Метод определения размера ячейки регулярной сети для инфраструктурного зонирования территории с целью охраны лесов от пожаров

© 2023                           Е. С. Подольская^*, Д. В. Ершов, К. А. Ковганко

 

Центр по проблемам экологии и продуктивности лесов РАН

Россия, 117997 Москва, ул. Профсоюзная, 84/32, стр. 14

 

^*E-mail: podols_kate@mail.ru

Поступила в редакцию 08.06.2023

После рецензирования: 18.06.2023

Принята к печати: 18.06.2023

Инфраструктурные проекты регионального уровня — одно из важных составляющих современной цифровой экономики. Применительно к лесному хозяйству основными объектами, определяющими инфраструктурную нагрузку территории и связанными с сетью пожарно-химических станций (ПХС) и сетью лесных дорог, являются населенные пункты и дороги общего пользования. Предложен метод определения размера ячейки регулярной равномерной прямоугольной сетки на основе данных по размеру пикселя растра растительности, полученного по спектрорадиометру MODIS. Метод строится на основе получения статистики в ячейках регулярной сетки по количествам населенных пунктов, пожарно-химических станций, участков дорог, а также длинам отрезков дорог. Для определения размера ячейки сетки используется исследовательская регрессия, в которой зависимой переменной было количество лесных пожаров, независимыми были выбраны число населенных пунктов и отрезков дорог, а также ПХС. В результате работы установлено, что наиболее рациональным размером регулярной сетки для Красноярского края являются ячейки площадью 24 км². Помимо лесного хозяйства, метод может быть использован в климатических и экономических проектах для оценки инфраструктурного развития территории.

Ключевые слова: регулярная сеть, ячейка, инфраструктурная нагрузка, населенные пункты, дорожная сеть, ГИС, лесное хозяйство

Вероятность возникновения лесных пожаров связана с антропогенной и природной нагрузкой региона мониторинга (Гришин, Фильков, 2005; Подольская и др., 2011). Антропогенная составляющая нагрузки при этом определяется уровнем развития инфраструктуры, характеризующейся плотностью дорожной сети и населенных пунктов, а также их близостью к лесным массивам. Инфраструктурная нагрузка является, как правило, частью исследований по развитию регионов (Мнацаканян, Саргсян, 2021; Белякова, Рыжая, 2022; Маньшин, Моисеева, 2022) и связана с зонированием как способом представления их различий (Губанова, Клещ, 2019). Зонирование также определяет назначение и режимы использования земель территорий на региональном уровне (Козелкова, Васикова, 2016). Пример связи между инфраструктурой и лесными насаждениями продемонстрирован в статье Б. И. Ковалева и Р. Б. Ковалева (2015) для лесных экосистем. Установлению взаимосвязей инфраструктуры и лесных пожаров в лесном хозяйстве регионов посвящена работа Ю. А. Андреева (2003).

Цель статьи — описание разработанного метода определения размера ячейки регулярной сетки как части методики перехода от уровней зон охраны лесов лесного хозяйства (Подольская и др., 2023) к зонам инфраструктурной нагрузки.

Задача работы — анализ вариантов размеров ячеек сетки и определение рационального размера на основе исследовательской регрессии для установления связей между количеством лесных пожаров и объектами инфраструктуры на примере территории Красноярского края.

МАТЕРИАЛЫ И МЕТОДЫ

Источником инфраструктурных данных по населенным пунктам и дорогам послужили актуальные цифровые слои краудсорсингового проекта Open Street Map (OSM, https://www.openstreetmap.org/). Источник данных о лесных пожарах — это архив данных 2002–2020 гг. хот-спотов (hot spot, или тепловая точка), детектированных по спутниковым данным Terra/Aqua-MODIS и хранящихся в централизованных архивах ЦКП «ИКИ-Мониторинг» (Лупян и др., 2019).

Методика определения размера ячейки строится на основе получения статистики в ячейках по количествам населенных пунктов и участков дорог, длинам отрезков дорог. Затем проводится моделирование связей количества лесных пожаров с указанными объектами инфраструктуры, для которого применяется регрессионный анализ (Жуковская, Мейлук, 2019), позволяющий оценить возможные комбинации входных потенциально независимых переменных, которые, в свою очередь, описывают зависимую переменную, исходя из заданных пользователем критериев. Такой вид регрессии относится к группе инструментов моделирования пространственных отношений, использует метод наименьших квадратов (Ordinary Least Squares) и метод пространственной автокорреляции (глобальный индекс Морана I). Одним из критериев исследовательской регрессии является минимальный допустимый скорректированный коэффициент детерминации (Minimum Acceptable Adj R Squared, R²), используемый далее в выборе размера ячейки сети. Зависимой переменной являлось количество лесных пожаров, независимыми были выбраны количества населенных пунктов и отрезков дорог, а также ПХС. Следующим шагом является определение уровня детерминации между количеством пожаров и набором параметров объектов инфраструктуры. Критерием уровня детерминации определен размер ячейки сетки, который увеличивается до того, как значения R² перестают меняться или меняют направление увеличения.

Анализ инфраструктурных данных выполняется при помощи построенных на основе размера пикселя растра карты растительности наземных экосистем среднего пространственного разрешения, полученной по съемке MODIS (Барталев и др., 2016), ячеек регулярных сеток. Регулярная равномерная прямоугольная сеть в географических исследованиях является одним из возможных, наряду с нерегулярной, вариантом структуры для изучения территории. Примеры использования сети ячеек многообразны, среди них — зоогеография (Кокорина, 2011), построение цифровых моделей рельефа (Груздев, Рыльский, 2021) и другие. Регулярная сетка представляет детальную характеристику протяженности и плотности дорог, характера расположения и плотности населенных пунктов. Карта Красноярского края с примерами размеров сеток ячеек приведена на рис. 1.

 

РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ

Для выбора оптимального размера ячейки сетки проанализировано 10 вариантов размера ячейки, первоначальный размер соответствовал пространственному разрешению пикселя карты растительности наземных экосистем MODIS, т. е. 250 м. Рассматривались следующие варианты размера ячеек: 4, 8, 12, 16, 20, 24, 28, 32, 36 и 40 км. Выбор оптимальных для региона размеров ячейки регулярной сетки выполнялся путем анализа всех ячеек сетки, «нулевых» и «ненулевых» по количеству пожаров. В табл. 1 показаны результаты расчета значений R² исследовательской регрессии.

 

Таблица 1. Зависимость значения R² от размера ячейки регулярной сетки

Результат расчета графически показан на рис. 2, на котором по горизонтальной оси расположен номер варианта, по вертикальной — значение R².

На рис. 2 показано, что номера вариантов 5, 6 и 7 (20, 24 и 28 км соответственно) являются «переходными» точками графика и находятся в начале т. н. «плато», которое затем распространяется далее (варианты 8, 9, 10 для 32, 36 и 40 км соответственно). Выбранные варианты (выделено зеленым прямоугольником) используются для второй итерации выбора оптимального размера сетки ячеек (табл. 2), когда совместно рассматриваются характеристики числа населенных пунктов, длин и числа участков дорог разных классов. Рассматриваются ячейки с ненулевым количеством зарегистрированных лесных пожаров многолетнего архива данных.

Таблица 2. Анализ зависимости количества пожаров от инфраструктурной нагрузки для набора оптимальных размеров ячейки («ненулевые» по количеству пожаров ячейки)

Как показано в табл. 2, положение лесных пожаров, детектированных системой MODIS, зависит в первую очередь от количества населенных пунктов, затем последовательно от длины отрезков дорог и от числа участков дорог. Графический вариант представлен в виде гистограммы (рис. 3).

Примечание. По оси ординат: 1, 2, 3 — размеры ячеек 20, 24 и 28 км соответственно; по оси абсцисс: значения R².

Таким образом, подтверждена зависимость количества детектированных спутниковыми методами лесных пожаров от наличия населенных пунктов и дорожной сети. Выбранный размер ячейки согласуется с размерами региона и лесничеств Красноярского края.

Предлагаемый метод определения размера ячейки сетки используется для исследования и разработки методики перехода от уровней зон охраны лесов лесного хозяйства к зонам инфраструктурной нагрузки. Результатом методики зонирования является получение растра инфраструктурной нагрузки (Подольская и др., 2023), содержащего классы нагрузки от минимальной (отсутствует) до высокой.

ЗАКЛЮЧЕНИЕ

Разработан метод определения оптимального размера ячейки регулярной сети на основе анализа связи количества лесных пожаров с параметрами дорожной инфраструктуры и плотности населенных пунктов. В результате анализа данных о пожарах прибора MODIS (1–4 км) сделан вывод о том, что наиболее оптимальным размером регулярной сетки для Красноярского края являются ячейки площадью 24 км². Дальнейшее увеличение размера ячейки приводит к флуктуациям коэффициента детерминации, это является основанием для выбора указанного выше размера сетки.

Необходимо отметить, что каждый регион России и мира имеет свою комплексную специфику по горимости в пожароопасные сезоны, площади и породному составу лесов, особенностям размещения населенных пунктов и дорог и другим параметрам. Соответственно, определение оптимального размера ячейки регулярной сетки необходимо выполнять и обновлять по актуальным данным для каждого отдельного региона. Статья продолжает серию публикаций коллектива авторов (Подольская и др., 2020; Подольская и др., 2022а, 2022б; Подольская и др., 2023) по транспортному моделированию в лесном хозяйстве лаборатории мониторинга лесных экосистем Центра по проблемам экологии и продуктивности лесов Российской академии наук (ЦЭПЛ РАН). Метод подбора размера ячейки регулярной сетки полезен как основа для расчета характеристик территории в проектах по климату, экономике и другим темам, использующим инфраструктурные данные.

ФИНАНСИРОВАНИЕ

Работа выполнена в рамках темы Государственного задания «Методические подходы к оценке структурной организации и функционирования лесных экосистем», регистрационный номер № 121121600118-8.

СПИСОК ЛИТЕРАТУРЫ

Андреев Ю. А. Влияние антропогенных и природных факторов на возникновение пожаров в лесах и населенных пунктах: диссертация … доктора технических наук: 05.26.03. Москва, 2003. 333 с.

Барталев С. А., Егоров В. А., Жарко В. О., Лупян Е. А., Плотников Д. Е., Хвостиков С. А., Шабанов Н. В. Спутниковое картографирование растительного покрова России. М.: ИКИ РАН, 2016. 208 c.

Белякова Е. В., Рыжая А. А. Роль транспортно-логистической инфраструктуры в развитии регионов России // Логистические системы в глобальной экономике. 2022. № 12. С. 51–

Гришин А. М., Фильков А. И. Прогноз возникновения и распространения лесных пожаров: Монография. Кемерово: Изд-во «Практика», 2005. 202 с.

Груздев Р. В., Рыльский И. А. Определение оптимальных параметров для вычисления поправок за рельеф на основе цифровых моделей рельефа местности (на примере Восточного Забайкалья) // Вестник Забайкальского государственного университета. 2021. Т. 27. № 8. С. 12–25.

Губанова Е. С., Клещ В. С. Зонирование как инструмент регулирования социально-экономического развития региона // Проблемы развития территории. 2019. № 5. С. 109–123. DOI: 10.15838/ptd.2019.5.103.7

Жуковская Н. В., Мейлук Е. В. ГИС-инструменты в исследовании связей в географическом пространстве // Геоматика: образование, теория и практика. Материалы Международной научно-практической конференции, посвященной 50-летию кафедры геодезии и космоаэрокартографии и 85-летию факультета географии и геоинформатики БГУ. Отв. ред. А. П. Романкевич. 2019. С. 140–143.

Ковалев Б. И., Ковалев Р. Б. Зонирование территории растительных экосистем, используемых для инфраструктурного воздействия // Сборник «Проблемы инновационного биосферно-совместного социально-экономического развития в строительном, жилищно-коммунальном и дорожном комплексах». Материалы 4-й Международной научно-практической конференции, посвященной 55-летию строительного факультета и 85-летию БГИТУ. 2015. С. 76–80.

Козелкова Е. Н., Васикова А. Ф. Зонирование Кондинского района при помощи ГИС-картографирования // Международный научно-исследовательский журнал. 2016. № 11. Ч. 5. С. 86–88. DOI: 10.18454/IRJ.2016.53.224

Кокорина И. П. Применение методов интерполяции в зоогеографических исследованиях на базе ГИС-технологий // ГеоСибирь. 2011. Т. 1. № 1. С. 239–243.

Лупян Е. А., Прошин А. А., Бурцев М. А., Кашницкий А. В., Балашов И. В., Барталев С. А., Константинова А. М., Кобец Д. А., Мазуров А. А., Марченков В. В., Матвеев А. М., Радченко М. В., Сычугов И. Г., Толпин В. А., Уваров И. А. Опыт эксплуатации и развития центра коллективного пользования системами архивации, обработки и анализа спутниковых данных (ЦКП «ИКИ-Мониторинг») // Современные проблемы дистанционного зондирования Земли из космоса. 2019. Т. 16. № 3. С. 151–170. DOI: 10.21046/2070-7401-2019-16-3-151-170

Маньшин Р. В., Моисеева Е. М. Влияние инфраструктуры на размещение населения и развитие регионов России // Экономика региона. 2022. Т. 18. Вып. 3. С. 727–741.

Мнацаканян А. Г., Саргсян С. Оценка влияния инфраструктуры на социально-экономическое развитие регионов России // Экономический анализ: теория и практика. 2021. Т. 20. № 5. С. 792–809.

Подольская А. С., Ершов Д. В., Шуляк П. П. Применение метода оценки вероятности возникновения лесных пожаров в ИСДМ-Рослесхоз // Современные проблемы дистанционного зондирования Земли из космоса. 2011. Т. 8. № 1. С. 118–126.

Подольская Е. С., Ершов Д. В., Ковганко К. А. Транспортное моделирование наземного доступа для борьбы с лесными пожарами на уровне Федеральных округов России // Сборник статей по итогам научно-технических конференций. Выпуск 11. Приложение к журналу Известия вузов «Геодезия и аэрофотосъемка». М.: МИИГАиК, 2020. C. 154–156.

Подольская Е. С., Ершов Д. В., Ковганко К. А. Изучение связей урбанизации и ежегодной горимости лесов Красноярского края // Научные основы устойчивого управления лесами: Материалы Всероссийской научной конференции с международным участием, посвященной 30-летию ЦЭПЛ РАН. М.: ЦЭПЛ РАН, 2022а. С. 286–288.

Подольская Е. С., Ершов Д. В., Ковганко К. А. Зонирование лесов Красноярского края на основе данных по инфраструктуре и лесным пожарам // Материалы IX Междунар. науч. конф. Красноярск, 13–16 сентября 2022 г. / науч. ред. Е. А. Ваганов; отв. ред. Г. М. Цибульский. Красноярск: Сиб. федер. ун-т, 2022б. С. 126–129.

Подольская Е. С., Ершов Д. В., Ковганко К. А. Инфраструктурное зонирование территории для определения связей с лесными пожарами (на примере Красноярского края, Россия) // Леса России: политика, промышленность, наука, образование: материалы VIII Всероссийской научно-технической конференции 24-26 мая 2023 г. / Под. ред. А. А. Добровольского. Санкт-Петербург: СПбГЛТУ, 2023. С. 327–330.

Open Street Map. URL: https://www.openstreetmap.org/ (дата обращения 7 июня 2023).

Рецензент: к. т. н. Скрипачев В. О.