирова Н.М., Радаман С.К. Принципы анимационного отображения географической информации
на оперативных телевизионных картах.......................................................................................................................33
Дистанционное зондирование и мониторинг земель
Марчуков В.С., Чинь Ле Хунг Мониторинг поверхностной температуры во Вьетнаме
по данным многозональной съемки КА Landsat.........................................................................................................41
Веревочкин Ю.Г., Ильин Ю.А. Влияние растительности на контраст яркостной температуры
подстилающей поверхности в дальней ИК-области..................................................................................................44
Зверев А.Т., Фисенко Е.В. Теоретическая база и технологические решения космического мониторинга
природных и техногенных чрезвычайных ситуаций..................................................................................................50
Миртова И.А., Блюденова А.А. Разработка технологических решений космического геоэкологического
мониторинга Северных территорий . ..........................................................................................................................53
Бондур В.Г., Гороховский К.Ю., Игнатьев В.Ю., Мурынин А.Б., Гапонова Е.В. Метод прогнозирования
урожайности по космическим наблюдениям за динамикой развития вегетации....................................................61
Коновалов Л.А. Космический мониторинг земель, нарушенных вследствие возникновения пожаров,
на примере территории Ханты-Мансийского автономного округа...........................................................................68
Буров В.Н. Возможные пути идентификации поллютантов на молекулярном уровне
методами дистанционного зондирования....................................................................................................................73
Миртова И.А., Ершов Д.В., Мягкова Д.А. Использование спутниковых данных для оценки повреждения
лесов короедом-типографом на примере Московской области.................................................................................77
Геоинформационные технологии
Майоров А.А., Зайцев В.В. Описание подхода к проектированию общей модели базы метаданных
хранилища геоданных...................................................................................................................................................83
Журкин И.Г., Алчинов А.И., Максимов В.И., Хусаинова Р.Ф. Особенности разработки систем передачи
стереоскопического 3D-видео и изображений через телекоммуникационные сети в реальном времени............87
Непоклонов В.Б., Сенин С.А. Об использовании зарубежного опыта создания интеллектуальных
транспортных систем и их геоинформационного обеспечения................................................................................91
Назаров А.А. Геоинформационный мониторинг состояния и планирования ремонтов дорожной сети
с применением ДДЗ и ГИС-инструментария ArcGIS Network Analyst.....................................................................97
Лаврентьев С.В. Методика предварительной оценки емкости транспортного района
с учетом расширенных характеристик жилой застройки .......................................................................................102
Кадастр, экономика и развитие территорий
Кудинова А.В. Методика оценки комплексного мониторинга территории города
с использованием инструментальных средств геоинформационных систем ЕГИП Москвы..............................108
Карпик А.П., Ветошкин Д.Н., Архипенко О.П. Применение сведений государственного кадастра недвижимости
для решения задач территориального планирования .............................................................................................. 112
Архангельская Л.Ю. Проблемы и направления развития рынка лизинга геодезического оборудования в России.... 117
хроника
Кира Борисовна Шингарева и ее путь в науке..................................................................................................................123
Алфавитно-тематический указатель..................................................................................................................................126
131
Copyright ОАО «ЦКБ «БИБКОМ» & ООО «Aгентство Kнига-Cервис»
алфавитно-тематический указатель
Contents
astronomy, gravimetry, and Space geodesy
Savinykh V., Malinnikov V., Uchaev D., Uchaev Dm. Investigating spatial distribution of craters on Phobos surface.............3
GEODESY
Ustavich G., Yambayev Kh. Method of extraordinary verification of «digital level+barcode staff» system.............................8
Goligin N., Fedoseev Yu., Cherepanov P. Aspects for measuring systems «digital level+barcode staff»..............................13
Fyalkovsky A. Creating modern combined networks to estimate the deformation danger
of urban agglomerations and industrial sites...................................................................................................................16
Dzhun I. On generalization of least-squares method fundamental principle in connection with the evolution
of the ideas on the law of observation errors...................................................................................................................19
Cartography
Zhukova O., Gedz L. Evaluation of visual properties of digital maps with expert methods....................................................28
Biktimirova N., Radaman S. Principles of displaying animated geographical information in television express maps.........33
Remote Sensing, and Land Monitoring
Marchukov V., Trinh Le Hung. Monitoring land surface temperature using thermal infrared image landsat..........................41
Verevochkin Yu., Iliin Yu. Influence of vegetation on brightness-temperature contrast of underlying surface in far IR..........44
Zverev A., Fisenko E. Theoretical basis and technological solutions for space monitoring
of natural and man-made emergencies............................................................................................................................50
Mirtova, I., Bliudenova, A. Developing technical solutions for space geo-ecological monitoring in northern territories......53
Bondur, V., Gorokhovsky, K., Ignatiev, V., Murynin, A., Gaponova, E. Method of yield forecasting based
on space observations over vegetation dynamics............................................................................................................61
Konovalov L. Space monitoring of lands disturbed after fires, on example of the territory
of Khanty-Mansi Autonomous Distric.............................................................................................................................68
Burov V. Possible ways to identify pollutants on molecular level by methods of remote sensing..........................................73
Mirtova I., Ershov D., Miagkova D. Using satellite data for evaluation of forest damage from bark beetle
on example of the Moscow region...................................................................................................................................77
geoinformation technology
Maiorov A., Zaitsev V. Description of an approach to elaboration of a common model
of a geodata warehouse metadatabase.............................................................................................................................83
Zhurkin I., Alchinov A., Maksimov V., Khusainova R. Peculiarities of elaborating systems for stereoscopic
3D video and images transmission through telecommunication networks in real time .................................................87
Nepoklonov V., Senin S. On the use of foreign experience of creating intelligent transportation systems
and their geoinformational maintenance..........................................................................................................................91
Nazarov A. Geoinformational monitoring of road network condition and repairment planning
with the use of remote sensing data and GIS tools of ArcGIS Network Analyst............................................................97
Lavrentiev S. Method of preliminary estimation of a transport region’s capacity
with regard to expanded urban features.........................................................................................................................102
Cadastre, Land Economics and Development
Kudinova A. Method of estimation of complex monitoring of Moscow territory with the use
of GIS tools of Moscow United Geoinformational Space.............................................................................................108
Karpik A, Vetoshkin D, Arkhipenko O. Using cadastral information in territorial planning.................................................. 112
Arkhangelskaya L. Problems and lines of development in the market of leasing of geodetic instrumentation in Russia..... 117
Chronicle
Kira Borisovna Shingareva and her path in science..............................................................................................................123
132
Документ
Категория
Без категории
Просмотров
319
Размер файла
2 622 Кб
Теги
3585
1/--страниц
Пожаловаться на содержимое документа