WWW.LIB.KNIGI-X.RU
БЕСПЛАТНАЯ  ИНТЕРНЕТ  БИБЛИОТЕКА - Электронные материалы
 

Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |

«ЭКОЛОГИЯ ЭКОНОМИКА ИНФОРМАТИКА «ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И КОСМИЧЕСКИЙ МОНИТОРИНГ» Том 3 Сборник статей Ростов-на-Дону УДК 502.3 ББК 20.1+20.18 Г 35 Рецензенты д.г.н. Бердников С.В., д.ф.-м.н. ...»

-- [ Страница 1 ] --

РОССИЙСКИЙ ФОНД ФУНДАМЕНТАЛЬНЫХ ИССЛЕДОВАНИЙ

ЮЖНЫЙ ФЕДЕРАЛЬНЫЙ УНИВЕРСИТЕТ

ИНСТИТУТ МАТЕМАТИКИ, МЕХАНИКИ И КОМПЬЮТЕРНЫХ НАУК

ИМ. ВОРОВИЧА И.И.

ИНСТИТУТ АРИДНЫХ ЗОН

ЮЖНЫЙ НАУЧНЫЙ ЦЕНТР РОССИЙСКОЙ АКАДЕМИИ НАУК

ЭКОЛОГИЯ

ЭКОНОМИКА

ИНФОРМАТИКА

«ГЕОИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И

КОСМИЧЕСКИЙ МОНИТОРИНГ»

Том 3 Сборник статей Ростов-на-Дону УДК 502.3 ББК 20.1+20.18 Г 35 Рецензенты д.г.н. Бердников С.В., д.ф.-м.н. Тютюнов Ю.В.

Редакционная коллегия:

– главный редактор, Председатель Южного научного Матишов Г.Г.

центра РАН

- ректор Южного федерального университета Боровская М.А

- директор Института аридных зон Южного научого Матишов Д.Г.

центра РАН

– зав. кафедрой глобальных информационных систем, Сурков Ф.А.

Южный федеральный университет

– заместитель начальника Департамента Базелюк А.А.

Росгидромета по ЮФО и СКФО

– зам. директора Института аридных зон Южного Архипова О.Е.

научного центра РАН

– зав. лабораторией Института математики, Селютин В.В.



механики и компьютерных наук им. Воровича И.И Южного федерального университета Г-35 Экология, экономика, информатика. Сборник статей: в 3 т. – Ростов-наДону Издательство Южного федерального университета, 2015, ISBN 978-5-9275-1642-1 Т. 3: Геоинформационные технологии и космический мониторинг, 2015. с.

ISBN 978-5-9275-1641-4 (Т.3) В сборнике представлены статьи ведущих специалистов и молодых ученых, посвященные геоинформационным технологиям, космическому мониторингу и исследованиям в области экологического развития, нацеленным на решение задач охраны окружающей среды и обеспечения экологической безопасности на новом технологическом уровне.

Публикуется в авторской редакции.

Издание осуществлено при финансовой поддержке Российского фонда фундаментальных исследований по проекту 15-35-10314 ISBN 978-5-9275-1641-4 (Т.3) УДК 502.3 ББК 20.1+20.18 ISBN 978-5-9275-1642-1 © Южный федеральный университет, 2015

–  –  –

The collection contains articles by leading experts and young scientists dedicated geographic information technologies, space monitoring and research in the area of environmental development, aimed at the solution of problems of environmental protection and ecological safety in the new technological level.

–  –  –

СОДЕРЖАНИЕ

УКАЗАТЕЛЬ АВТОРОВ

COUTENTS

AUTHORS

–  –  –

Магаева А.А., Использование вегетационного индекса NDVI для Шевердяев И.В. изучения динамики растительности в бассейне реки Адагум в 1989-2013 гг………………………………...…….. 81 Солкина Ю.В., Геоинновационный комплекс IMC для обработки и Горюнова В.Н., анализа материалов ДЗЗ……………………………………. 87 Иванова К.А.

Тутубалина О.В., Опыт создания спектральной библиотеки водной и Зимин М.В., наземной растительности ключевых участков дельты р.

Голубева Е.И., Селенга……………………………………………………….. 92 Тарасов М.К., Михеева А.И., Еремкина П.Г., Аляутдинов А.Р., Самсонов Т.Е.





Уколова А.В., Новые технологии топографо-геодезического Курков В.М. производства на практике студентов…………………..….. 102

–  –  –

Шелоухова Н.А., Использование дистанционного и контактного тестеров Рябчинская Т.А. для характеристики посева ячменя………………………… 115 Геоинформатика в исследованиях планет и спутников солнечной системы космические технологии и приборы Брусникин Е.С., Измерение и анализ в ГИС морфометрических Креславский М.А., характеристик склоновых полос Марса по космическим Зубарев А.Э., изображениям HIRISE………………………………………. 121 Патратий В.Д., Карачевцева И.П.

–  –  –

Жаркова А.Ю., Анализ и картографирование в ГИС поверхности 143 Родионова Ж.Ф., Меркурия по новейшим данным КА MESSENGER……….

Коханов А.А., Матвеев Е.В., Брусникин Е.С., Зубарев А.Э., Патратий В.Д., Карачевцева И.П., Оберст Ю.

Козлова Н.А., Определение координат архивной лунной съемки Зубарев А.Э. методами ГИС…………………………………………….... 153 Карачевцева И.П., Коханов А.А.

Солодовникова А.М., Рыбакин Ю.А.

Ковальчук В.С., Бурение скважин вне Земли…………………..………….… 163 Чистяков В.К.

–  –  –

Матвеев Е.В., Разработка Веб-сервиса для интеллектуального поиска Коханов А.А., планетных данных………………………………………….. 172 Патратий В.Д., Гаров А.С., Карачевцева И.П.

Орлов П.Ю., ГИС околоземного космического пространства:

Панкин А.В. дальнейшие исследования и смена парадигмы………..…. 180 Поважный В.В., Разработка автономного флуориметра для определения Золотарева А.Е., прижизненной флуоресценции хлорофилла-а на основе Поважный А.В. цифрового фотоаппарата с передачей данных по каналу сотовой связи …………………………………………….… 189 Светочев В.Н., Результаты разработки экспериментального образца Кавцевич Н.Н., биотехнической системы. Спутниковое мечение морского Светочева О.Н. зайца в Белом море…………………………………….…… 195

–  –  –

Архипова О.Е., Разработка электронного атласа Азовского моря………… 201 Сорокина В.В., Бердников С.В.

Бажукова Н. В., Современные методы и ГИС-технологии в создании и Ташкинова А. Н., использовании региональных атласов (на примере атласа Черепанова Е.С. «Природа Пермского края»)………………………………... 213 Быстров А.Ю., Возможности применения данных MODIS, принимаемых Гречищев А.В. в миигаик, для регионального мониторинга водоохранных территорий……………………………….… 219 Дашкевич Л.В., Ледовый режим Азовского моря по спутниковым Немцева Л.Д., снимкам MODIS (TERRA/AQUA) и результатам Бердников С.В. математического моделирования………………..………… 224 Забелина И.А., Пространственный анализ природоохранных инвестиций Клевакина Е.А. в российских регионах……………………………………… 234 Каркон Выбор и аналитическое обоснование оптимального варносфадерани М.М вегетационного индекса полузасушливых территорий на Лубнин Д.С., примере территории западного Ирана с использованием Гаврилова В.В., современных ГИС-технологий………………………..…… 241 Митрофанов Е.М.

Колесников А.А., Мультимедийный интерактивный атлас «Исторический Кикин П.М. Новосибирск»………………………………………….……. 249 Краевский К.Е. Подход к подготовке входных данных для Шевердяев И.В., гидрологической модели HEC………………...………….... 256 Архипова О.Е.

Кошелева О. Ю., Ипользование NDVI для картографирования лесистости Шинкаренко С. С. агроландшафтов……………………………………..……… 262 Магаева А.А., Создание цифровой модели рельефа дна Азовского моря.. 266 Третьякова И.А.

Магаева А.А., Рзвитие геоинформационной системы ледового режима Яицкая Н.А., южных морей России…………………………………….…. 269 Лихтанская Н.В., Дашкевич Л.В.

–  –  –

Митрофанова Т. В., Из опыта применения ГИС и программ 3DКопышева Т. Н., моделирования бакалаврами профиля «Прикладная Васильева Е. А. информатика в государственном и муниципальном управлении» направления «Прикладная информатика»…. 279 Павлова А.И. Применение морфометрического анализа рельефа для агроэкологической оценки земель ………………………… 283 Патракеева О.Ю., Методика мониторинга социально-экономических Месропян К.Э. процессов прибрежных зон………………………………… 287 Суховский С.Ф., Нейронные карты Кохонена и возможности ГИСПеткова Н.В. технологий в оценке недвижимости……………..................

Третьякова И.А., Зонирование в системе управления прибрежными Асташенко Ю.А. районами…………………………………………………….. 295 Третьякова И.А., Применение ГИС-технологий для оценки зон затопления Мисиров С.А., в дельте Дона………………………………………………... 297 Магаева А.А.

–  –  –

Шекоян С.В., Геоинформационное картографирование Епринцев С.А. урбанизированной территории как элемент управления качеством окружающей среды…………………………...… 310 ліпбеки О.., Создание инфраструктуры пространственных данных с Кабжанова Г.Р., целью эффективного управления агропроизводством для Алипбекова Ч.А. условий Северного Казахстана……………………………..

Лурье И.К, Геоинформационные технологии эколого-географической Сакиркина М.А. оценки земельных ресурсов в пределах водосборных бассейнов (на примере присоединенных территорий новой Москвы)………………………………………………. 323 Нагорнюк К.Е. Анализ пространственно-временных закономерностей….. 329 Петкова Н.В., Геоинформационный анализ строительства Петкова А.С. метрополитена в городе Ростове-на-Дону………………… 332 Повх В.И., Использование ГИС-модулей при актуализации Шляхова Л.А., структуры землепользования………………………………. 335 Боева И.Н.

Карачевцева И.П., Анализ и картографирование в гис территории посадки Коханов А.А., АМС Луна-21 и маршрута Лунохода-2……………………. 339 Козлова Н.А., Рыбакин Ю.А., Буланцев О.Е.

Миртова И.А., Анализ космических снимков для выявления зон Яшина А.С. возможного затопления местности в результате наводнения (на примере г. Крымска)………………………. 353 Спивак И.Л., Геоинформационная аналитическая игра для подготовки Спивак Л.Ф. специалистов по управлению развитием территорий……. 362 Стоволосов Е. В. Краткий обзор алгоритмов трехмерной реконструкции объектов……………………………………………………… 368 Стоволосов Е. В., Опыт зарубежных исследователей в области обработки Гаврилова В.В. разнородных данных для последующего формирования цифровых моделей рельефа………………………………… 373 Суспицина Ю.В., Морфометрический анализ рельефа с использованием Кюль Е.В., гис-технологий при районировании опасных природных Алита С.Л., процессов ……………………………………………………. 379 Борисова Н.А.

–  –  –

Рябчинская Т.А............... 115 Уколова А.В.

Садовая Е.М.................. 29 Умаров Ш.М................... 387 Сакиркина М.А............... 323 Фадеев Н.Б.

Самсонов Т.Е.................. 92 Цыдыпова М.В............... 303 Светочев В.Н.................. 195 Черепанова Е.С............... 213 Светочева О.Н................ 195 Чибуничев А.Г............... 71 Скрыпицына Т.Н........... 109 Чистяков В.К.................. 163 Солкина Ю.В................. 87 Чурсин И. Н.

Солодовникова А.М...... 153 Шевердяев И.В............... 81,256 Сорокина В.В.................. 201 Шекоян С.В................... 310 Спивак И.Л.,.................. 362 Шелоухова Н.А............ 115 Спивак Л.Ф.

Стоволосов Е. В............. 368,373 Шляхова Л.А

Суспицина Ю.В.............. 379 Яицкая Н.А.

Суховский С.Ф............... 291 Яшина А.С.

Тарасов М.К.

Ташкинова А. Н............. 213 Третьякова И.А............... 266,293,297 Тутубалина О.В.............. 29,92

–  –  –

Golubeva E.I., A reflection of the growth of barley in different lighting conditions within the spectral signatures………………………... 29 Zimin M.V., Tutubalina O.V., Sadovaya I.V., Bassarskay E.M., Zhigalova T.V.

Zeiliguer A.M., The results of the spatial-temporal analysis of remote sensing Ermolaeva O.S., data sets by evaporation from the earth's land surface MOD16 Krichevtsova A.N. ET for 2000-2009 for the territory Pallasovsky district of the Volgograd region of the Russian Federation…………………... 35 Zelentsov V.A., Information-analytical system for territory development Kovalev A.P., management on the basis of the use of remote sensing and mobile GIS technology………………………………………….. 48 Kozhanov A.N.

Pimanov I.Yu., Potryasaev S.A.

Kachalina N. A., Using hyperspectral and multispectral remote sensing data to weediness assess of agricultural areas…………………………... 59 Grechishev A.V., Arkhipova O.E.

Kondratyeva N.V., Decoding of mudflow signs and their negative influence on Adzhiev A.Kh., natural complexes with mudflow risk mapping on the basis of Bekkiev M.Yu. satellite surveys and geoinformation-system technologies………………………………………………….…. 65 Kurkov V. M. Testing aerial survey complexes on the proving ground of Chibunicev A.G. MIIGAIK (Moscow institute of engineers of geodesy, aerial Grechishev A.V. surveying and cartography) with the introduction of innovation technologies into the topographical geodesic production............ 71 Magaeva A.A., Using of vegetation index of ndvi for studying the dynamics of Sheverdyaev I.V. vegetation in the river basin Adagum in 1989-2013…………….

Solkina Yu.V., Geographic innovative software IMC for geospatial data Gorynova V.N., processing and analysis…………………………….…………... 87 Ivanova K.A.

Tutubalina O.V., Creating a spectral library of aquatic and land vegetation for key areas in the Selenga river delta …………………………………. 92 Zimin M.V., Golubeva E.I., Tarasov M.K., Mikheeva A.I., Eryomkina P.G., Alayutdinov A.R., Samsonov T.E.

Ukolova A.V. New technologies of the topographical geodesic production in Kurkov V. M. practice of the students…………………………….…………… 102 Fadeev N. B., Monitoring medicinal grasses and aromatic plants with the use of aerial photography with UAV…………………………...…… 109 Skrypitsyna T.N., Kurkov V. M., Makarov S. B., Zamyatina E. O., Grechishev A.V.

Sheloukhova N.A., Use of remote and contact testers for the characteristic of barley Ryabchinskaya T.A. crops…………………………………………………………….. 115 Geoinformatics studies planets and moons of the solar system space technology and instruments Brusnikin E.S., Measurements and GIS analysis of morphometric parameters Kreslavsky M.A., of slope streaks on mars using hirise data…………………….. 128 Zubarev A.E., Patratiy V.D., Karachevtseva I.P.

Gruzdev S.S., The development of software tool using GPU and providing Orlov P.Ju. interaction with four-dimensional GIS of near-earth space environment………………………………………………….... 128 Zharkova A.Yu., GIS-analysis and mapping of mercury's surface using newest MESSENGER DATA……………………………..……....….. 143 Rodionova J.F., Kokhanov A.A, Matveev E.V., Brusnikin E.S.

Patraty V.D., Zubarev A.E., Karachevtseva I.P., Oberst J.

Kozlova N.A., Determination of observation points for lunar surface Zubarev A.E., panoramic images using GIS………………………………..... 153 Karachevtseva I.P., Kokhanov A.A., Solodovnikova A.M., Rybakin Y.A.

Kovalchuk V.S., Drilling wells outside the Earth…………………………….…. 163 Chistjakov V.K.

–  –  –

Matveev Е.V., Development of web service algorithm for intelligent Karachevtseva I.P., planetary data search………………………………………….. 172 Kokhanov A.A., Garov A.S., Kozlova N.A., Patraty V.D.

Orlov P.Ju., GIS of near-Earth space environment: further research and Pankin A.V. paradigm shift………………………………………..……….. 180 Povazhnyy V.V., Development of autonomous fluorometer, based on digital Zolotareva A.E., camera with GSM data transmission, to measure chlorophyll-a Povazhnyy A.V. in vivo fluorescence………………………………….………. 189 Svetochev V.N., The results of the biotechnical systems model. satellite Kavcevich N.N., tagging of bearded seal in the white sea…………….………. 195 Svetocheva O.N.

GIS in solving regional problems of environmental management Arkhipova O.E., Development of an electronic atlas sea of Azov……………… 201 Sorokina V.V., Berdnikov S.V.

Bazhukova N.V., Modern methods and GIS technology in the creation and use of Tashkinova A.N., regional atlases (on the example of atlas "nature of perm region")………………………………………………………… 213 Cherepanova E.S.

–  –  –

Magaeva А.А., Development of geoinformation system of the Russian southern seas ice conditions………………………

Yaitskaya N.A., Likhtanskaya N.V., Dashkevish L.V.

Malikova O.V. Use of remote sensing data in the mapping of natural and anthropogenic landscapes for protected areas optimization….. 275 Mitrofanova T. V., From experience with GIS and 3D-modeling programs bachelor profile «Applied informatics in state and municipal Kopysheva T. N., government» direction «Applied informatics»……………….. 279 Vasilyeva E. A.

Patrakeeva O. Yu., Methodology for the monitoring of socio-economic processes in coastal zones…………………………………..…………... 283 Mesropyan K. E.

Sukhovsky S.F., Neural kohonen maps and GIS-technologies in assessment of real estate……………………………………..…………...….. 287 Petkova N.V.

Zoning in coastal area management…………………...……… 291 Tretyakova I.A., Astashenko J.A.

Tretyakova I.A., Application of GIS technologies for evaluation flooded areas in the Don Delta……………………..…….………….……… 293 Misirov S.A., Magaeva A.A.

–  –  –

Alipbeki О.A., Creation of spatial data infrastructure to effective lymanage Kabzhanova G.R., agricultural production for the condition of North Kazakhstan. 313 Аlipbekova Ch.А.

Lurie I.K., GIS technology of ecogeographical land evaluation within the Sakirkina M.A. catchment area in new moscow territory (former part of Moscow oblast region)…………………………………….….. 323

–  –  –

Petkova N.V, Geoinformation analysis of subway construction in RostovPetkova A.S. on-Don………………………………………………………… 332 Povkh V.I. Usage GIS moduls while updating land use structure……...… 335 Shlyakhova, L.A.

Boeva I.N.

Karachevtseva I.P., GIS analysis and mapping Luna-21 landing area and lunokhod-2 route ……………………………………………... 339 Kozlova N.A., Kokhanov A.A., Rybakin Y.A., Bulancev O.E.

Mirtova I.A., Analysis satellite imagery to identify areas of possible Yashina A.S. flooding areas resulting of floods (on the example of Crimean)………………………………………………………. 353 Spivak I. L., Geoinformation analytical game for training experts on Spivak L.F. territory development management…………………………… 362 Stovolosov E. V. Overview of the three-dimensional reconstruction algorithms 368 Stovolosov E. V., The experience of foreign researchers in the field of Gavrilova V.V. processing of heterogeneous data for the subsequent formation of figital elevation models…………………………. 373 Suspitsina Yu.V., The morphometrical analysis of the relief with use of GISKyul E.V., tehnologiy at the division into districts of natural hazards…… 379 Alita S. L., Borisova N. A.

–  –  –

НОВЫЕ ТЕХНОЛОГИИ ДИСТАНЦИОННОГО

ЗОНДИРОВАНИЯ И РАБОТЫ С ДАННЫМИ

ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ (ДДЗ)

ИННОВАЦИОННЫЕ ТЕХНОЛОГИИ ДЛЯ РЕШЕНИЯ

ТОПОГРАФО-ГЕОДЕЗИЧЕСКИХ ЗАДАЧ

–  –  –

Данные дистанционного зондирования нашли широкое применение в современном хозяйстве. Они используются для решения широкого круга прикладных задач – от мониторинга лесных пожаров до метеорологических исследований. Космические снимки являются важным источником информации для разного рода научных изысканий в сфере географии, геоинформатики, прочих наук о земле. При этом требования к информационной ёмкости используемых данных дистанционного зондирования постоянно возрастают. Повысить её можно с помощью применения различных алгоритмов аналитических преобразований, предварительной обработки, а также совместного использования разновременных космических снимков, снимков с разными геометрическими и спектральными свойствами и снимков, полученных с использованием различных физических принципов.

Поскольку спрос на продукцию поставщиков данных ДЗЗ с течением времени возрастает, это в свою очередь стимулирует запуск новых и все более совершенных космических аппаратов для съёмки земной поверхности. Ассортимент доступных конечному пользователю космических снимков расширяется благодаря появлению на рынке снимков различными характеристиками, а также архивных снимков, сделанным космическими аппаратами уже вышедшими из эксплуатации в том числе.

Большое разнообразие съёмочного материала (панхроматический, мультиспектральный, гиперспектральный, радиолокационный) открывает широкие возможности по его совместному использованию, комплект взаимодополняющих продуктов космической съёмки может быть составлен исходя из особенностей решаемой прикладной задачи.

Современные ГИС способны обрабатывать широкий диапазон растровых данных – от аэрофотоснимков до снимков с метеорологических геостационарных спутников в различных форматах, а набор инструментов обработки позволяет выполнить над данными широкий спектр операций от геометрической коррекции до тематической классификации.

Преобразования данных, необходимые для приведения разнородных данных к единому базису, такие как трансформирование из одной системы

–  –  –

координат в другую и передискретизация, часто осуществляются фактически «на лету», автоматически.

Интеграция разнотипной растровой информации ставит задачу создания многослойной структуры данных, каждый слой которой соответствовало бы, например, аэрофотоснимку, мультиспектральному космическому снимку или изображению в радиодиапазоне. При этом необходимо, чтобы все слои обладали одинаковыми пространственными характеристиками – пространственным разрешением, границами области, покрытой растровыми данными, системой координат и географической проекцией – для того, чтобы стал возможен совместный анализ данных.

Состав включённых в многослойную структуру данных дистанционного зондирования определяется исключительно поставленной задачей и доступными для использования аналитическими средствами.

Главным ограничением и наиболее уязвимым местом концепции объединения разнородной пространственной информации в единую структуру для совместной обработки является приведение их к единой пространственной основе. Эта задача предполагает перепроецирование и трансформирование исходных геоданных, которые могут существенно отличаться по условиям съёмки и своим фотограмметрическим особенностям. В результате геометрической коррекции геоданные будут соответствовать пространственной основе с некоторой конечной точностью, что затруднит их совместный анализ. Применение технологии корегистрации с использованием базисного растра позволяет повысить точность и эффективность работ по совмещению растровых слоёв.

При отработке метода интеграции даных съёмки поверхности Земли в районе Заокского геополигона мы использовали разнообразные материалы из нескольких источников, которые отличались пространственными разрешением, радиометрическим разрешением, диапазонами съёмки и даже физическими принципами получения информации.

Интегрировались следующие данные дистанционного зондирования:

1. Landsat 7 ETM+;

2. Spot4, Spot 5, Spot 6;

3. Alos;

4. Radarsat - 1;

5. GeoEye – 1;

6. Pleiades;

7. Данные аэрофотосъёмки.

8. Цифровая модель поверхность SRTM.

Пространственной основой послужил ортофотоплан, составленный на основе данных аэрофотосъёмки с пространственным разрешением порядка 30 сантиметров на пиксель.

–  –  –

Рис. 1. Ортофотоплан на территорию Заокского геополигона Совместная обработка предполагает, что все данные, участвующие в последующем анализе или служащие исходными данными для последующих преобразований, приведены к единому географическому пространству, характеризуемому, прежде всего, пространственным разрешением элемента сетки, системой координат и картографической проекцией. В зависимости от свойств используемых данных необходимо выбрать оптимальное пространственное разрешение, к которому будут передискретизовываться слои. Для согласования разрешения растровых данных помимо передискретизации на основе интерполяционных и аппроксимационных алгоритмов можно использовать также процедуру слияния панхроматических и мультиспектральных растров. Как правило, в качестве базисного размера сетки для группы обрабатываемых каналов выбирался наименьший среди них. Например, при выполнении иерархической корегистраци с использованием эталонного ортофотоплана и космических снимков сверхвысокого разрешения, содержащих дисторсии, в качестве размера ячейки базовой сетки, был выбран размер ячейки ортофотоплана, равнявшийся 0,3 метра. На передискретизацию накладывалось ограничение следующим этап интеграции – корегистрацией. Алгоритм поиска контрольных точек, основанный на вычислении корреляции в сканирующем окне, даёт плохие результаты в случае, если свойства обрабатываемых растров сильно различаются. Это справедливо и для пространственного разрешения. Поэтому всё множество исходных данных было разбито на группы для передискретизации.

Для совместного использования и обработки необходимо иметь уверенность, что соответствующие пиксели каждого интегрируемого слоя характеризуют один и тот же участок подстилающей поверхности.

Исходные снимки уже содержали в себе пространственную информацию,

–  –  –

вычисленную на основе данных о положении и ориентации КА в момент съёмки. Она имела формат файлов геопривязки с коэффициентами аффинного преобразования, а также файлов с RPC- коэффициентами для сканерных снимков сверхвысокого разрешения. Как показал практический опыт, полагаюсь на эту информацию невозможно добиться совмещения совместно обрабатываемых растров, поскольку ошибки позиционирования значительно превышают допустимые.

Рис 2. Несоответствия в позиционировании исходных снимков ALOS (красным) и GeoEye-1 (бирюзовым) Как видно из рис. 2, ошибки в позиционировании, много большие, чем размер пикселя, что делает невозможным их совместный анализ и обработку. Чтобы увеличить горизонтальную точность необходимо выполнять послойную геометрическую коррекцию всего массива входных растров с использованием опорных точек на эталонном ортофотоплане.

Геометрическая коррекция добавляемой информации выполняется послойно, поскольку интегрируемые данные получены из разных источников и имеют индивидуальные геометрические искажения, связанные с особенностями условий съёмки, конструкции съёмочной системы, первичной обработки снимков. Приведение слоёв к эталонному слою основывается также и на данных о пространственной привязке, получаемых от поставщика. При трансформировании снимков используются поочерёдно все доступные инструменты по мере увеличения их точности. Контроль результатов процедуры совмещения редактируемого слоя с эталонным производится визуально.

Геометрическая коррекция добавленных слоёв выполнялась в ПО «Scanex Image Processor» и использовала главным образом 3 инструмента трансформирования:

1. Глобальная трансформация;

–  –  –

2. Локальная трансформация;

3. Коррегистрация.

Глобальная трансформация применялась первой, поскольку зачастую не позволяла получить высокую точность совмещения слоёв, и поэтому использовалась как грубый и приблизительный метод. Для расчёта поправок к координатам опорных точек использовались полиномы 1 - 4 степеней в зависимости от результатов совмещения.

Рис. 3. Опорная точка, связывающая эталонный ортофотоплан (слева) и спутниковый снимок сверхвысокого разрешения (справа) При выполнении алгоритма на снимке опознавались опорные точки в количестве, необходимом для расчёта коэффициентов полинома соответствующей степени. Поскольку этот метод имеет глобальный характер, на основе полинома рассчитывались новые координаты для всех пикселей изображения.

После выполнения трансформирования производился визуальный контроль результатов совмещения с эталонным слоем. Для этого использовалась возможность настроить окно отображения в Scanex Image Processor.

–  –  –

Как видно из иллюстрации, полного совмещения добиться не удалось. Необходимо использовать другие методы трансформирования, позволяющие достичь более полного совмещения.

Локальная трансформация для расчёта параметров преобразования также использует опорные точки, однако преобразующий полином рассчитывается для некоторого изолированного от остального изображения кластера, что позволяет добиться адресного исправления проблемных мест, оставшихся после глобальной трансформации.

Диалоговое окно выбора параметров локальной трансформации позволяет выбрать размер кластера и математическую форму расчёта погрешности.

Наиболее точным методом трансформации является корегистрация.

Основным её отличием является полуавтоматический механизм поиска опорных точек. Среди корректируемых параметров алгоритма – размер окна поиска, шаг перемещения окна по области поиска, сравниваемые каналы, область, в который производится поиск, максимальное количество

–  –  –

опорных точек, критерий определения контрольной точки. Главной сложностью при использовании алгоритма являлось совмещение снимков с сильно различающимся пространственным разрешением.

Рис. 5. Использование локального трансформирования при геометрической коррекции Часть опорных точек могут определяться алгоритмом ошибочно, что требует их удаления перед выполнением трансформации.

Процесс совмещения интегрируемого слоя и эталонного имеет итеративный характер, поэтому каждый из этапов может повторяться произвольное количество раз. Единственный критерий перехода к новой итерации или новому слою – это достижение определённой точности совмещения, которая определяется визуальными методами.

Геокоррекция для растров, не являющихся оптическими снимками, выполняется сходным образом, за исключением эта с иерархической коррегистрацией. Поскольку значения пикселей таких растров несут в себе совершенно иной физический смысл (например, радиометрические изображения или ЦМР).

–  –  –

Интегрирование растровых слоёв в многомерную структуру позволяет производить их совместный анализ. В том числе строить различные профили, производить сегментацию и классификацию различными алгоритмами: неуправляемыми, с обучением, на основе нейронных сетей и сигнатур, с разделением классов по различным критериям, с использованием собственных ситуативных алгоритмов.

Интегрирование различных спектральных каналов позволяет производить с их значениями самые различные арифметические вычисления.

В зависимости от необходимости данные могут быть интегрированы для вычисления спектральных индексов (индексов вегетации или определения состава подстилающей поверхности). А также для проведения процедуры детектирования изменений. В большинстве современных программных пакетов для обработки пространственных данных существует возможность производить операции слияния над растровыми слоями с целью улучшения их характеристик. Примерами таких операций является слияние мультиспектральных каналов с панхроматическим для повышения разрешения, а также слияние цифровых моделей поверхности с мультиспектральными каналами в рамках проведения процедуры трёхмерного детектирования изменений.

Список литературы:

ГречищевА.В., ЛубнинД.С., АндреевМ.В., БыстровА.Ю. Создание 1.

единых изображений обширных территорий по данным космических

–  –  –

аппаратов SPOT 2 и SPOT 4 // Прил. К журналу «Геодезия и аэрофотосъемка», Вып. 5, 2012.

«Инструкция по фотограмметрическим работам при создании 2.

цифровых топографических карт и планов». Москва, ЦНИИГАиК, 2002г.

Д.С. Лубнин, А.Ю. Быстров, А.А. Назаров, К.В. Берёзина, М.А.

3.

Андреев, О.Г. Гвоздев, Е.В. Стоволосов, А.В. Гречищев, О методе интеграции данных дистанционного зондирования с целью извлечения комплексной геопространственной информации, Журнал «Известия ВУЗов. Геодезияиаэрофотосъемка» /2014 /Выпуск №6/ стр. 110-117.

ОТРАЖЕНИЕ ПРОЦЕССОВ РОСТА ЯЧМЕНЯ В РАЗЛИЧНЫХ

УСЛОВИЯХ ОСВЕЩЕНИЯ НА ЕГО СПЕКТРАЛЬНЫХ ОБРАЗАХ

Голубева Е.И., Зимин М.В., Тутубалина О.В., Садовая, Е.М., Бассарская И.В, Жигалова Т.В.

Московский государственный университет им. М.В. Ломоносова, Москва, egolubeva@gmail.com; ziminmv@mail.ru;olgatut@mail.ru;

irishka_s27@mail.ru, bassarskaya@list.ru; tvzhigalova@yandex.ru Введение. Исследование спектральных образов отдельных видов растений, растительного покрова в целом в различных условиях произрастания и состояния, получаемых при наземных измерениях, позволяют надежнее интерпретировать данные дистанционного зондирования поверхностиЗемли [1; 2; 3]. Поэтому все более широкое применение в мониторинге состояния растительности, в том числе, посевов сельскохозяйственных культур находят космические снимки высокого и сверхвысокого пространственного разрешения. В этом контексте, особое значение имеют данные о спектральных образах сельскохозяйственных культур, позволяющие определять текущее состояние растений, необходимые агротехнические мероприятия (полив, внесение удобрений, гербицидов) и прогнозировать урожай. На спектральных образах растений, четко отражающих их состояние, базируется технология «точного земледелия»[4].Сельскохозяйственные культуры, как и другие растения,четко реагируют на различные изменения как условий местопроизрастания - плодородие почв, условия увлажнения, размножение вредителей и т.п., так и дозы вносимыхудобрений и гербицидов. Эти естественные и антропогенные факторы в первую очередь отражаются на количестве фитомассы, которое создается растениями, ее фракционном составе и, соответственно, на спектральном образе. Спектральные образы

–  –  –

сельскохозяйственных культур дают возможности оценить актуальное состояние посевов (разных фенологических периодов) на основе обработки ДДЗ и выявить наиболее благоприятные условия для их естественного и искусственного выращивания.

Цель нашего исследования – оценить влияние условий искусственного выращивания ячменя (Hordeum vulgare) на его спектральные образы (коэффициенты спектральной яркости - КСЯ).

Задачи:

- получить КСЯ ячменя, выращенного в условиях искусственного освещения различного светового диапазона;

- выявить влияние условий освещения при прорастании ячменя на КСЯ и морфометрические показатели проростков;

- определить наиболее информативные зоны спектра, отражающие различия в условиях произрастания.

Материалы и методы. В исследовании использованы материалы, полученные припроведении пяти экспериментовс проростками ячменявлабораторных условияхна кафедре физиологии растений биологического факультета МГУ имени М.В. Ломоносова.

Приборная база. Измерения проводились гиперспектрорадиометром FieldSpec3 Hi-Res фирмы ASD Inc., предназначенным для измерения абсолютных значений энергетической яркости и КСЯ в диапазоне от 350 до 2500 нм. В нем совмещены три отдельных спектрометра: от 350 до 1000 нм (видимый и ближний инфракрасный диапазоны) со спектральной разрешающей способностью 3 нм (определяемой как ширина передаточной функции прибора на от максимального уровня сигнала на конкретной длине волны) и шагом сканирования 1.4 нм, от 900 до 1850 нм и от 1700 до 2500 нм (коротковолновый инфракрасный) с разрешением 10 нм и шагом 2 нм.

Файл измерений представляет данные с шагом 1 нм [5]. Непосредственная фиксация светового энергетического сигнала производится оптоволоконным кабелем, имеющим по 19 приемных волокон для каждого их трех спектрометров. Различные режимы измерений (энергетическаяяркость, КСЯ, пропускание и др.) обеспечиваются специальными насадками, фиксируемыми на выходном конце кабеля, а также необходимыми параметрами калибровки прибора. Перед началом любых измерений прибор оптимизируется под конкретные условия измерений. В этот процесс входит автоматизированный расчет значений различных приборных настроек и погрешностей. При дальнейшем выполнении работ обязательными являются регулярные измерения отражательной панели с известными физическими характеристиками (отражательная способность по всей длине регистрируемого спектра в нм), необходимые для нормализации данных. Исключение случайных

–  –  –

погрешностей производится осреднением ряда независимых спектров, число которых задается оператором. В данной работе это значение составляло 32 измерения, среднее значениекоторых записывалось при сохранении. Также при работе с прибором производятся регулярные измерения показателей темнового тока самого прибора, для исключения влияния электромагнитного «шума»прибора на регистрируемый сигнал[5].

Управление процессом измерений ведется в программном пакете RS3. Для дальнейшей обработки данных используется программный пакет ViewSpecPro, также являющийся разработкой компании ASD Inc. [6].

Условия измерений. В лабораторных условиях ячмень обыкновенный (Hordeum vulgare) выращивался из семян в чашах в питательном растворе в единых условиях влажности, температуры воздуха и конвекции в течении 10 дней. Единственным различием в условиях выращивания ячменя были искусственные источники освещения различающиеся по типу и спектральным характеристикам ламп: белый люминесцентный (широкополосный, с пиком яркости в районе 600 нм);

светодиодный красный (с пиковым значением в 660 нм); светодиодный синий свет (450 с пиковым значением в 660 нм).Использование светодиодовобеспечиваетвысокую интенсивность света иотсутствие инфракрасной компоненты в спектре, что приводит кминимальное нагревание ламп и высокий выход фотонов на единицу потребляемой энергии, интенсивность освещения составляет 70 мкмоль фотонов ФАР/(м2 с). Режим освещения был выбран близким к естественным условиям роста ячменя – 16 часов день и 8 часов – ночь.

Для исключения попадания «паразитного» освещения от прочих источников излучения, в климатической камере были использованные специальные изолированные ячейки, выполненные из светоотражающих материалов.

Листья проростков ячменя спектрометрировались контактным методом с помощью специализированного инструмента для работы с листовой поверхностью «LeafClip», в 5-кратной повторности для образцов каждого вида освещения, в пять контрольных сроков измерения (рис.1).

Всего было получено около 200 экспериментальных спектров, значения которых усреднялись для типа освещенности, как в пределах каждого эксперимента, так и по результатам всех пяти разновременных экспериментов.

Кроме определения коэффициента спектральной яркости листьев, проводились измерение их морфометрических параметров: вес листьев (сырой и абсолютно сухой), вес стеблей (сырой и абсолютно сухой), количество побегов.

–  –  –

Рис. 1. Проростки ячменя на 9 день эксперимента, выращенные под освещением: 1) белым люминесцентным; 2) красным светодиодным; 3) синим светодиодным.

Результаты и их обсуждение. Серия экспериментов, состоящая из пяти повторений, показала неизменность результатов полученных при проведении спектрометрических работ и при фиксации морфометрических показателей исследуемых образцов. Кроме этого стоит отметить, что даже на уровне визуальной оценки, отмечена неизменность физиологического состояния растений выращенных в различных условиях освещения.

Визуальный анализ образцов позволяет довольно четко отличать их друг от друга по их физиологическому состоянию.Это отчетливо видно из (рис.1):образец, выращенный под синим светодиодным освещением, находится в состояние тургора, отображающее напряжение клеточной оболочки, за счет которого ростки смотрят строго вверх; образец, выращенный под красным светодиодным освещением, наоборот принял стелющуюся форму; образец, выращенный под люминесцентным освещение освещением, является чем-то средним между двумя светодиодными источниками освещения.

Сравнение спектральных образов ячменя, выращенного в различных условиях освещенности, показало наличие зон спектра, в пределах которых, значения яркости исследуемых образцов позволяют надежно отличать их друг от друга.

Также отмечена корреляция между спектральными образами образцов и их морфометрическимихарактеристиками.

Незначительные различия в КСЯ приурочены к диапазону длин волн примерно 430-480 нм и 585-700 нм. Наиболее значимые различия в

–  –  –

видимой части спектра приурочены к диапазону 525-575 нм с максимумом отражения в длине волны около 550 нм.

В целом поглощение света в видимой части спектра активнее происходит у проростков, выращенных в условиях люминесцентногоосвещения, несколько слабее у проростков, выращенных в светодиодномкрасном свете, еще слабее – у проростков, выращенных в условиях светодиодного (синего) освещения (рис. 2).

Рис. 2. Коэффициенты спектральной яркости проростков ячменя, выращенного в условиях искусственного освещения: белым (1), синим (2) и красным (3) цветом.

Значения осреднены по результатам пяти экспериментов.

Кроме того, значения КСЯ проростков, выращенных при красном свете, систематически ниже в диапазоне 750-1300 нм, что хорошо коррелирует с пониженной зеленой фитомассой измерявшихся листьев этих проростков.

В условиях искусственного освещения лучшие показатели формирования фитомассы наблюдаются для проростков ячменя, выращенного в условиях люминесцентного белого освещения. Общий вес проростков на данной стадии развития различается на 14-17 %(табл.1).

–  –  –

Выводы. Наиболее значимые различия в КСЯ у проростков ячменя наблюдаются в диапазоне 750-1300 нм, что отражается и на значенияхфитомассы.

Незначительные различия в КСЯ приурочены к диапазону длин волн 430-700 нм, при этом процесс поглощения света активнее происходит у проростков, выращенных в условиях люминесцентного (белого) освещения, а слабее – у проростков, выращенных в условиях светодиодного (синего) освещения. С какими именно физиологическими особенностями проростков связаны эти устойчиво фиксируемые различия предстоит разобраться в дальнейших исследованиях.

Для эффективного выращивания ячменя в искусственных условиях следует рекомендовать люминесцентный (белый) свет.

–  –  –

Полученные insitu данные можно использовать для внедрения в систему оперативного мониторинга за состоянием сельскохозяйственных посевов по данным дистанционного зондирования (аэро- и космической съемки).

Работа выполнена при финансовой поддержке РФФИ, грант офи 13-05-12061 и грант Президентской программы поддержки ведущих научных школ РФ НШСписок литературы:

Книжников Ю.Ф., Кравцова В.И., Тутубалина О.В. Аэрокосмические 1.

методы географических исследований: учебник для студ.учрежденийвысш. проф. образования/ Ю.Ф.Книжников,

В.И.Кравцова, О.В.Тутубалина. - 2-е изд., перераб. и доп. - М. :

Издательский центр "Академия", 2011. - 416с.

Токарева О.С. Обработка и интерпретация данных дистанционного 2.

зондирования Земли: учебное пособие; Томский политехнические университет. – Томск: Изд-во Томского политехнического университета, 2010. – 148 с.

3. Asner G., Martin R., Spectralandchemicalanalysis of tropicalforests:

Scalingfromleaf to canopylevelsRemoteSensing of Environment, Volume 112, Issue 10, 2008, p. 3958–3970.

Якушев В.В. Программно-технические средства информационного 4.

обеспечения и реализации агроприемов в системе точного земледелия.

Автореферат диссертации. СПб.: АФИ, 2005.

5. FieldSpec3 UserManual, ASD Inc., 2010.

6. ASD ViewSpecProUserGuide, ASD Inc., 2008.

РЕЗУЛЬТАТЫ ПРОСТРАНСТВЕННО-ВРЕМЕННОГО АНАЛИЗА

НАБОРОВ ДАННЫХ ДЗЗ ПО ИСПАРЕНИЮ С ПОВЕРХНОСТИ

СУШИ MOD16 ET ЗА 2000-2009 ГОДЫ ДЛЯ ТЕРРИТОРИИ

ПАЛЛАСОВСКОГО РАЙОНА ВОЛГОГРАДСКОЙ ОБЛАСТИ РФ

Зейлигер А.М., Ермолаева О.С., Кричевцова А.Н.

«Российский государственный аграрный университет – Московская сельскохозяйственная академия имени К.А. Тимирязева»

azeiliguer@mail.ru, ol_ermolaeva@mail.ru, khalkonastya@mail.ru Испарение является одним из элементов формирующих непрерывность гидрологического цикла в приземном слое атмосферы над

–  –  –

поверхностью суши. Это происходит переводом части выпавших осадков из жидкой фазы в газообразную, что происходит или с поверхности почвенно-грунтовой толщи, или с поверхности растительного покрова [7].

Данные по испарению необходимы для совершенствования методов моделирования водного баланса на водосборных территориях, а также для поддержки принятия решений с целью эффективного использования водными ресурсами на региональном и локальном уровнях управления [13].

В процессе испарения потребляется значительное количество энергии. В частности испарение с листовой поверхности растительного покрова способствует регулированию энергетического состояния растений и таким образом вносит значительный вклад в энергетический баланс приземного слоя атмосферы, а также является предметом исследований в экологии, земледелии, растениеводстве, гидрологии, климатологии и метеорологии.

Традиционно используемые методы точечных измерений испарения с земной поверхности включают методы:

микрометеорологических измерений Bowenratio [15], ковариациявихря (eddy covariance) [18], широкоаппертурнаясцинтиллометрия - [15], баланса почвенной влаги в почвенных лизиметрах [14,15] влагозапасов корнеобитаемого слоя почвы [16] оценки потенциального испарения Пенмана-Монтея[18], коэффициентов водопотребления посевов сельскохозяйственных культур [14] Точечные методы измерения испарения широко используются для решения многих задач, в том числе, связанным с сельскохозяйственной деятельностью [7], а также мониторингом природных экосистем, например, естественная растительность [2], болота и заболоченные земли, и сельскохозяйственные культуры [11]. Однако, точечные методы измеренийиспарения из-за методических ограничений, а также временных и ресурсных ограничений не позволяют получать оценки для значительных по площади территорий.

Проявление процессов, формирующих поток водяного пара в приземных слоях атмосферы испарение, существенно варьируется в пространстве и времени, в зависимости от многих характеристики ландшафта, топографии, климата, растительности и почв, а также от вида землепользования, технологий земледелия и экологических ограничений [14].

В противоположность точечным методам оценки испарения методы, основанные на данных ДЗЗ, позволяют с высокой периодичностью получать результаты для различных участков земной поверхности, начиная

–  –  –

Зима, как правило, 130 - 150 дней, снежный покров сохраняется от 90 до 110 дней. В результате хорошо выраженного микрорельефа происходит перераспределение снега и талых вод. Основная масса снега скапливается в западинах, а плоские водоразделы остаются обнаженными, что определяет большее промерзание почв на микроповышениях, чем в западинах. При этом, если промерзает влажная почва, то весеннее таяние снега приводит к перераспределению поверхностного стока. В результате, с промерзших микроповышений талые воды стекают в западины, заполняя их, что приводит к пространственно неравномерному весеннему увлажнению.

Весна в регионе короткая ибурная, снег быстро сходит. Талые воды в южной и средне части в основном стекают в локальные понижения и пополняют грунтовые воды, а в северной части стекают по овражнобалочной сети в р. Таргун, а также пополняют влагозапасыпочв. В свою очередь, лето жаркое и сухое; преобладают солнечные знойные дни, осень теплая, продолжительная с частыми дождями.

Грунтовые воды залегают вблизи земной поверхности и оказывают значительное влияние на формирование почвенного и растительного покрова. В местах, где грунтовые воды минерализованы, формируются солонцовые и солончаковые почвы с галогенной растительностью.

Днища западин, занимающих порядка 10-15 % площади территории района, сложены луговыми черноземовидными почвами, а также солодями.

Другая часть территории представлена солончаковыми почвами приуроченных к возвышенным участкам, составляющих порядка 50 %

–  –  –

площади, на которых прорастают пустынные ассоциации Artemisiapauciflora. Борта депрессий, занимающих ориентировочно 25% территории, сложены комплексами светлых лугово-каштановых почв с произрастающими на них травянистой степной растительностью, свойственной травянистым степям (ассоциации Pyrethrum) В последние десятилетия в результате ряда проведенных экологогеографических, геоэкологических, геоморфологических [8].почвенномелиоративных, исследований, проведенных в Волгоградском Заволжье стали относить Палласовский район к территориям с экологически неустойчивой природной средой. Такую характеристику эта территория с относительно низким природным потенциалом получила в результате изменений, произошедших с ее экосистемами под влиянием антропогенной нагрузки, вызванной интенсивной хозяйственной деятельностью, а также региональными флуктуациями климатических характеристик, наложивших свой отпечаток на нынешнюю социально-экономическую ситуацию и процессы изменения экосистем [8].

В этих регионах наблюдаются значительные изменения климатических показателей, метеорологических характеристик, приводящих к изменениям ландшафтов сельских территорий [1], биоклиматических показателей, растительного покрова [5, 9], животного мира [3], почвенного покрова, гидрологического режима поверхностных водных объектов, а также земледелия и сельскохозяйственной деятельности [8].

К наиболее негативным последствиям нерационального ведения хозяйства, получившим широкое распространение на территории региона, относят процессы подтопления и вторичного засоления земель в результате мелиорации, деградацию пастбищ, ветровую эрозию [1].

Сельскохозяйственные угодья, занимавшие порядка от 50 до 25% площади, были в основном представлены богарным земледелием, на которых возделывались зерновые и технические культуры, орошаемым земледелием, на котором в основном выращивались кормовые культуры, а также пастбищами интенсивного использования и сенокосами. В последние годы сельскохозяйственная деятельность представлена кормовыми угодьями, включающими пастбища и сенокосы на сельских территориях, а также на залежных землях. Неблагоприятное воздействие сельскохозяйственной деятельности на природную среду было связано с использование земель не по целевому назначению, которая осуществлялась, не смотря на неблагоприятные климатические и почвенные условия, а также вопреки традиционной животноводческой практики южной части этого региона.

Метод пространственно-временной обработки наборов данных mod16 et

–  –  –

В последние десятилетия в связи со стремительным развитием группировок спутников Земли, и объема предоставляемых с их помощью открытых данных дистанционного зондирования Земли (ДЗЗ), отмечается бурный рост исследований по их применению для решения большого спектра научных и практических задач. В частности, Это происходит в области задач, связанных с мониторингом окружающей среды, где данные ДЗЗпредоставляют альтернативные возможности решения задач на региональных уровнях. Так эти данные находят свое применение для решения разнообразных экологических [9] и природоохранных задач [8,14, 19, 20, 21, 22].

Для проведения пространственно-временного анализа процессов испарения на территории Палласовского района были использованы массивы восьмисуточных данных MOD16 ET с пространственным разрешением 1 км за период 2000-2009 гг.

Методы и алгоритмы тематической обработки измерений MODIS для получения продукта MOD16 ET детально рассмотрены в [19, 20, 21, 22]. В настоящем разделе рассматриваются лишь вопросы их использования для оценки пространственно-временных трендов изменения испарения с территории суши Палласовского района за период 2000гг.

Тайлы пространственных данных для территории суши Палласовского района были получены с веб-сайта Центра GSFC/NASA (США) LPDAAC извлечены и обработаны в среде ArcGIS 10.2 с помощью, созданных для этого инструментов (рис. 3). С помощью этих инструментов выполнялись необходимые преобразования изменения проекции (переход от исходной синусоидальной к равномерной широтно-долготной) и вырезание из тайловMOD16 ET массивов данных для территорииПалласовского района.

Пространственное разрешение оценок испарения, представленных на рис. 3,составляет 1 км. Во временном разрезе эти оценки представляют собой суммы суточных испарений за 8 суток.

Для получения агрегированных оценок трендов изменения испарения за период исследований был разработан метод по расчету коэффициентов линейного тренда для каждого пространственного элемента, соответствующих изображений. Для этого на предварительном этапе, соответствующие массивы картографических данных загружались в созданную базу геоданных, где с помощью разработанного алгоритма проводился анализ качества полученных массивов данных. После систематизации и проверки массивов данных проводился пространственный и временной анализ. Для этого проводились расчеты трендов временных измененийслоя испарения для каждого пространственного элемента за весенний, летний и зимний сезоны по всем

–  –  –

Ф 137-145 Ф 169-177 Ф 201-209 Ф 233-241 249-257 рис. 3 - Ряды картографических изображений пространственных MOD16 ET для территории Палласовского района Результаты Результаты расчетов по оценке пространственно-временных трендов испарения представляют собой массивы данных средних значений и коэффициентов (углового коэффициента и остаточного члена) линейного тренда изменения, рассчитанные для каждого пространственного элемента поверхности суши исследованного района за три сезона календарных года

– весну, лето и осень. Значения углового коэффициента (скорости изменения) тренда изменения суммарного испарения представлены на рис. 4. Представленные на этих рисунках данные свидетельствуют о высокой пространственной неоднородности по территории исследованного района рассчитанного параметра средней скорости изменения суммарного 8-ми суточного испарения, которая имеет различный характер в разные сезоны календарного года.

–  –  –

Для анализа отличий трендов изменения значений суммарного испарения 8-ми суточных рядов данных был проведен регрессионный анализ между скоростью изменения этих величин за рассмотренный период времени и их средними значениями. На рис. 5-7 представлены двумерные массивы данных средних значений скорости изменения суммарного 8-ми суточного испарения за весенний, летний и осенний сезоны календарного года. На этих же рисунках представлены графики рассчитанной функции линейного тренда массивов обработанных данных, каждый из которых содержит 7094 пар соответствующих значений.

–  –  –

рис. 6 – Двумерный массив данныхсредних значений и скорости изменения суммарного 8-ми суточного испарения, а такжефункция линейного трендаза летние сезоны 2000-2010гг.

–  –  –

Суммарное испарение (март-октябрь), 10*мм

-40 -20 0 20 40

–  –  –

Сопоставление данных представленных на рис. 5-7 показывает, что проявление тенденций изменения испарения с поверхности суши исследованного региона имеет существенные различия. Так в весенний сезон (рис. 5) отчетливо прослеживается тенденция уменьшения объемов испарения практически на всей территории исследованного района. Это выражается смещением практически всех точек массива данных (элементов поверхности суши) в область с отрицательными значениями скорости изменения испарения, доля которых от общего числа составила 98,3%.

Аналогичная картина имеет место и в летний сезон (рис. 6). Значимым отличием полученной закономерности в летний сезон от закономерности весеннего сезона является более отчетливо выраженная тенденция уменьшения испарения с меньшей амплитудой разброса. Однако в случае по сравнению с предыдущим меньшее количество точек (88%) попали в область с отрицательными значениями скорости изменения испарения.

Вторым значимым отличием данных летнего сезона от весеннего является снижение в целом значений объема испарения.

В случае осеннего сезона (рис. 7) имеет место ситуация, противоположная двум предыдущим сезонам. В этом случае имеет место общая тенденция увеличения испарения, также значимого снижения объема испарения по сравнению с весенним и летним периодом. Другим отличием является существенное уменьшение количества точек с отрицательными значениями скорости изменения испарения (37%) и, соответственно, увеличения количества точек с положительными значениями этого параметра (63%).

–  –  –

Обсуждение результатов пространственно-временного анализа данных испарения Представленные в работесфокусированы на использовании данных MOD16 ET для пространственно-временного анализа изменения испарения с поверхности суши Палласовского района Волгоградской области за период 2000-2009 гг. В эти же годы в отдельных частях этого района проводились исследования, касавшиеся разнообразных процессов, связанных с экологической и сельскохозяйственной тематикой. В ряде этих исследований были приведены результаты, свидетельствовавшие об имевших место флуктуациях в отдельных частях этого региона климатических и гидрологических процессов. Для получения подтверждений этим результатам представлялось необходимым использовать пространственные данные мониторинга, позволяющие провести ретроспективный анализ. В качестве таких данных, позволяющих объективизировать имеющуюся отрывочную, зачастую, качественную информацию по территории Палласовского района, были использованы результаты расчета испарения [19, 21] по данным измерений характеристик земной поверхности радиометром MODIS. Достоверности этих данных испарения были валидированы в многочисленных прецизионных экспериментах, на разных континентах, в разных по почвенноклиматическим условиям, включая условия аридной зоны засушливых степей и полупустынь, к которым относятся условия территории Палласовского района.

Результаты этих работ позволили использовать продукт MOD16 ET для территории Палласовского района безих дополнительной валидации. В результате были получены результаты, свидетельствующие о наличии неодинаковых тенденций изменения испарения в весенний, летний и осенний сезоны за 2000-2009 гг.

Определенные по данным MOD16 ETзначения использовались для оценки пространственно-временных трендов изменения слоя испарения с поверхности суши Палласовского района. Эта разработка включала: 1) разработку алгоритмов оценки параметров линейного уравнения корреляции; 2) подтверждение выявленной ранее [8]; 3) выявление возможности использования оценок испарения, полученных по данным MODIS, в качестве переменных при согласовании спутниковых и наземных наблюдений; 4) проведение расчетов суммарного испарениядля района исследованийза отдельные сезоны календарного года по данным MODIS.

Различия значений для разных сезонов могут быть связаны c помощью разработанной версии кривых временного хода.

При разработке процедур увлажнения почвы для ведения сельскохозяйственных работ использование предложенного метода приведет к положительному эффекту.

–  –  –

Основными результатами настоящей работы можно считать:

1) предложенные методы тематической обработки данных измерений радиометров MODIS для оценки испарения с поверхности суши;

2) разработанную версию распределения испарения

Список литературы:

Арестова Н. В. Геоэкологическая оценка антропогенного воздействия на территорию Северо-Западного Прикаспия // Вестник Волгоградского государственного университета. Сер. 3, Экономика.

Экология. - 2009. - N 1 (14). - С. 220-224 Будаговский А.И. Испарение почвенной влаги.- М.: Наука, 1964.244 с БыковА.В., Шабанова Н.П., Бухарева О.А. Особенности распространения и выживания общественных полевок в глинистой полупустыне Заволжья // Поволжский экологический журнал. 2010. №

2. С. 133 — 141.

Воробьева Т.А., Калюжная И.Ю., Калюжная Н.С.Геоинформационное обеспечение управления региональными природными парками. В сборнике Устойчивое развитие территорий: теория ГИС и практический опыт. М-лымеждунар. конфер, место издания Калининград, том 2, с. 52-57 Гребенюк С.И. Связь растительности с рельефом и почвами на побережье оз. Эльтон // Вопросы прикладной биологии растений.

Саратов: Изд-во СГУ, 1979. С. 25-30.

Гребенюк С.И., Голуб В.Б., Юрицына Н.А. Растительные сообщества союза Artemisionpaucifloraeall. nova на солонцовых почвах Северного Прикаспия // Аридные экосистемы. 2000. Т.6. № 13. С. 15– 22.

Константинов, А. Р. Испарение в природе / А. Р. Константинов. –Л.:

Гидрометеорологическое издательство, 1968. – 532 с.

Кулик К.Н., Ткаченко Н.А. Адаптивно-ландшафтная трансформация малопродуктивных и деградированных земель Волгоградского заволжья // Известия нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. – 2013. – Т. 1. - №2-1(30). – С. 3-8.

Лысенко Т.М., Кузнецова Р.С., Митрошенкова А.Е., Донченко Д.А., Костина Н.В. Использование географических информационных систем (GIS) в изучении растительного покрова окрестностей озера Эльтон (Волгоградская область) // Известия Самарского научного центра РАН.

2012. Т. 14. № 1 (1). С. 100-102.

Музылев Е.Л., Успенский А.Б., Волкова Е.В., Старцева З.П.

Использование спутниковой информации при моделировании

–  –  –

вертикального тепло- и влагопереноса для речных водосборов // Исследование Земли из космоса. 2005. № 4. С.35-44.

Циприс Д.Б., Евтушенко Э.Г. Расчет водопотребления по метеопараметрам//Гидротехника и мелиорация, 1980.- № 9.

Шинкаренко С.С. Пространственно-временной анализ степных пожаров в Приэльтонье на основе данных ДЗЗ // Вестник ВолГУ.

Серия 11. Естественные науки. 2015. №1. URL:

http://cyberleninka.ru/article/n/prostranstvenno-vremennoy-analiz-stepnyhдата обращения:

pozharov-v-prieltonie-na-osnove-dannyh-dzz 04.08.2015).

13 Allen, R.G.; Pereira, L.S.; Raes, D.; Smith, M. Crop EvapotranspirationGuidelines for Computing Crop Water Requirements-FAO Irrigation and Drainage Paper 56; FAO: Rome, Italy, 1998.

14 Allen, R.G.; Tasumi, M.; Morse, A.; Trezza, R.; Wright, J.L.; Bastiaanssen, W.; Robison, C.W. Satellite-based energy balance for mapping evapotranspiration with internalized calibration (METRIC)—Applications.

J. Irrig. Drain Eng.–ASCE. 2007, 133, 395–406.

Guide to Hydrological Practices. V. I, Hydrology – From Measurement to Hydrological Information. WMO-No. 168, 296 p.

16 Hillel, D. Introduction to Soil Physics; Academic press: New York, NY, USA, 1982.

17 Evaluation and Selection of Indicators for Land Degradation and Desertification Monitoring: Types of Degradation, Causes, and Implications for Management C. Kosmas, Or. Kairis, Ch. Karavitis, C. Ritsema, L.

Salvati, S. Acikalin, M. Alcala, P. Alfama,. Atlhopheng,. Barrera,A.

Belgacem, A. Sole -Benet, E. Zagal, A. Zeiliguer, W. Zhonging, A.

Ziogasand others // Environmental Management, 11/2014; 54:971-982.

18 Monteith, J.; Unsworth, M. Principles of Environmental Physics, 2nd ed.;

Edward Arnold: London, UK, 1990.

19 Mu, Q.; Heinsch, F.A.; Zhao, M.; Running, S.W. Development of a global evapotranspiration algorithm based on MODIS and global meteorology data. Remote Sens. Environ. 2007, 111, 519–536.

20 Mu, Q.; Zhao, M.; Running, S.W. Improvements to a MODIS global terrestrial evapotranspiration algorithm. Remote Sens. Environ. 2011, 115, 1781–1800.

21 Su, Z. The surface energy balance system (SEBS) for estimation of turbulent heat fluxes. Hydrol. Earth Syst. Sci. 2002, 6, 85–100.

Sun, Z.; Gebremichael, M.; Ardц,.; Nickless, A.; Caquet, B.; Merboldh, L.; Kutschi, W. Estimation of daily evapotranspiration over Africa using MODIS/Terra and SEVIRI/MSG data. Atmos. Res. 2012, 112, 35–44.

–  –  –

ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ СИСТЕМА

УПРАВЛЕНИЯ РАЗВИТИЕМ ТЕРРИТОРИЙ НА БАЗЕ

ИСПОЛЬЗОВАНИЯ ДАННЫХ ДИСТАНЦИОННОГО

ЗОНДИРОВАНИЯ ЗЕМЛИ И МОБИЛЬНЫХ

ГЕОИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ

–  –  –

Основные проблемы мониторинга сложных динамических объектов В настоящее время отрасль информационных технологий переживает бурный рост систем, связанных с использованием и обработкой пространственных данных различной природы – картографических, данных дистанционного зондирования, и др.

Перспективным направлением дальнейшего развития этих систем является формирование систем поддержки принятия решений (СППР) по управлению объектами и территориями, в том числе в чрезвычайных ситуациях[1]. При этом с точки зрения моделирования в СППРнаиболее общим описанием объектов и территорий является их представление в виде сложных динамических объектов (СлДО) [2].

Проведенный анализ основных подходов к построению таких систем и технологий показывает, что в данной предметной области существует целый ряд проблемных вопросов, как методологических, так и технологических.

На рис. 1 на примере мониторинга гидроэлектростанции (ГЭС) и окружающей ее среды представлена главная проблема, с которой приходится сталкиваться на практике при оценивании и упреждающем прогнозировании состояния указанных сложных динамических объектов.

Суть данной проблемы связана с отсутствием соответствующего модельноалгоритмического, информационного, технического, технологического обеспечения интеграции поступающих в реальном масштабе времени разнородных данных и информации об отдельных компонентах данных состояний. В этих условиях операторы (лица, принимающие решения — ЛПР) вынуждены самостоятельно (на основе технической документации, экспертных знаний и т. п.) воссоздавать целостный образ управляемой системы (ГЭС), а также причинно-следственных связей, определяющих ее состояние и сценарии развития внешней обстановки[3].

–  –  –

Рис. 1. Существующая информационная технология наземно-космического мониторинга состояния сложного объекта.

Предварительные исследования показывают, что временные задержки и ошибки в управлении, вызванные неверным решением задач оценивания или мониторинга состояний СлДО, могут привести к необратимым негативным последствиям– срыву выполнения возлагаемых на них задач, отказам СлДО, различным по своим последствиям авариям и даже катастрофам. В наибольшей степени эта проблема обостряется при возникновении нештатных ситуаций, вызванных различными внешними и внутренними факторами. В большинстве случаев процедуры мониторинга состояния СлДО в таких ситуациях не автоматизированы. Решение этой задачи возлагается на операторов. Практика управления СлДО показывает, что именно в этих ситуациях операторы не справляются с задачей оценки и контроля функциональных состояний СлДО, что и приводит к различным негативным последствиям.

Все это происходит из-за того, что до сих пор не существуют таких универсальных технологий и соответствующих методологий и методик оценивания и управления состоянием СлДО, которые позволили бы на единой методологической и методической базе обосновать и сформировать унифицированный многофункциональный комплекс программноалгоритмических средств обработки и анализа, используемый при мониторинге информации, выработки соответствующих управленческих решений, а также синтезировать исполнительные системы автоматизированных средств мониторинга и управления состояниями СлДО [4].

–  –  –

А это, в свою очередь, происходит из-за отсутствия к настоящему времени опыта создания и эксплуатации соответствующих крупномасштабных многофункциональных унифицированных информационных технологий и программных средств. Для таких технологий и средств не решены вопросы организации вычислений в составе распределенной системы мониторинга, создания системы математических моделей, достаточно адекватных контролируемым процессам и явлениям, и ориентированным на свою реализацию в существующей программно-аппаратной среде. Кроме того, отсутствует единая технология разработки программных средств для решения конкретных задач мониторинга, не решен целый ряд других сопутствующих проблем. Все это не позволяет в настоящее время обеспечить достижения приемлемых характеристик функционирования существующих и перспективных автоматизированных системы мониторинга, а значит, решения всех функций управления СлДО.

Методологическая основа для решения данного класса задач разработана в настоящее время в рамках развития теории управления структурной динамикой СлДО [3] и комплексной автоматизации мониторинга и управления состояниями СлДО.

Разработанная интеллектуальная информационная технология мониторинга и поддержки принятия решений (ИИТ) при управлении СлДО базируется на комбинированном использовании логических, лингвистических и математических моделей и методов, обеспечивающих параллельную, распределенную обработку и анализ в реальном времени сверхбольших объемов измерительной информации при наличии в них некорректных, неточных и противоречивых данных, а также упреждающее предсказательное комплексное моделирование развивающейся ситуации [5]. Главное достоинство и отличительная черта разработанной технологии состоит в том, что она базируются на отечественных разработках в области системотехники и инженерии знаний. Использование данной ИИТ обеспечивает на конструктивном уровне интеграцию данных, информации и знаний, получаемых из различных источников при мониторинге и управлении СлДО. На рис. 2 показано как на основе единой среды обработки и анализа данных, созданной на основе применения ИИТ, формируется целостный образ объекта мониторинга.

Базовая архитектура СППР по мониторингу и управлению развитием территорий При анализе прикладных аспектов создания СППР и соответствующих информационно-аналитических систем необходимо выделить два основных направления: формирование общей структуры и направлений реализации программного обеспечения СППР, а также

–  –  –

разработку компонентов систем, обеспечивающих получение, обработку и постоянное обновление пространственных данных, а также визуализацию результатов моделирования.

Базовая архитектура программного обеспечения для реализации задач управления территориями показана на рис. 3.

Рис. 2. Предлагаемая интеллектуальная информационная технология наземнокосмического мониторинга состояния сложного объекта.

Рис. 3. Предлагаемая интеллектуальная информационная технология наземнокосмического мониторинга состояния сложного объекта.

–  –  –

В основе реализации системы наземно-космического мониторинга лежит сервис-ориентированный подход (сервис-ориентированная архитектура, SOA) к построению сложных информационных систем. Для этой цели прикладные модули исполняются как веб-сервисы с возможностью обмена данными по стандартным протоколам, например SOAP. Связующим программным обеспечением в SOA традиционно является сервисная шина предприятия (Enterprise Service Bus, ESB). ESB предоставляет централизованный и унифицированный событийноориентированный обмен сообщениями между различными информационными системами [6].

Таким образом, используемые модули могут содержать внутри себя сторонние программные комплексы, решающие конкретные прикладные задачи, представленные в виде законченных решений, прошедших валидацию и верификацию.

Перспективная мобильная информационно-аналитическая система управления развитием территорий Достоверные результаты моделирования при реализации СППР могут быть получены только при наличии актуальных и достоверных исходных данных о состоянии территории и объектов. Не менее важной является формирование и представление результатов в виде, доступном для пользователя, не имеющего специальных знаний в области информационных технологий. Опыт показывает, что лучшим вариантом является представление результатов на цифровой картографической основе с необходимой сопровождающей атрибутивной информацией. Поэтому обязательными элементами СППР должны являться инструментальные средства сбора, оперативной актуализации исходных пространственных данных, в том числе данных ДЗЗ, а также средства визуализации результатов расчетов. В настоящее время для решения этих задач активно используются геоинформационные системы (ГИС) различных производителей. Общими недостатками таких систем являются стремление к излишнему укрупнению создаваемых баз данных и усложнение пользовательских интерфейсов. Это практически нивелирует положительные свойства известных ГИС при необходимости работы с максимально точными пространственными данными непосредственно на территории.

Альтернативой таким системам является информационноаналитическая система «Регион-В», созданная в Научно-техническом центре инновационных космических технологий СПИИРАН (http://litsam.ru/regionview).

При ее разработке учтены основные тенденции создания современных ГИС, которые состоят в следующем:

–  –  –

1. Стремление разработчиков к поддержке стандартов OGC по обмену пространственными данными, поскольку это существенно расширяет возможности интеграции их решений с существующими или создаваемыми инфраструктурами пространственных данных, как национальными, так и корпоративными. Даже если в качестве основного остаётся собственный формат файлов, в систему добавляются возможности подключать данные по стандартам WMS, WFS, а также импорт и экспорт данных в формате GML.

2. В связи с развитием рынка мобильных устройств, появлением нового класса в виде планшетных компьютеров, становится актуальной наличие версий программы под разные платформы, в том числе Windows (Microsoft), Linux, iOS (Apple), Android (Google). Многие ведущие разработчики программ для ГИС предлагают версии программ для мобильных систем, которые позволяют взаимодействовать с ГИС, построенными на их платформе, часто с ограниченным набором функций, обеспечивающим основные операции просмотра и поиска информации, реже возможности редактирования данных.

3. Многие разработчики включают в свои продукты возможность работы с наиболее распространёнными хранилищами пространственных данных, о которых говорилось выше. При этом заметна тенденция обеспечить возможность работать с как можно большим вариантом источников и хранилищ данных, в том числе объединять в одном проекте данные из разных хранилищ пространственных данных, построенных на основе разных платформ. Наиболее часто встречается поддержка сразу и Oracle Spatial, и Microsoft Spatial, и PostGIS, как наиболее распространённых и функциональных хранилищ данных.

4. Активное использование наработок из OpenSource проектов OSGeo в платных решениях. Во многих проектах используются библиотеки GDAL и Proj4, реализуется интеграция с хранилищем данных PostGIS.

Также весьма часто предлагается использование связки GeoServer + OpenLayers в качестве модуля для создания веб-приложений для той или иной платной ГИС системы. В дальнейшем эта тенденция будет только нарастать, так как у многих компаний нет возможности привлечь большое количество ресурсов, в первую очередь квалифицированных специалистов из разных областей, для разработки необходимых модулей и функций, которые имеются у сообщества OSGeo. В итоге разработчики всё больше будут концентрироваться на решении специализированных прикладных задач, используя в качестве базовой платформы работы с пространственными данным свободно распространяемое ПО, базирующееся на стандартах OGC, что будет лишь способствовать формированию единой открытой инфраструктуры пространственных данных.

–  –  –

5. Поддержка работы с трехмерным представлением данных, как минимум, и возможность полноценного построения и качественной визуализации трехмерных моделей территорий, как максимум, становится уже необходимым не только для сферы развлечений или традиционных областей 3D САПР, но и для геоинформационных систем. Уровень быстродействия современных компьютеров и наработанные методики создания и работы с 3D моделями территорий сегодня позволяют не только демонстрировать потенциальным заказчикам красивые изображения, часто подготовленные заранее, но и решать множество реальных задач трехмерного анализа.

Исходя из изложенного, наиболее приемлемым вариантом реализации геопортала для визуализации результатов мониторинга может являться платформа построения ГИС на основе свободно распространяемого ПО. При этом реализуется связка PostGIS + Geoserver + OpenLayers.

Примером реализации именно такой платформы и является система «Регион-В».

«Регион-В» – это программный комплекс информационноаналитической поддержки процессов мониторинга и управления территориями на основе интегрированного использования геопространственных данных и мобильных веб-технологий.

Информационно-аналитическая система «Регион-В» представляет собой модульную распределённую систему, основанную на сервисориентированной архитектуре, и использующую ряд решений с открытым исходным кодом, в том числе, геоинформационный сервер и сервер баз данных.

Реализованная в системе функциональность обеспечивает интеграцию существующих данных об объектах и территориях, их оперативную актуализацию, в том числе за счет использования аэрокосмических снимков и краудсорсинга, решение задач поиска, тематической обработки, подготовки аналитических материалов, управления нештатными ситуациями, удобное визуальное представление, анализ развития ситуаций на территории в динамике, с прогнозом на будущее.

Обеспечивается предоставление мобильных сервисов на базе вебтехнологий с помощью персональных устройств (смартфоны, планшетные компьютеры). Работа с системой не требует от пользователя специальных знаний в геоинформатике и в области компьютерных технологий.

Основными областями применения системы являются:

мониторинг и ситуационное управление;

территориальное управление и развитие (городские и сельские муниципальные районы, сельскохозяйственные земли,

–  –  –

градостроительная деятельность, лесопользование, особо охраняемые природные территории, культурно-исторические объекты, и др.);

управление чрезвычайными ситуациями;

экология и охрана окружающей среды;

туризм и рекреационная деятельность;

социальные, культурные и исторические проекты;

страховой бизнес.

Реализованная функциональность обеспечивает интеграцию существующих данных об объектах и территориях, их оперативную актуализацию, в том числе за счет использования аэрокосмических снимков и краудсорсинга, решение задач тематической обработки, поиска, подготовки аналитических материалов, управления нештатными ситуациями, удобное визуальное представление, анализ развития ситуаций на территории в динамике – от прошлого, через настоящее, с прогнозом на будущее.

Основные реализованные функции:

интеграция разнородных данных об объектах мониторинга и управления из произвольных форматов хранения;

взаимное опубликование и оперативная интеграция данных из территориально-распределённых источников по стандартным протоколам;

представление данных на интерактивной карте;

отображение динамически изменяющихся и многовариантных данных;

решение пространственных и аналитических задач;

управление геопривязанными инцидентами в соответствии с регламентированными процедурами на основе технологии краудсорсинга;

контроль доступа к данным и функциям системы с выделением общедоступного (публичного) сегмента;

обеспечение мобильного доступа к функциям системы с использованием веб-технологий с помощью персональных устройств (смартфоны, планшетные компьютеры).

Визуальное представление реализации пользовательского интерфейса системы приведено на рис. 4.

Возможности системы демонстрируются на примерах:

контроля границ и использования земель сельхозназначения;

интегрированного представления и использования данных о состоянии территории муниципального образования;

анализа динамики экологических изменений на природных объектах;

–  –  –

В настоящее время разработан и практически апробирован целый ряд методик тематической обработки и актуализации пространственных данных о территории на базе системы «Регион-В».

Ниже представлены рисунки с примерами визуализации результатов экологического мониторинга на базе данной платформы. На рис. 5 изображен внешний вид интерфейса пользователя платформы при отображении результатов мониторинга степени зарастания озера с использованием тематической обработки данных ДЗЗ.

На рис. 6 представлены результаты анализа воздействия интенсивной хозяйственной деятельности на экологическое состояние растительности на особо охраняемой природной территории.

Необходимо отметить, что при использовании данного геопортала обеспечивается отображение и анализ результатов мониторинга не только в конкретный момент времени, но в динамике (см. временную шкалу в нижней части рис. 7), оперативную работу с результатами мониторинга на мобильных устройствах пользователя, а также взаимный обмен данными с внешними информационными системами на базе стандартных протоколов.

Так, например, одной из задач мониторинга территории является оперативная оценка обстановки в ходе наводнений и получениедостоверных прогнозных оценок по площади затопляемых территорий и глубине затоплений. Применение сервис-ориентированной архитектуры обеспечивает получение нового синергетического эффекта от совместной обработки разнородных наземно-космических данных и применения комплекса различных моделей для оценки зон возможных затоплений в перспективных системах прогнозирования, а визуализация

–  –  –

Заключение Таким образом, к настоящему времени разработана методология построения и выполнена практическая реализация компонент систем поддержки принятия решений по управлению развитием территорий.

Созданные и практически реализованные компоненты обеспечивают актуализацию используемых в СППР пространственных данных, в том числе на базе тематической обработки материалов космической съемки, а также визуализацию результатов моделирования на персональных мобильных устройствах пользователей. Тем самым обеспечивается реализация полного цикла функционирования СППР. Предложенная архитектура программного обеспечения СППР предполагает реализацию «облачных» технологий и взаимодействие программных модулей из различных предметных областей. Тем самым сформирована основана для дальнейшего широкого развития модельно-алгоритмического обеспечения поддержки принятия решений по управлению развитием и обеспечению устойчивого развития территорий.

Исследования, выполненные по данной тематике, проводились при финансовой поддержке ведущих университетов Российской Федерации: СПбГПУ (мероприятие 6.1.1), ИТМО (субсидия 074–U01), грантов РФФИ(№13-07-00279, 13-08-00702, 13-08офи-м, 15-29-01294-офи-м, 15-07-08391, 15-08-08459, 15-07-01230, 15-06-04195), Программы фундаментальных исследований ОНИТ РАН (проект №2.11), проектов ESTLATRUS projects 1.2./ELRI-121/2011/13 «Baltic ICT Platform» and 2.1/ELRI-184/2011/14 «Integrated Intelligent Platform for Monitoring the Cross-Border Natural-Technological Systems».

–  –  –

Список литературы:

Павлов А.Н., Соколов Б.В. Принятие решений в условиях нечеткой 1.

информации: учеб. пособие / ГУАП – СПб.,2006 — 72 с.

Соколов Б.В., Охтилев М.Ю., Зеленцов В.А., Семенков О.И.

2.

Интеллектуальные информационные технологии гарантированного управления критическими инфра-структурами // XII СанктПетербургская международная конференция «Региональная информатика (РИ-2010)».

Санкт-Петербург, 20-22 октября 2010 г.:

Труды конференции. СПб: СПОИСУ, 2010. С. 65–66.

Охтилев М.Ю., Соколов Б.В., Юсупов Р.М. Интеллектуальные 3.

технологии мониторинга и управления структурной динамикой сложных технических объектов. М.: Наука, 2006. 410 с.

Соколов Б.В. Комплексное планирование операций и управление 4.

структурами в АСУ активными подвижными объектами. – МО СССР, 1992.

М.Ю. Охтилев, В.А. Зеленцов, С.А. Потрясаев, Б.В. Соколов.

5.

Концепция проактивного управления сложными техническими объектами и технологии её реализации // Известия ВУЗов.

Приборостроение. СПб., 2012. – № 12. – С. 73–75.

Потрясаев С.А., Соколов Б.В. Технология организации аналитикоимитационного моделирования асу активными подвижными объектами // Сборник докладов шестой всероссийской научнопрактической конференции «Имитационное моделирование. Теория и практика» (ИММОД-2013). Том 1. // ISBN 978-5-9690-0221-0 // Издательство «ФЭН» Академии наук РТ, Казань, 2013, c. 236-240.

ИСПОЛЬЗОВАНИЕ ГИПЕРСПЕКТРАЛЬНЫХ И

МУЛЬТИСПЕКТРАЛЬНЫХ ДАННЫХ ДИСТАНЦИОННОГО

ЗОНДИРОВАНИЯ ДЛЯ ОЦЕНКИ ЗАСОРЕННОСТИ

СЕЛЬСКОХОЗЯЙСТВЕННЫХ ТЕРРИТОРИЙ

–  –  –

Введение Современное развитие методов и средств дистанционного зондирования Земли характеризуется активным внедрением технологий

–  –  –

гиперспектральной съемки в видимом и инфракрасном диапазонах.

Отличительной особенностью получаемых данных дистанционного зондирования Земли является большое количество и узкая ширина спектральных полосах[1]. Преимущество гиперспектральных по сравнению с мультиспектральными данными состоит в возможности выборанаиболее информативных признаков для каждой задачи мониторинга поверхности Земли и околоземного пространства с учетом типа сцены.

Наличие гиперспектральных данных дистанционного зондирования существенно расширяет круг решаемых тематических задач[2]. В связи с этим актуальной становится задача освоения существующих и разработки новых методов использования гиперспектральной информации с учётом особенностей её получения. На различных стадиях развития растительности форма её спектральной характеристики меняются.

Физической основой распознавания растительности является их отражательная способность. Для растительных объектов характерна низкая отражательная способность в синей и красной области спектра, некоторое увеличение ее в зеленой области и резко выраженный максимум в ближнем инфракрасном диапазоне. Специфичность кривых спектральной отражательной способности растительности позволяет с достаточной точностью распознавать отдельные виды и изменения сельскохозяйственной растительности [3].

В последний период развития сельского хозяйства в агроценозах произошли значительные изменения, обусловленные нарушениями в технологии выращивания сельскохозяйственных культур, что привело к значительному увеличению степени засоренности посевов во всех регионах. Оценка засоренности посевов проводится для получения данных об общей засоренности сельскохозяйственных угодий, принятия решений о целесообразности защитных мероприятий, установления общего характера засоренности территории, определения границ распространения важнейших видов сорняков, изучения динамики засоренности.

Данные, изучаемая область и программное обеспечение Данные дистанционного зондирования Земли. Космический аппарат EO-1 является технологическим демонстратором миссии NASA's. EO-1 несет на своем борту полезную нагрузку в виде приборов: ALI и Hyperion.

Гиперспектральный сенсор Hyperion предназначен для получения цифровых изображений земной поверхности с пространственным разрешением до 30 м в 220 спектральных диапазонах видимой и инфракрасной области (рис. 1). Решаемые задачи: картографирование сельскохозяйственных культур, тонкий мониторинг состояния посевов, оценка засоренности, выявление вредителей и болезней сельскохозяйственных культур, прогнозирование урожайности и другие.

–  –  –

Спутник LandSat-8 оснащён двумя комплектами целевой аппаратуры: мультиспектральным растровым детектором земной поверхности OLI (OperationalLandImager) и тепловым инфракрасным сенсором TIRS (ThermalInfraredSensor). Пространственное разрешение - 15 м в панхроматическом режиме и 30 м в спектральных диапазонах, полоса съёмки - 185 км.

Изучаемая область.Природно-климатические условия Ростовской области благоприятны для возделывания целого ряда полевых культур, которые нуждаются в обязательной защите от сорной растительности.

Основными причинами высокой засоренности посевов являются как естественно-биологические свойства сорных растений (повышенная плодовитость и жизнеспособность, устойчивость к мерам борьбы, экологическая пластичность и др.), так и несоблюдение севооборотов, сроков обработки почвы, посевов, ухода за посевами, посев некондиционными семенами, поступление семян сорной растительности с органическими удобрениями, с поливной водой и т.д. В качестве исследуемой области выбран участок, изображенный на рис.2.

–  –  –

Программное обеспечение. Программный комплекс ENVI предназначен для анализа мультиспектральных и гиперспектральных изображений, включает наиболее полный набор функций для обработки данных ДЗЗ и их интеграции с данными ГИС. Диапазон задач, решаемых с помощью ПК ENVI, достаточно широк: от ортотрансформирования и пространственной привязки изображения до получения необходимой информации и ее интеграции с данными ГИС. ENVI содержит спектральные библиотеки и инструментарий для выполнения спектрального и топографического анализов, анализа растительности и классификации изображений, используя следующие алгоритмы: Kmeans, IsoData и другие.

Классификация Снимки подвергаются традиционным процедурам предварительной обработки, направленным на преобразование их в удобный для последующих действий формат. Процедура атмосферной коррекции служит для преобразования исходных снимков к физическим характеристикам объектов – спектральным коэффициентам отражения с компенсацией атмосферных явлений (рассеивание, поглощение). В представленной работе использовался модуль атмосферной коррекции FLAASH. Исходные данные для запуска модуля в полном объеме содержатся в стандартных метаданных снимков Hyperion.

В процессе выполняемой атмосферной коррекции при приведении данных к спектральным коэффициентам отражения выполняется их нормализация по отношению к различиям условий регистрации в момент съемки:

отклонений линии визирования сенсора от направления в надир, азимутов Солнца и высот стояния Солнца над плоскостью местного горизонта.

Существует несколько возможных способов выделения сорной растительности по данным дистанционного зондирования Земли. Одним из них является построение вегетационных индексов[4]. Другим способом является классификация космических снимков. Классификация без обучения построена на полностью автоматическом распределении пикселей по классам на основе статистики распределения яркостных значений пикселей. Классификация с обучением предполагает наличие эталона, с яркостью которого сравнивается яркость каждого пикселя.

Методы классификации с обучением: метод минимального расстояния, метод главных компонент, метод максимального правдоподобия[5]. В результате, имея несколько эталонов, заранее заданных, можно получить множество объектов, разделенных на классы.

–  –  –

В данной работе для классификации использовался ПК ENVI,метод классификации без обучения IsoData. Снимок со спутника Landsat8, полученный 31.08.2014г. классифицировался по 7 каналам на 15 классов.

При обработке гиперспектральных ДДЗ целесообразно использовать небольшое количество признаков (из-за высокой коррелированности каналов). Преимущество гиперспектральных по сравнению с мультиспектральными данными состоит в возможности выбора наиболее информативных признаков, которые позволяют более точно выделять различные типы растительности. Для классификации снимка со спутника EO-1, полученного27.08.2014г., были использованы каналы в видимом и ближнем инфракрасном диапазоне также на 15 классов.

В ArcMap для классифицированных изображений был применен инструмент MajorityFilter, который заменяет ячейки на растре, основываясь на значении большинства смежных с ними соседних ячеек.

–  –  –

а) б) Рис. 4 –а) Снимок EO-1 Hyperion; классифицированный снимок; итоговый результатклассификации б) Снимок Landsat 8; классифицированный снимок; итоговый результат классификации Результаты и выводы Следует отметить, что на классифицированном изображении на основе данных гиреспектрометра с использованием более узких и, в какомто смысле, более оптимальных спектральных каналов, наблюдается более четкое выделение типов растительности в пределах поля, чем на классифицированном изображении на основе мультиспектральных данных с использованием "традиционных" достаточно широких каналов.

Основное преимущество гиперспектральных данных перед мультиспектральными при решении задач тематического картографирования - возможность выбора наиболее репрезентативного набора спектральных зон для каждого типа задач. Использование всех каналов гиперспектрометра, из-за высокой корреляции части каналов, в этом случае ни имеет смысла. Важным моментом при решении задач является автоматизация отбора наиболее информативных каналов.

Результаты получены в ходе выполнения работ в рамках проекта РФФИ № 15мол_нр «Оценка засоренности агрофитоценозов Ростовской области с использованием гиперспектральных данных дистанционного зондирования Земли»

–  –  –

Список литературы:

Потатуркин О.И., Борзов С.М. Обработка гиперспектральных 1.

спутниковых изображений при исследовании антропогенных и природных объектов // Материалы конференции: «Распределенные информационные и вычислительные ресурсы», 2014 Журавель Ю.Н., Федосеев А.А. Особенности обработки 2.

гиперспектральных данных дистанционного зондирования при решении задач мониторинга окружающей среды // Компьютерная оптика, 2013, том 37, №4 Аншаков Г. П., Егоров А. С., Ращупкин А. В. Многоуровневая система 3.

оперативного гиперспектрального мониторинга земли // Вестник Самарского государственного аэрокосмического университета, 2013, том 42, №4 Архипова О.Е., Качалина Н.А., Тютюнов Ю.В., Ковалев О.В. Оценка 4.

засоренности антропогенных фитоценозов на основе данных дистанционного зондирования Земли (на примере амброзии полыннолистной). Исследования Земли из космоса, 2014. № 6. C. 15Качалина Н.А., Архипова О.Е. Выделение сорной растительности по 5.

снимкам SPOT5 с использованием классификации по методу максимального правдоподобия // Экология, экономика, информатика.

Ростов н/Д: ЮФУ, 2014. C. 86-90.

ДЕШИФРИРОВАНИЕ ПРИЗНАКОВ СЕЛЕПРОЯВЛЕНИЙ И

НЕГАТИВНОГО ИХ ВОЗДЕЙСТВИЯ НА ПРИРОДНЫЕ

КОМПЛЕКСЫ С СОСТАВЛЕНИЕМ КАРТ СЕЛЕВОЙ ОПАСНОСТИ

НА ОСНОВЕ СПУТНИКОВЫХ СЪЕМОК И ГИС ТЕХНОЛОГИЙ

Кондратьева Н.В., Аджиев А.Х., Беккиев М.Ю.

«Высокогорный геофизический институт», г. Нальчик, kondratyeva_nat@mail.ru, adessa1@yandex.ru vgikbr@yandex.ru В России наиболее опасным регионом, с точки зрения возникновения чрезвычайных ситуаций (ЧС) селевого характера, является Северный Кавказ. Его территория характеризуется активным развитием селевых процессов, которые могут стать источниками природных катастроф. В последние годы в горах Северного Кавказа отмечается рост не только числа, масштабов и интенсивности селевых катастроф, но и ощутимое возрастание величины и тяжести наносимого ими ущерба, что отвлекает огромные финансовые средства на устранение их последствий и отрицательно сказывается на социально - экономическом и рекреационном

–  –  –

развитии региона.

Осуществление комплекса превентивных мероприятий по прогнозированию и предупреждению селевых катастроф, обеспечивающих защиту населения и рекреационных комплексов, базируется в первую очередь на достоверной оценке селевой опасности и риска их проявления на территориях рекреационных комплексов. Проведение таких мероприятий позволяет выработать комплекс защитных мер и определить объемы резервов для обеспечения социально приемлемого уровня природного риска применительно к имеющим место на территории субъектов (районов) видам опасностей.

Настоящая работа посвящена дешифрированию признаков селепроявлений и негативного их воздействия на природные комплексы с составлением карт селевой опасности на основе спутниковых съемок и ГИС технологий. Картографируемая территория включала территории Северного Кавказа и Красной Поляна.

Используя спутниковые снимки 2006 – 2015гг. и ГИС технологии были построены карты селевых бассейнов масштабами от 1:10 000 до 1:1 000 000 территории Северного Кавказа и Красной Поляна.

С помощью обзорных карт (масштаб от 1:1 000 000) можно выявить распределение селеопасных территорий в пределах республики, области, страны, т.е. выделить наиболее опасные регионы. Назначением среднемасштабных карт (масштаб от 1:100 000) является выявление и фиксация общих закономерностей и условий формирования селевых потоков, и оценка степени селе опасности горных территорий в пределах республики, области, края, необходимая при составлении генеральных схем хозяйственного, спортивно-оздоровительного и культурного освоения этих территорий. Назначением крупномасштабных селевых карт (масштаб от 1:10 000) является детальная характеристика селевых процессов в отдельных горных долинах и водосборах. Их можно использовать при разработке противоселевых мероприятий и при организации стационарных исследований с целью прогноза селей на определенной территории.

Данная работа посвящена реализации следующих задач:

Оценка пространственного распространения, масштабов и частоты проявления селевых процессов на территориях Северного Кавказа и Красной Поляна.

Сравнительная оценка степени поражённости селевыми процессами разных территорий Северного Кавказа и Красной поляны.

Разработка кадастра селепроявлений и создание на единой картографической основе серий тематических карт и картосхем масштабами (1:10000–1000000) для оценки селевой опасности территорий районов Северного Кавказа и Красной Поляны. Кадастр разделен на четыре части: селевая опасность Западного Кавказа; селевая опасность

–  –  –

Центрального Кавказа; селевая опасность Восточного Кавказа; селевая опасность Красной Поляны.

При создании Кадастра селевой опасности Республик Северного Кавказа и района Красная Поляна для составления тематических селевых карт методы традиционной картографии сочетались с возможностями геоинформационных технологий, позволяющих гармонично сочетать основные методические положения традиционной картографии и геоинформационных систем. Развитые функции современных ГИС позволяют на новом уровне решать задачи картографирования – от создания электронных (видеоэкранных) карт и электронных атласов до получения их бумажных копий.

Нами набор геоинформационных слоев для разработки карт селевой опасности на территории Северного Кавказа, был создан на основе имеющихся физико-географических карт масштабом 1:100 000 и 1:50 000, 1:10 000, космических снимков (2012 г.г.) с портала Global Mapper, Google Earth Pro с помощью ГИС программы. Для создания карт был определен необходимый минимум общегеографической нагрузки, состоящий из следующих слоев: границы территорий, ледники, речная сеть, населенные пункты, дороги. На эту географическую подложку наносилась тематическая информация по селевой опасности. Для каждой карты разрабатывалась ее легенда и содержание, при этом сохранялась общность дизайна для слоев разной тематической направленности. На завершающем этапе были составлены серии тематических карт, векторизованных затем средствами ГИС. В качестве программного средства для создания баз данных, векторизации и обработки картографической информации использовалась программа (ГИС) ArcGIS 10.1.

При создании карт селевая опасность горных территорий в масштабе 1:100 000, в качестве основной таксономической единицы был принят «селевой бассейн». Для большинства выделенных бассейнов в качестве замыкающего створа принималось место впадения селеносного русла в реку более низкого порядка.

В качестве показателя степени селевой опасности использовался максимальный объем твердых отложений селя W (тыс. куб. м) в каждом селевом бассейне - интегральная величина, отражающая условия накопления, проявления и воздействия селевых явлений на народнохозяйственные объекты. Значения этого показателя позволяют в определенной степени судить обо всей совокупности условий селеобразования в пределах данного бассейна: чем больше факторов, способствующих селевой деятельности в данном бассейне, и чем они активнее, тем больше объем выноса.

При создании Кадастра авторами был развит новый аналитический подход для предварительной оценки максимального объёма твёрдых

–  –  –

отложений селя на территории Кавказа [1, 2]. Он предполагает типизацию селевых бассейнов по водному генетическому типу солеобразования в зависимости от высоты истока реки. Для получения аналитических выражений оценки максимального объёма твёрдых отложений селя, были использованы статистические данные о селе проявлениях в различных бассейнах на территории Северного Кавказа за период более 50 лет [3,4].

На рисунках 1 – 4 представлены обзорные карты селевой опасности территорий Восточного Кавказа, Центрального Кавказа, Западного Кавказа и Красной Поляны. На карте цветом дана интегральная характеристика селевой опасности – объем максимального единовременного выноса твердой составляющей селя в бассейне (максимальный объем твердых отложений селя), (W, м3). Так же штриховкой показана зональность бассейнов по генетическим типам селепроявлений, т.е. причина, вызывающая формирование селя: Л – таяние ледника, Д – атмосферные осадки дождь, ливень, Л-Д – таяние ледника и атмосферные осадки в совокупности.

Рис 1. Обзорная карта селевой опасности республик Восточного Кавказа.

–  –  –

Для изучаемой территории выделены следующие градации селевой опасности:

W 500 000 м3 - очень сильная опасность;

100 001 W 500 000 м3 - сильная опасность;

10 001 W 100 000 м3 - средняя опасность;

W 10 000 м3 - слабая опасность.

Полученные результаты могут быть использованы для предварительной оценки селевой опасности горных территорий Центрального и Западного Кавказа, на которых не ведутся стационарные наблюдения за селями.

Анализ карт позволил выделить на них участки развития селевых процессов, однотипные по характеру формирования, проявления, а также воздействия на населенные пункты.

В результате проведенных работ создан Кадастр селевых бассейнов Северного Кавказа, включающий четыре раздела: Кадастр селевых бассейнов Восточного Кавказа, состоящий из 557 бассейнов, общей площадью около 15611,6 км2; Кадастр селевых бассейнов Центрального Кавказа, включающий 370 бассейнов, общей площадью около 7137.7 км2;

Кадастр селевых бассейнов Западного Кавказа, состоящий из 309 бассейнов, общей площадью около 2508.3 км2; Кадастр селевых бассейнов района Красная Поляна, в него входит 65 бассейнов, общей площадью около 510 км2. В целом созданный кадастр включает 1301 бассейн на площади более 25700 км2.

–  –  –

Список литературы:

Кондратьева, Н.В. О методике предварительной оценки максимального 1.

объёма твёрдых отложений селя на территории Западного Кавказа/ Н.В. Кондратьева, М.М. Гяургиева, Л.В. Хучунаева // ГеоРиск. – 2014.

– № 1. – С. 34.

Кондратьева, Н.В. Предварительная оценка максимального объема 2.

твердых отложений селя методами математической статистики для Центрального Кавказа [Электронный журнал] / Н.В. Кондратьева // Современные проблемы науки и образования. – 2014. – № 4. – Режим доступа: http://www.science-education.ru/118-13897 Разумов, В.В. Кадастр лавинно-селевой опасности Северного Кавказа / 3.

В.В. Разумов, Н.П. Стрешнева, В.В. Перекрест; под ред. акад. РАН М.Ч. Залиханова. – Санкт-Петербург: Гидрометеоиздат, 2001 – 112 с.

Хворостов, В.В. Селевые процессы в верховьях рек Кубани и Кумы:

4.

дис. канд. геогр. наук: 11.00.04 / Хворостов Виктор Васильевич. – М., 1996. – 253с.

–  –  –

1. Испытательный полигон В МИИГАиК в 2011 году начались работы по созданию специализированного исследовательского полигона для разработки и оценки технологий картографирования и мониторинга территорий с использованием аэрофотосъемочных комплексов, установленных на БЛА [1].

Полигон расположен в Заокском районе Тульской области в 110 км от Москвы. На территории полигона имеются лесные массивы, различные гидрографические объекты, многообразные формы рельефа, сельскохозяйственные угодья и производственные объекты. В пределах полигона расположены населенные пункты, такие как поселок городского типа, деревни, дачные и коттеджные поселки. Имеются железные,

–  –  –

шоссейные, проселочные и полевые дороги, линии электропередачи различного напряжения и трубопроводы.

К настоящему времени на полигоне имеется планово-высотная опорно-геодезическая сеть, состоящая из 314 точек, из них 54 пункта локальной сети, закрепленных грунтовыми реперами и турами, в том числе 4 пункта ГГС, 63 маркированных опознака на площади 12 км2, 195 естественных опознаков, в том числе 37 для привязки космических сканерных изображений на площади 200 км2, 95 на площади 12 км2, 50 высотных опознаков для калибровки воздушного лазерного сканера, 21 опознак вдоль линейного объекта протяженностью 10 км, 6 точек опорной межевой сети Заокского района Тульской области. Закреплены точки для базовых станций на территории аэродрома «Дракино» в 10 км от Заокского полигона и «Большое Грызлово» в 17 км. На рис. 1 показана схема расположения точек геодезического обоснования центральной части полигона.

Рис. 1. Участок полигона площадью 12 км2 с расположением опознаков и точек геодезической сети На центральную часть полигона получена ЦМР по результатам обработки воздушного лазерного сканирования (ВЛС). ВЛС выполнено организацией МОСГИПРОТРАНС в июне 2012 года, при этом использован сканер Lieca ALS-50, высота полета 1000 м, частота сканирования 63000 Гц, угол сканирования +/- 580, плотность точек отражения на 1м2 - 1.2.

Результирующая матрица рельефа получена с плотностью 1 м и показана на рис. 2. Точность определения высот ЦМР (с.к.о.) 0.21 м. Перепад высот

–  –  –

на участок, предназначенный для полевой калибровки съемочных камер, составляет 98 метров с высотами над уровнем моря от 132 до 230 метров.

Рис. 2. Матрица рельефа, полученная в результате воздушного лазерного сканирования Координаты точек геодезического обоснования и опознаков получены в результате наблюдений ГННС в режиме статики с точностью (с.к.о) 2 см по всем трем координатам. Маркировка пунктов локальной сети выполнена в виде окопки размером 3х3 м, где центральная часть размером

1.5х1.5 м засыпана белым порошком. Искусственные опознаки маркированы окопкой размером 1х1 м, где в центральной части пункта используется пластиковый белый круг диаметром 32 см или черно-белый квадрат со стороной 50 см Для определения разрешающей способности аэрофотоснимков на время аэрофотосъемки используется радиальная мера размером 206х250 см с диаметром секторов 155 см. Размер сектора на краю окружности 25 см.

Число черных и белых секторов – 10.

Для определения разрешающей способности космических сканерных изображений используется радиальная мера диаметром 15.1 м с 8-ю секторами.

2. Тестирование аэрофотосъемочных комплексов на полигоне Введение В последнее время на рынке оборудования для дистанционного зондирования земли появились и появляются разнообразные комплексы, позволяющие получать информацию о земной поверхности с целью решения задач топографии, кадастра и мониторинга объектов и явлений.

Среди них широкоформатные и среднеформатные топографические камеры, малоформатные неметрические камеры, многокамерные съемочные системы, сканерные съемочные системы оптического и мультиспектрального диапазона, системы воздушного лазерного

–  –  –

2.1. Результаты испытательных полетов 2.1.1. Тестовые полеты БЛА «Птеро Е4»

В июле 2011 года компания «АФМ Серверс» провела первые испытательные полеты на «Заокском» геополигоне МИИГАиК, который был предварительно подготовлен для выполнения данной работы. Была обследована и перенаблюдена геосеть полигона, выполнена маркировка и определены координаты опознаков.

Цель испытаний – оценка возможности аэрофотосъемки с использованием БЛА для картографирования в крупных масштабах. В результате фотограмметрической обработки были получены

–  –  –

топографические планы М 1:2000 с сечением рельефа 1 м и 1:500 с сечением рельефа 1 м. Оценка точности построения фототриангуляции, цифровых фотопланов удовлетворяет требованиям инструкции по созданию топографических карт и планов [2]. Независимый полевой контроль полученных топографических карт, выполненный с помощью электронного тахеометра и спутникового приемника, подтвердили качество полученных документов о местности [3, 4].

2.1.2. Тестирование аэрофотосъемочного комплекса DiMAC Ultra Lihgt+ с навигационным оборудованием ”AeroDiDOS w IMU-LCI” В соответствии с техническим заданием после выполнения аэрофотосъемки необходимо выполнить фотограмметрическую обработку полученных в результате аэрофотосъемки материалов и оценить метрическую точность аэрофотосъемочного комплекса «DiMAC UltraLight+» и точность определения значений элементов внешнего ориентирования снимков навигационным комплексом ”AeroDiDOS w IMULCI”.

Фотограмметрическая обработка заключалась в построении сетей пространственной фототриангуляции на цифровой фотограмметрической системе «Фотомод», версия 5.2 по методу связок.

Исходными материалами для построения сетей фототриангуляции являлись цифровые аэрофотоснимки тестового полигона, полученные в результате аэрофотосъемки с высоты 1000 м (размер пикселя на местности 12 см), значения элементов внешнего ориентрирования, полученные в результате постобработки кинематических спутниковых измерений траекторий носителя и данных инерциальной системы, и материалы планово-высотной подготовки аэрофотоснимков.

В соответствии с техническим заданием с высоты фотографирования 1000 м был получен блок аэрофотоснимков из четырех маршрутов с направлением залета Восток-Запад с продольным перекрытием снимков Р=60% и поперечным перекрытием Q=40%. В этом блоке выполнено 3 каркасных маршрута с направлением залета Север-Юг и продольным перекрытием снимков Р=60%.

Оценка метрической точности аэрофотосъемочного комплекса и точности определения значений элементов внешнего ориентирования снимков навигационным комплексом производилась по результатам построения сети пространственной фототриангуляции, выполненной на цифровой фотограмметрической системе «Фотомод», версия 5.2 по методу связок.

При уравнивании сети фототриангуляции величины средних квадратических погрешностей определения координат и высот опорных точек и центров проекции принимались равными 0.2 м, углов наклона

–  –  –

Полученные результаты тестовых испытаний позволили организации МОСГИПРОТРАНС оценить возможности использования в своих производственных работах аэрофотосъемочного комплекса DiMAC Ultra Lihgt+ с навигационным оборудованием ”AeroDiDOS w IMU-LCI”.

–  –  –

2.1.3. Тестирование аэрофотосъемочного комплекса «Hasselblad H4D-60 aerial» с аэрофотоустановкой «AeroStab-3» на базе мотодельтаплана «Азимут 2м»

В августе 2013 года компания «ГеоТранс» (МИИТ) выполнила испытательные полеты на «Заокском геополигоне» с целью отработки технологии выполнения аэрофотосъемки, оценки точности и надежности получения высокоточных центров проекции и геометрической точности полученных аэрофотоснимков. Предварительно перед полетами на кафедре фотограмметрии МИИГАиК была выполнена фотограмметрическая калибровка съемочной камеры. На аэродроме «Дракино», где базируется мотодельтаплан, были определены элементы редукции фазового центра антенны ГННС на центр проекции съемочной камеры.

Тестовый полет выполнен на участок полигона площадью 4 км2.

Были использованы 42 опорных и контрольных точек, равномерно распределенных по блоку, состоящему из 7 маршрутов и 132 снимков.

Продольное перекрытие составило 60%, а поперечное 40%. Фокусное расстояние съемочной камеры составляло 100 мм, высота фотографирования 800 м, перепад высот на участке съемки составлял 98 метров, пространственное разрешение на земле 5 см. Построение и уравнивание фототриангуляции по способу связок с самокалибровкой выполнено в ЦФС «Фотомод». Результаты уравнивания представлены в таблице 4.

Таблица 4.

Параметры Количество (M ) z (M ) (M ) Опорные точки 42 0.063 0.045 0.066 Связующие точки 1208 0.007 0.012 0.068 Линейные ЭВО 132 0.054 0.075 0.162 Результаты тестовых полетов и обработки полученных данных показали технологичность данного метода выполнения аэрофотосъемки, высокую геометрическую точность полученных фотоснимков и ожидаемую точность определения центров проекции с помощью ГННС [5].

2.1.4. Контрольно-испытательные полеты БЛА «Суперкам»

В апреле 2014 года компания «Газпром космические системы»

выполнила контрольно-испытательные полеты на полигоне. Для аэрофотосъемки были использованы БЛА «Суперкам 250» и «Суперкам 350», разработанные ижевской компанией «ФИНКО». В качестве съемочных камер использованы цифровые фотоаппараты - Sony NEX-5R (20 мм) и Sony NEX-7R (35 мм). Для определения центров проекции снимков на борту установлены двухчастотные геодезические приемники

–  –  –

« avad» с авиационной антенной. Цель тестовых полетов – определение точности и надежности получения центров проекции в полете и ресурса аэрофотосъемочного комплекса при выполнении площадной съемки и съемки линейного объекта. В качестве объектов для аэрофотосъемки были определены: 1) участок магистрального трубопровода протяженностью 35 км для «Суперкам 350», 2) участок полигона площадью 12 км2 для «Суперкам 250», 3) участок площадью 100 км2 для «Суперкам 350», включающий центральный участок полигона. Во время аэрофотосъемки были установлены 3 базовых станции, одна из них в районе старта, две других – в начале и в конце линейного маршрута.

Фотограмметрическая обработка результатов аэрофотосъемки выполнена на ЦФС «Фотоскан». Высокоточные центры проекции вычислены в программе « ustin».

Параметры аэрофотосъемки были следующие: площадь участка 14 км2, борт «Суперкам 250», съемочная камера Sony NEX-7R (20 мм), высота фотографирования 250 м, размер пикселя на земле 3.3 см, число снимков 5532, маршрутов 28, время выполнения полетного задания 3 часа При построении и уравнивании блока аэрофотоснимков для участка, где в качестве опорных данных использованы только центры проекции, а 67 опознаков участвуют как контрольные точки, получены следующие средние квадратические погрешности по оси X 7.7 см, по оси Y 8.4 см, по Z

14.2 см.

Проведенные контрольно-испытательные полеты позволили сделать следующие выводы: за один полет БЛА (3-3.5 часа полета) по результатам аэрофотосъемки можно создать ортофотопланы масштаба 1:500 на площадь до 12-15 кв. км. и масштаба 1:2000 - на площадь до 100-120 кв. км, при этом в качестве опорного обоснования достаточно использовать только центры проекции, определенные в полете.

Заключение За пять работы испытательного полигона МИИГАиК выполнено тестирование 25-ти аэрофотосъемочных систем в различной комплектации бортового оборудования и разнообразных носителях от БЛА до пилотируемых летательных аппаратов. Проведенные работы позволили выполнить независимую экспертную оценку аэрофотосъемочных комплексов, усовершенствовать бортовую аппаратуру и технологию аэрофотосъемки, способствуют развитию цифровых фотограмметрических систем. Поскольку базой проведения испытаний является «Заокский геополигон», а участниками в аэросъемочных работах и обработке полученных данных являются студенты института, проходящие учебную или производственную практику, то такая деятельность способствует совершенствованию учебного процесса и развитию инфраструктуры полигона как научно-образовательного комплекса.

–  –  –

Список литературы:

«Испытательный полигон для тестирования беспилотных летательных 1.

аппаратов, используемых для картографирования и мониторинга территорий». Михайлов А.П., Курков В.М., Чибуничев А.Г. Тезисы 11й Международной научно-технической конференции «От снимка к карте: цифровые фотограмметрические технологии», Барселона, Испания, 2011.

«Инструкция по фотограмметрическим работам при создании 2.

цифровых топографических карт и планов». Москва, ЦНИИГАиК, 2002.

«Комплексная учебная практика по созданию крупномасштабных карт 3.

и других документов о местности». Курков В.М., Капустина А.В..

АТИП №3, 2013.

«Опыт использования БЛА при проведении практики студентов на 4.

«Заокском геополигоне» МИИГАиК». Курков В.М., Смирнов А.В., Иноземцев Д.П.. Герофи, №4, 2014.

«Крупномасштабная топографическая аэрофотосъемка с 5.

мотодельтоплана». Матвеев С.И., Ниязгулов У.Д., Гебгард А.А., Шевченко В.П.. Геопрофи №3, 2014.

ИСПОЛЬЗОВАНИЕ ВЕГЕТАЦИОННОГО ИНДЕКСА NDVI ДЛЯ

ИЗУЧЕНИЯ ДИНАМИКИ РАСТИТЕЛЬНОСТИ В БАССЕЙНЕ РЕКИ

АДАГУМ В 1989-2013 ГГ.

–  –  –

Растительность – один из самых ярких параметров состояния окружающей среды. Её характер определяется взаимодействием природного и антропогенного факторов. Вырубка или лесонасаждения, расчистка полей, строительство различных сооружений определяют антропогенное изменение распределения и состава растительности.

Опасные природные явления на территории российского Кавказа отражаются на составе и распределении растительности. Во время наводнений растительность наряду с селевыми массами может выноситься вниз по течению, увеличивая вязкость водяного вала и его разрушающую способность. Также крупные наводнения могут изменять русловую

–  –  –



Pages:   || 2 | 3 | 4 | 5 |   ...   | 7 |
Похожие работы:

«Библиографический список Вомперский С.Э. Биологические основы эффективности лесоосушения. М., 1968. 312 с. Колесников В.А. Методы изучения корневой системы древесных растений. М., 1972. С. 14-68. Чиндяев A.C., Иматов А.Р., Матвеева М.А. Лесоводственномелиоративная характерис...»

«Частные методики 215 разования: дис.. канд. пед. наук: 13.00.01. Ижевск, 2004. 185 с.9. Макоедова А.А. Формирование экологической компетентности старшеклассников в природоориентированной деятельности гимназии: дис.. канд. пед. наук: 13.00.01. М., 2007. 238 с.10. Новик-Качан А.И. Формирование экологической компетентности студен...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ" УТВЕРЖДАЮ Председатель совета юридического факультета д.ю.н., профессор В.Д. Зеленски...»

«Химия растительного сырья. 2006. №1. С. 59–64. УДК 633.88 БИОЛОГИЧЕСКИ АКТИВНЫЕ ВЕЩЕСТВА АНТИЯЗВЕННОГО РАСТИТЕЛЬНОГО СРЕДСТВА "ВЕНТРОФИТ" П.Б. Лубсандоржиева*, Т.А. Ажунова, Л.Н. Шантанова, А.А. Унагаева, Л.Х. Муханова © Институт общей и экспериментальной биологии СО РАН, ул Сах...»

«1. Цели освоения дисциплины Целью изучения дисциплины является получение знаний об экологических функциях литосферы.Студент, изучивший экологическую геологию, должен знать: общее место экологиче...»

«Внеклассное мероприятие (конференция) на тему: "Сохраним зеленый символ Крыма!"Цели: Привлечь внимание детей к проблеме сохранения популяции • можжевельников на территории Республики Крым. Формирование у школьников экологического мировоззрения, любви к • природе родного кр...»

«Страховые взносы в 2017 году или второе пришествие ЕСН не состоялось Автор Надежда Камышева, эксперт по налогообложению и бухгалтерскому учету ИА Клерк.Ру (Над.К). © ИА Клерк.Ру., аналитический отдел Итак, то, о чем последнее время мног...»

«МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ПОДГОТОВКА РАБОЧИХ КАДРОВ ДЛЯ СОЦИАЛЬНОЭКОНОМИЧЕСКОГО РАЗВИТИЯ РЕГИОНОВ ПРОЕКТ Процедуры и механизмы обеспечения соблюдения мер экологической безопасности в рамках проекта в соответствии с требо...»

«Секция "Социальная работа теория и практика" М.М. Аниденкова Научный руководитель: канд. филос. наук, доцент О.Т. Рабинович Муромский институт (филиал) Владимирского государственного университета Владимирская обл., г. Муром, ул. Орло...»

«ГБУ "Республиканская имущественная казна" (специализированная организация) руководствуясь ст. 448 Гражданского кодекса Российской Федерации, ст.3 Федерального закона от 03.11.2006г. № 174-ФЗ "Об автономных учреждениях", р...»

«В сб.: Проблемы урбанизации на рубеже веков. Отв. редактор А.Г. Махрова/Смоленск: Ойкумена, 2002 328 с. C. 189-198 В.Р. Битюкова. Принципы и методы комплексной оценки экологического состояния городской среды. Все возрастаю...»

«с р е д а О б и та Н и Я ГЛОбАЛьНый ЭКОЛОГИчЕСКИй КРИЗИС: МИФы И РЕАЛьНОСТь УДК 001 ББК 72 Г.Т. Фрумин глобальные экологические проблеМы: путь к катастроФе или МиФ? Рассмотрены различные ги...»

«Комитет природных ресурсов и экологии Волгоградской области Доклад о состоянии окружающей среды Волгоградской области в 2014 году Волгоград "СМОТРИ" УДК 502/504(470.45)(042.3) ББК 20.01.15 Д63 Редакционная коллегия: Вергун П. В. – председатель комитета природных ресурсов и экологии Волгоградской област...»

«А.П.Левич. Субстанциональное время открытых систем // Метафизика. 2013. Т. 2. №1(7). С. 50-73 СУБСТАНЦИОНАЛЬНОЕ ВРЕМЯ ОТКРЫТЫХ СИСТЕМ А.П. Левич Кафедра биофизики биологического факультета Московского государственного университета...»

«Структура курса ХОБП ч 1 – Химическая биология (вт ЮХА, чт СХА, 12-40) 09. 02 Что такое жизнь с точки зрения химика 1 11. 02 Молекулы клетки. Вода. Биологические мембраны 2 16. 02 Структура и функция белка (Бачева АВ)3 18. 02 Контрольная 1 25. 02 Обмен веществом. Преобразование энергии 4 Разбор контрольной 1 Стру...»

«МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ" КАФЕДРА БИОТЕХНОЛОГИИ, БИОХИМИИ И БИОФИЗИКИ МЕТОДИЧЕСКИЕ УКАЗАНИЯ к самостоятельной работе по дисципл...»

«РОССИЙСКАЯ АКАДЕМИЯ НАУК ДАЛЬНЕВОСТОЧНОЕ ОТДЕЛЕНИЕ ИНСТИТУТ ВОДНЫХ И ЭКОЛОГИЧЕСКИХ ПРОБЛЕМ Н.А. Нарбут Экологические проблемы региона Хабаровский край КУРС ЛЕКЦИЙ Работа выполнена при финансовой поддержке гранта губернатора Хабаровского края № 46/12 от 27.10. 2005. Хабаровск УДК 504. 06(571.62) Нарбут Н.А. Экологические проблемы...»

«98 ВЕСТНИК УДМУРТСКОГО УНИВЕРСИТЕТА 2016. Т. 26, вып. 2 БИОЛОГИЯ. НАУКИ О ЗЕМЛЕ УДК 581.9(571.651-37) М.Г. Хорева ОСОБЕННОСТИ ВИДОВОГО СОСТАВА ФЛОРЫ НИВАЛЬНО-ЭРОЗИОННОГО ЛАНДШАФТА В БЕРИНГОВСКОМ РАЙОНЕ ЧАО Обсуждаются особенности флоры нивальных и нивально-эрозионных местоположений в водосборном бассейне лагуны Эмээм (восточное п...»

«МИНИСТРЕСТВО СТРОИТЕЛЬСТВА И ЖИЛИЩНО-КОММУНАЛЬНОГО ХОЗЯЙСТВА РОССИЙСКОЙ ФЕДЕРАЦИИ СВОД ПРАВИЛ СП 27.13330.2016 БЕТОННЫЕ И ЖЕЛЕЗОБЕТОННЫЕ КОНСТРУКЦИИ, ПРЕДНАЗНАЧЕННЫЕ ДЛЯ РАБОТЫ В УСЛОВИЯХ ВОЗДЕЙСТВИЯ ПОВЫШЕННЫХ И ВЫСОК...»

«VII Международная специализированная выставка-форум "ДорогаЭкспо-2016" Об экологической безопасности автомобильных дорог. Проблема акустического загрязнения вблизи автодорог и пути ее решения Доктор технических наук, Кандидат технических наук, профессор, заведующий Доцент...»

«5 БIОФIЗИЧНИЙ ВIСНИК Вип. 32 (2). 2014 МОЛЕКУЛЯРНА БІОФІЗИКА УДК 577.323 ВЛИЯНИЕ ФЛАВИНМОНОНУКЛЕОТИДА НА ВЗАИМОДЕЙСТВИЕ В СИСТЕМЕ БРОМИСТЫЙ ЭТИДИЙ ДНК А.А. Герус, А.В. Фомин, Н.А. Гладковская, Е.Г. Березняк, Е.В. Духопельников, А.С. Хребтова, А.В. Зинченко* Институт радиофизики и электроники...»

«ЗАПОРОЖСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ КАФЕДРА БИОХИМИИ И ЛАБОРАТОРНОЙ ДИАГНОСТИКИ БИОЛОГИЧЕСКАЯ ХИМИЯ Учебное пособие для самостоятельной работы по подготовке к лицензионному интегриро...»

«СЕКЦИЯ 5 ТЕХНОЛОГИЯ СТРОИТЕЛЬНЫХ МАТЕРИАЛОВ. УТИЛИЗАЦИЯ ОТХОДОВ ПЕРЕРАБОТКИ МИНЕРАЛЬНОГО СЫРЬЯ. ЭКОНОМИКА И ЭКОЛОГИЯ НОВЫХ ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ УДК 669.015.2:21/23 РАЗРАБОТКА СПОСОБОВ ИЗВЛЕЧЕНИЯ ОСМИЯ ИЗ СЕЛЕНСОДЕРЖАЩИХ ПРОДУКТОВ ОЧИСТКИ МЕТАЛЛУРГИЧЕСКИХ ГАЗОВ Н.С. Арешина, А.Г. Касиков Институт химии и технологии редк...»

«КАЛИНИНГРАДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ В.И. САУСКАН ЭКОЛОГИЯ И БИОЛОГИЧЕСКАЯ ПРОДУКТИВНОСТЬ ОКЕАНА Калининград КАЛИНИНГРАДСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ В.И. САУСКАН ЭКОЛОГИЯ И БИОЛОГИЧЕСКАЯ ПРОДУКТИВНОСТЬ ОКЕАНА Учебное пособие Калининград УДК 574.5 (26) Саускан В.И. Экология и биологичес...»

«Шильникова Евгения Михайловна ГЕНЕТИЧЕСКИЕ И ЭПИГЕНЕТИЧЕСКИЕ ОСОБЕННОСТИ ГЕНОМА СПЕРМАТОЗОИДА И ИХ ВЛИЯНИЕ НА РАННЕЕ ЭМБРИОНАЛЬНОЕ РАЗВИТИЕ ЧЕЛОВЕКА специальность 03.02.07 – генетика АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата биологических наук Санкт-Петербург Р...»

«СТРУКОВА Дарья Викторовна БИОЛОГИЧЕСКАЯ АКТИВНОСТЬ БУРЫХ ЛЕСНЫХ ПОЧВ АГРОЦЕНОЗОВ ЧАЯ, ПЕРСИКА, ФУНДУКА ПРИ ДЛИТЕЛЬНОМ ПРИМЕНЕНИИ МИНЕРАЛЬНЫХ УДОБРЕНИЙ В УСЛОВИЯХ ЧЕРНОМОРСКОГО ПОБЕРЕЖЬЯ РОССИИ Специальность 06.01.04 – агрохимия АВТОРЕФЕ...»

«Фамилия Шифр _ Имя Район/город _ Рабочее место Шифр Итого: _ ЗАДАНИЯ практического тура регионального этапа XXVIII Всероссийской олимпиады школьников по биологии. 2011-12 уч. год. 11 класс БИОХИМИЯ. Оборудование, реактивы и материалы: гидроксид натрия (10%-ый р-р, NaOH), сульфат меди (1%-ый р-р, CuSO4), р...»

«***** ИЗВЕСТИЯ ***** № 1 (29), 2013 Н И Ж Н Е В О ЛЖ С КОГ О А Г Р ОУ Н И В Е РС И Т ЕТ С КОГ О КО МП Л Е КС А АГРОПРОМЫШЛЕННАЯ ИНЖЕНЕРИЯ УДК 631.67 СОВЕРШЕНСТВОВАНИЕ ТЕХНОЛОГИИ И ТЕХНИЧЕСКИХ СРЕДСТВ ОРОШЕНИЯ СЕЛЬСКОХОЗЯЙСТВЕННЫХ КУЛЬТУР ДОЖДЕВАНИ...»

«Введение Курс молекулярной биологии предоставляет студенту-медику глубокое понимание клеточных функций в молекулярных терминах. Эти знания необходимы для лучшего понимания таких традиционных дисциплин...»

«Управление образования администрации города Кунгура Общеобразовательное учреждение МАОУ СОШ № 21 города Кунгура СОГЛАСОВАНО УТВЕРЖДАЮ Методический совет школы Директор МАОУ СОШ № 21 Заместитель директора по ВР города Кунгура _Е.В.Айзатуллина _Л.А.Русинова "_"_20_г. "_"_20_г. Программа дополнительного...»










 
2017 www.lib.knigi-x.ru - «Бесплатная электронная библиотека - электронные материалы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.