Контурная карта растительности

Создание крупномасштабной контурной карты растительности

Опыт последних десятилетий явно показывает, что отечественное геоботаническое картографирование есть абсолютно дегенеративное явление в науке как в плане результата, так и в наборе применяемых методов. Тем не менее, востребованность в картах растительности до сих пор присутствует, а значит вопрос отработки технологии составления геоботанических карт по прежнему сохраняет актуальность.

В большинстве случаев, при составления карты растительности необходимы полевые работы для уточнения и верификации данных. К сожалению, большинство исследователей слишком переоценивают значение полевых работ, считая, что это самый сложный, ответственный и дорогой этап. В результате из производственного цикла почти исчезают подготовительные работы, а камеральная обработка ведется по остаточному принципу. Такой подход обесценивает результаты даже самой затратной экспедиции. Во многом это связано с современной практикой договоров, которые заключаются в сжатые сроки на минимальные суммы с условием немедленного начала полевых работ. Срок составления крупно- и среднемасштабной карты растительности региона не может быть менее трех лет, это обусловлено самой спецификой тематического картографирования. Первый год уходит на выявление и классификацию различных типов растительности, второй на собственно сбор геоданных, дешифрирование и создание контуровки. Лишь к концу второго — третьего года можно собрать достаточный набор качественных данных для составления объективной карты растительного покрова.

Обычно таких временных и финансовых ресурсов нет, поэтому для составления карты растительности приходится использовать технологию «Похуй, пляшем», суть которой заключается в одновременном сборе геоданных, создании классификатора объектов и переносе подготовительных работ на постполевое время.

Есть мнение, что для сбора геоданных и создания карты достаточно спутникового снимка и узких специалистов по каждому типу растительности. Увы, при таком подходе обычно ничего сделать не удается. Все дело в том, что крупномасштабные карты почти невозможно изготовить без использования данных дистанционного зондирования, но эти данные требуют обработки и генерализации, которые выполняет картограф. Более того, при работе в указанных условиях, эти процедуры неизбежно должны быть полностью автоматизированы, иначе вы просто не успеете завершить работу. Следует помнить и о принципе повторимости научного эксперимента. Всякий человек, используя ваш метод, должен получить аналогичный итог. Если же контуры отрисованы вручную, то повторить эту работу не сможет даже сам автор, что делает карту скорее произведением искусства, чем научным результатом.

Рассмотрим процесс создания генерализованной контурной карты растительности 13-14 зумов (1:25 000 — 1:50 000) долин рек Сарм-Сабун (иногда встречается написание Сармсабун) и Глубокий Сабун Ханты-Мансийского автономного округа. Сливаясь эти реки образуют правый приток Ваха — реку Сабун:
Слияние Сарм-Сабуна и Глубокого Сабуна

Логично начать картографическую работу с инвентаризации доступных данных. Для каждого региона этот список может быть разный, но стандартно в него входят Ландсаты разных поколений с их производными. Часто к ним примыкают цифровые модели местности, но в моем случае использовать их почти лишено смыла: SRTM до этих широт не доходит, ASTER Alos представлен только фрагментарно, а классический астер напичкан артефактами. Кроме того, DTM-фильтр при создании карт растительности таежных равнин работает плохо. Всевозможные модисы и сентинели меня не устраивали по разным причинам (качество, покрытие, получение, алгоритмы обработки и сравнения и др.). Об использовании карт OSM и генштаба не может быть и речи. У первых в этом месте вакуум, а вторые мало того, что устарели, так еще и неизвестно откуда взяты. Украденные карты государственной топографии хороши для навигации на месте (особенно это касается карт ГГЦ), но использование таких материалов в своих проектах — абсолютный признак профнепригодности. Лучше всего это иллюстрирует конференция «Опыт использования карт Генерального Штаба», проводимая обществом безруких картографов Саудовской Аравии. Данные тематического картографирования, равно как и данные AVHRR в список исходных материалов так же не попали, по причине того, что их использование более оправдано для анализа растительности и финального уточнению карты, чем для первоначального выделения границ растительности.

В итоге для создания первичного контура выбраны сцены Landsat-8 за 15 июля и 12 мая 2018 года и растр сомкнутости древостоя («Treecover») проекта Global Forest Change. Кроме того, растр водной поверхности GFC использован для быстрого создания слоя водоемов. Дополнительные ландсаты (Landsat-ETM за 30 июля 2000 года, Landsat-MSS за 30 июня 1983 года и Landsat-MSS за 04 мая 1983 года) в создании контурной карты не использованы, но по ним производится расчет зональной статистики для последующего дешифрирования и уточнения границ растительных сообществ.

Уже из списка источников видно, что для создания контурной карты я применяю фенологический подход, который заключается в том, что вы создаете контуры не на основе одного растра, а на основе композита, образованного слиянием зимних и летних снимков. «Зимний» снимок сделан 12 мая, но учитывая позднюю снежную зиму этого года и климат региона — это нормально.

В начале из каналов летнего и зимнего снимков создадим растры вегетационного индекса. Вегетационный индекс — NDVI (Normalized Difference Vegetation Index) показывает количество фотосинтетически активной биомассы. Обычно его не рекомендуют применять для снимков зимнего периода, но для нашей задачи требуется именно это. Расчет ведется с помощью растрового калькулятора QGis по формуле:

NDVI = (NIR-RED)/(NIR+RED),

где NIR и RED — инфракрасный и красный каналы каждого снимка соответственно.

Значения каждого индекса увеличиваются по формуле 100*(значение NDVI + 1). Прибавление единицы избавляет от отрицательных значений. Умножать в сто раз необязательно, это сделано исключительно ради субъективного удобства. Такое изменение индекса не влияет на конечный результат.

Рассчитав вегетационные индексы, логично использовать ту же формулу для оценки фенологических изменений. Поскольку общепринятого наименования у данной величины нет, назовем ее нормализированным фенологическим индексом — NDFI. Соответственно, расчет NDFI производится по формуле:

NDFI = (NDVIлето-NDVIзима)/(NDVIлето+NDVIзима):

Растр NDFI (минимальные фенологические изменения - красным)

Растр NDFI (минимальные фенологические изменения — красным)

Приступим к обработке растра сомкнутости лесной растительности GFC. Исходный слой GFC имеет пустые значения пикселей на безлесных участках. Использование такого растра приведет к разбалансировке цветов на финальном композите, поэтому требуется заполнить пустоты нулевыми значениями.

Может показаться ошибочным использование GFC совместно с ландсатами текущего года, поскольку слой «treecover» GFC актуален на 2000 год. На самом деле такое совмещение дает дополнительные возможности, поскольку при совмещении растров проявятся контуры горельников и ветровалов 2000-2018 годов.

После описанных процедур мы обладаем тремя растрами, которые будем использовать для создания композита: летние значения NDVI (количество зеленой биомассы в июле 2018 года), NDFI (величина фенологических изменений с мая по июль 2018 года) и treecover (сомкнутость леса на момент 2000 года). Сведем все это в единый RGB-композит, установив красный канал для NDFI, зеленый канал для NDVI, синий канал для treecover. Во всех каналах улучшим контраст растяжением от минимального до максимального значения. В QGis это можно сделать автоматически, поэтому нет нужды нормализовать растры к диапазону 0-255:
RGB-композит

На этом этапе переходим к работе с векторными данными. Если вы работаете с небольшим регионом, то описанные действия можно пропустить. Однако следует помнить, что в дальнейшем нам предстоит фильтровать растр и строить по нему изолинии, что является очень затратной процедурой по времени и машинным ресурсам.

Создадим линейный слой реки. Лучше всего сделать это в JOSMe по слою Bing-а, после чего экспортировать данные в QGis. К сожалению, это возможно лишь при постоянном наличии хорошего интернет-соединения. Если с таковым проблемы, то можно использовать панхроматический канал Landsat с разрешением 15 метров на пиксель (у Landsat-8 это восьмой канал). На основе осевой линии реки строим буфер, в пределах которого планируется создание контурной карты (два километра в обе стороны от оси реки):
Осевая линия реки и буфер-граница карты

Далее обрезаете композит по контуру буфера:
RGB-композит обрезанный по контуру буфера

Это прообраз нашей будущей контурной карты. Мы не можем работать с тремя слоями RGB-композита одновременно, поэтому переводим все в восьмибитное изображение 256 цветов. Количество цветов можно сократить если вы уверены, что это не отобразиться на качестве результата. Это существенно ускорит работу, но в моем случае приходится идти по самому долгому пути:
PCT-композит

Если достаточно очень грубой контуровки, то можно переходить непосредственно к фильтрации полученного растра. Мне такой подход показался совершенно неудовлетворительным — контуры были либо излишне детальными, либо очень приблизительными.

Необходимость фильтрации растра обусловлена тем, что пиксели имеют квадратную форму, а потому изолинии, построенные на основе них будут иметь очень ломаный и рваный вид. Для наглядности, вот пример изолиний с исходного (красные линии) и отфильтрованного (черные линии) растра из соответствующей статьи:

Чем сильнее фильтрация (речь о простом фильтре), тем более плавные изолинии вы получите в итоге. Проблема в том, что сильные коэффициенты фильтрации усредняют значения растра. В результате линейно вытянутый объект превращается в овальное пятно, контур которого абсолютно не соответствует реальности.

В ходе многочисленных экспериментов решение проблемы было найдено. К сожалению, оно не является тривиальным и не встречается в известной мне литературе по геоинформатике, поэтому для обозначения процедуры я использую понятие «Векторная фильтрация». Суть метода заключается в том, что исходный растр векторизируется. При этом соседние пиксели одного значения преобразуются в единый полигон:
Векторизация растра

Для каждого полигона рассчитывается центроид:
Центроиды полигонов векторизированного растра

После чего слой центроидов интерполируется обратно в растр:
Интерполяция центроидов векторизированного растра

Таким образом, технологию векторной фильтрации можно описать как интерполяцию центроидов векторизированного растра. Отфильтровав этот слой мы получаем плавные изолинии, которые по форме близки к естественным границам:
Изолинии

Необходимо преобразовать изолинии в полигоны, поэтому для сохранности топологии перед началом процедуры следует провести генерализацию, убрав изолинии малой протяженности (в моем случае менее двухсот метров). Кроме того, следует определиться, какие изолинии наиболее соответствуют естественным границам растительности. Сделать это можно сверяясь с высокодетальными снимками (что, правда не совсем законно даже в случае с Bing-ом):
Изолинии на снимке Bing

Для облегчения процедуры советую посмотреть гистограмму распределения количества значений и попробовать разные классификации (по стандартному отклонению, по равным интервалам, по границам Дженкса и др.). Естественно, к этому моменту вы должны представлять, хотя бы по литературным данным, какие типы растительного покрова разделяют ваши изолинии.
Распределение цветов

Такой анализ требует в несколько раз больше изолиний, чем вы планируете получить типов контуров на карте. После того, как наиболее достоверные линии найдены, сохраняете их в отдельный слой и приступаете к созданию полигонов. К великому неудовольствию это тоже не сводится к элементарному действию, поскольку процедура в SAGA «Polygon-line intersect» выдает совершенно негодный результат. Приходиться преобразовывать изолинии в полигоны, после чего чередованием GDAL-овских алгоритмов разности и объединения сводить все в единый слой.

Что-бы отобразить водоемы используем слой-маску GFC. Ее так же отфильтруем, и создадим изолинии, которые преобразуем в полигоны. Векторная фильтрация для таких растров, к сожалению, не имеет смысла, но другого быстрого способа получить слой водоемов у нас просто нет.

В конечном итоге, экспортируем все в TileMill или MapBox Studio (смотря на стоимость вашего интернета), настраиваем стиль и нарезаем карту на тайлы:
Карта в TileMill

Все. Теперь можно подключить mb-тайлы к лефлету или tms-серверу, расставить предварительные точки описаний, кешировать все в навигатор и выезжать в поле.

Само-собой, это не финальная карта. Не используя субъективную ручную отрисовку мы в короткое время получили лишь ее прообраз. Границы могут уточняться, изменяться. Какие-то контуры могут быть объединены, какие-то разбиты. Для контуров подсчитывается зональная статистика, границы сравниваются с геологическими, геоморфологическими и другими данными. Сами контуры еще следует наполнить физическим смыслом. Но это уже предмет для конкретного обсуждения и калибровки описанной картографической технологии.



Линия электрических передач

Новую экспедицию отменить нельзя

Жеглов дело говорит: наказания без вины не бывает. Но порой, все взаимосвязано настолько, что нет ни малейшего смысла разбирать причинно-следственные хитросплетения. Тут уж нельзя не вспомнить его подследственного Груздева, что цитировал на фоне стены, окрашенной в цвета Зеленого Слоника конфуцианское: «Очень трудно искать в темной комнате черную кошку, особенно если там ее нет».

К чему это я? Оставим клинические случаи специалистам в области психиатрии. Вне прецедентов для их компетенции, едва ли разумно подбирать для своих желаний объяснения, удовлетворяющие широкую общественность. Если я хочу что-то написать — я достаю блокнот и пишу. Если я хочу что-то посмотреть — я иду и смотрю. Если я хочу выпить — я наливаю стакан и пью без всякого повода. Потому что любое логическое оправдание своей страсти — это костыль, а «костыли нужны только хромым». Пламя души не требует извинений, жизнь не нуждается в оправдании.

Так какого же хрена, я все размышляю над тем, как объяснить мою новую авантюру? К чему все эти надуманные сопли? Пора добавить в эту жизнь немножко веселья.

Итак, год назад я высказал желание отправиться на лодке по реке Аксай. Чем это закончилось, вы все в большей или меньшей степени знаете. В этой игре пора немного поднять ставки:

Маршрут Чирской географической экспедиции


Да, друзья. В этом году на повестке стоит река Чир. Лет пятнадцать мечтаю на ней побывать, пора уже сбывать эту мечту. Протяженность маршрута 385 км, из которых часть предстоит пройти пешком. Отправка в конце апреля-начале мая, в зависимости от погоды и загруженности транспорта.

Что пользы в таких путешествиях? Не больше чем от наблюдения за формой клювов галапагосских вьюрков. Географию малых мест можно изучить разве что по редким рассказам туристов, рыбаков и местных жителей. Местных жителей еще нужно найти, да и знают они обычно немного. Рыбаков мало интересует то, что не связано непосредственно с ловлей, а туристов часто вообще ничего не интересует. Мы можем от полюса до полюса разглядывать Землю из космоса в видимых и невидимых диапазонах, но никто не знает, как выглядит эта Земля между хуторами Рябухин и Кзыл-Аул. Да что-там Кзыл-Аул — даже о возможности добраться на общественном транспорте до хутора Ботановский не знает ни один из мировых поисковиков.

Одно из самых коварных заблуждений современности — считать, что интернет вобрал в себя всю доступную человечеству информацию. Это не соответствует действительности даже на сотую долю процента. Вы, конечно, можете ознакомится с наиболее популярными фактами, но суть всех вещей все-равно останется для вас неразгаданной, ибо самые ценны пласты этого месторождения истины кроются не в сети, а в реальной жизни.

Скажу более того: мы вступаем в эпоху малых географических открытий. Воодушевленные удобством цифровых технологий, мы напрочь забыли, что любая технология ограничена и налагает разного рода издержки. В годы, когда на дискету умещалось несколько фотоальбомов эти издержки были столь незначительны, что вошло в привычку их игнорировать, но времена меняются и с каждым годом все чаще происходят ситуации, когда поиск в огромном объеме информации обходится дороже повторного исследования. Как ни печально, но терабайты информации тоже подвержены усушке, утруске и бою при перевозке. А значит пора вновь спускать со стапелей Бигль и Писарро.

мой бигль

Что такое река Чир? Согласно «Экологическому вестнику Дона» за 2015 год — Чир это водный поток, несущий у Обливского гидропоста 356 миллионов кубических метров воды в год со скоростью 11.3 кубометра в секунду. Это чуть больше половины (61%) среднемноголетних значений.  Правый приток Дона, разрезающий южные черноземы, темно-каштановые почвы и глауконитовые пески. В верховьях представлен цепочкой озер и водохранилищ, связанных пересыхающим руслом с периодически встречающимися порогами.

Река Чир Автор фото - Виктор Римчук

Автор фото — Виктор Римчук

В низовьях наполняется до широкой (более 50 м) по степным меркам реки, впадая в Цимлянское водохранилище.

При движении от истока к устью, полоса, шириной три километра по обе стороны от русла пересекает населенные пункты: Ботановский, Ильичевка, Верхнечирский, Большенаполовский, Ейский, Козырек, Разметный, Грачев, Лиховидовский, Рогожкин, Климовка, Каргинская, Латышев, Грушинский, Вислогузов, Попов, Коньков, Боковская, Дуленков, Земцов, Евлантьев, Свиридов, Краснокутская, Каменка, Илларионов, Фомин, Хохлачев, Пичугин, Новомосковка, Демин, Ставиднянский, Чистяково, Советская, Русаков, Русская, Новорябухин, Аржановский, Чирский, Рябухин, Малые Озера, Осиновский, Варламов, Усть-Грязновский, Синяпкин, Александровский, Артемов, Сосновый, Караичев, Киреев, Паршин, Попов, Солонецкий, Глухомановский, Ярской, Паршино, Лобачев, Лагутин, Рябовский, Большетерновой, Малотерновой, Средний Чир, Синяпкинский, Обливская, Кзыл-Аул, Сеньшин, Ковыленский, Секретев, Стародербеновский, Новодербеновский, Дубовой, Чувилевский, Стариковский, Нижнеосиновский, Суровкино, Свиридовский, Островской, Ближнеосиновский, Ближнемельничный, Новомаксимовский, Верхнечирский.

Судоходного значения река не имеет, впрочем — посмотрим.

Основное внимание, я конечно же уделю пойменной растительности. Большой интерес вызывает связь древесного прироста и гидрологического режима. Гидропостов на каждом километре не расставишь, а растительность, даже в степной зоне встречается достаточно регулярно. Отчего-бы не сравнить, с какой скоростью росли деревья на разных участках реки за последние двадцать-тридцать лет? Насколько тесна связь между уровнем воды и приростом пойменный ивняков и тополевников? Это тем более интересно, что в последние годы с водой на Дону творится странная катастрофическая фигня:

Для такого анализа потребуется в разных местах с помощью возрастного бурава отобрать из деревьев вот такие керны:

После чего подсчитать величину приростов за последние годы, оценить влияние на прирост фитоценотических факторов, сравнить приросты в сходных местообитаниях на разных участках реки (здесь пригодятся методы экологического шкалирования) и проверить наличие достоверной связи между приростами и данными по объему стока в реке.

Попутно я обязательно посмотрю на сохранность одной из крупнейших лесных полос «Пенза-Каменск», созданную по проекту «сталинского плана преобразования природы». Сейчас о состоянии таких объектов нет практически никакой информации, хотя в свое время им посвящали целые монографии:

Лесополоса Пенза-Каменск

В последнем официальном экологическом отчете фигурировала информация о том, что в целях улучшения экологического состояния расчищено аж 650 м русла реки Чир и убрано целых сто кубических метров мусора. В связи с этим, весьма любопытно будет взглянуть на состояние местообитаний редких и охраняемых видов растений и животных.

В качестве побочного результата путешествия можно будет получить уточненную границу Ростовской и Волгоградской областей, которая проходит по реке Чир. Юридического значения в этих данных не будет, но зато будет с чем сравнить топорную кадастровую карту:

Публичная кадастровая карта

Ну и самое главное. Я владею небольшой компанией, которая занимается сбором и анализом географических данных. Судя по бухгалтерскому балансу, предприниматель из меня так себе, но все-же оплачивать исследования из собственного кармана проще, честнее, а главное удобнее, чем бесконечно заполнять невнятные заявки на гранты в каком-нибудь НИИ. Основные расходы понесет моя лаборатория, но я буду чрезвычайно раз любой поддержке. Во-первых, из чисто материальных соображений, а во-вторых, это даст мне дополнительную ответственность, поскольку отчитываться перед другими людьми всегда сложнее чем перед собой. Кроме того, осознание, того, что в труде заинтересован кто-то, помимо тебя, приносит удовлетворение гораздо более высокого порядка.

В качестве благодарности постараюсь отправить вам из путешествия открытку, выслать после обработки керн на сувенир или отдам бесплатно/по себестоимости свою научно-антихудожественную книжку для взрослых, которую я таки предоставлю в печать в ближайшие пару месяцев. Такой вот научный краудфандинг.

Если вы представляете коммерческую компанию, то велика вероятность, что мы найдем отдельные взаимовыгодные формы сотрудничества.

Само-собой, все полученные результаты будут открыты, использовать их сможет любой желающий. Я, как обычно, не против компании людей, стойких к бытовым невзгодам, адекватным чувством юмора и космическим терпением к вредным попутчикам. Как сказал бы тот же жегловский Груздев: «Путь не делает человека великим, но человек может сделать великим путь». Впрочем, это уже какая-то пафосная философия.

К слову об источниках русловой динамики степных рек с малым течением

В наш просвещенный век каждый знает о таком явлении, как меандрирование рек. Чем сильнее изгибается русло, тем выше разность скоростей течения воды у берегов. По внешнему радиусу водный поток движется быстрее, соответственно там быстрее проистекают процессы эрозии еще более изгибая направление русла и повышая разность скоростей водного потока. Это, если хотите, прекрасный пример системы с положительной обратной связью.

Принято считать, что самой наглядной демонстрацией меандр являются космические снимки. Например, как вот этот мапбоксовский снимок реки Аксай:
aksaj

В действительности, ничего не может продемонстрировать суть меандрирования реки лучше, чем сплав по ней в солнечную погоду. Вот солнце слева от вас, а нет уже справа, нет, опять слева, нет сзади, да нет же, справа, хотя постойте, вот прямо по курсу светит… Сплавляясь весной по этой реке, я не мог не обратить свое внимание на особенности русловой динамики и даже имею кое-что сообщить вам по этому поводу.

Гидрологическая наука в лице А. Ю. Сидорчука (статья «Главные формы речных русел: меандры и разветвления«) утверждает, что: «Первоначальный изгиб русла появляется за счет гидродинамической неустойчивости прямолинейного потока». Утверждение настолько тривиальное, что создается ощущение, будто автор пытается уйти от вопроса первопричины образования изгиба водотока. В чем механика процесса зарождения изгиба, господа? Не развития, подчеркиваю, а именно изгиба? Если принять за истину, что в основе всего стоит «гидродинамическая неустойчивость», то следует признать, что такой неустойчивости присуще странное свойство сохранения ассиметричной структуры на время, достаточное, для появления разности скоростей течения, а это согласитесь, едва ли возможно.

Конечно-же, причины зарождения изгиба русла кроются не в самом водном потоке, но в связи водного потока и его русла. Неоднородности русла влияют на неоднородность потока и наоборот — это неразрывное целое. И с этой точки зрения прямолинейное русло есть система, напряженность которой прямо пропорциональна длине русла. В какой-то момент напряженность достигает максимума и линейная динамика сменяется хаотической в лучших традициях теории катастроф Рене Тома. В это сингулярное время, поводом к началу изгиба реки может быть все что угодно.

Но, хватит теории. Сплавляясь по Аксаю, я с интересом отметил, что во многих случаях, причиной появления разности скоростей водного потока у противоположных берегов являются упавшие стволы деревьев:
img_3042

Растущие по берегам деревья (большей частью тополя) падают неизменно в воду, поскольку крона их неравномерно развита и значительно более массивна с открытой стороны, обращенной к воде. Упав, дерево может достаточно долго оставаться прикрепленным корнями к субстрату, при этом замедляя течение и аккумулируя перед собой плывущие ветви и водоросли.
img_3039

Накопленный, благодаря колебаниям уровня воды ил, вкупе с разлагающимся субстратом древесины создает достаточные условия для произрастания трав, а в редких случаях даже кустарников:
img_3044

Но что еще интереснее — на реках с малым течением, коим является и Мертвый Аксай в его верховьях, основной причиной падения деревьев в воду становится не подмывание почвы, хотя таковое тоже имеет место, а банальный ветровал. В связи с этим, наиболее сильная дифференциация скорости водного потока происходит на участках реки с узкими береговыми полосами леса или множеством отдельно стоящих деревьев. Большие лесные массивы вдоль берегов служат достаточным барьером против ветра — плыть по этим участкам почти не составляет труда: топляков и коряг весьма немного. Участки же с редкостойными насаждениями по берегам исключительно труднопроходимы для лодки и порой представляют серьезную опасность для экспедитора.

Это наблюдение веско показывает, что зная инициатор какого-либо естественного процесса и руководствуясь разумным представлением о механике природных явлений мы с успехом можем решать исключительно практические проблемы, к коим несомненно относится и прокладка экспедиционных маршрутов.