=Paper=
{{Paper
|id=Vol-2033/50_paper
|storemode=property
|title=Информационно-аналитическая система оценки зоны влияния выбросов угледобывающего региона с использованием данных дистанционного зондирования
(Information-analytical System of Evaluation of the Zone of Influence of Emissions of the Coal-mining Region Using Remote Sensing Data)
|pdfUrl=https://ceur-ws.org/Vol-2033/50_paper.pdf
|volume=Vol-2033
|authors=Olga L. Giniyatullina,Anatoly A. Bykov
}}
==Информационно-аналитическая система оценки зоны влияния выбросов угледобывающего региона с использованием данных дистанционного зондирования
(Information-analytical System of Evaluation of the Zone of Influence of Emissions of the Coal-mining Region Using Remote Sensing Data)==
https://ceur-ws.org/Vol-2033/50_paper.pdf
INFORMATION-ANALYTICAL SYSTEM OF EVALUATION OF THE
ZONE OF INFLUENCE OF EMISSIONS OF THE COAL-MINING REGION
USING REMOTE SENSING DATA
Olga L. Giniyatullina, Anatoly A. Bykov
Institute of Computational Technologies SB RAS, Kemerovo Branch, Kemerovo, Russia
Abstract
We present an approach to the development of information-analytical system to estimate emissions
using a chain «data of remote sensing – mathematical model – results of measurements». In the system
emission analysis is based on processing the data from the Sentinel 2a satellite. The algorithm of the
image processing method of the Future Extract Segment Only is also presented. We show the results of
combining the processed remote sensing data and estimated values, given their justification.
Keywords: Sentinel 2a, emissions, information-analytical system, Future, Extract, segmentation
ИНФОРМАЦИОННО-АНАЛИТИЧЕСКАЯ СИСТЕМА ОЦЕНКИ ЗОНЫ ВЛИЯНИЯ
ВЫБРОСОВ УГЛЕДОБЫВАЮЩЕГО РЕГИОНА С ИСПОЛЬЗОВАНИЕМ ДАННЫХ
ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ
Гиниятуллина О.Л., Быков А.А.
Кемеровский филиал Института вычислительных технологий СО РАН, Кемерово
Предложена разработка информационно-аналитической системы оценки выбросов, использую-
щая цепочку «ДДЗ - математическая модель - результаты замеров». Анализ территорий в системе вы-
полняется на базе обработки данных со спутника Sentinel 2a. Приводится алгоритм обработки изобра-
жением методом Future Extract Segment Only. Показаны результаты совмещения обработанных данных
дистанционного зондирования и расчетных показателей, дано их обоснование.
Ключевые слова: Sentinel 2a, выбросы, информационно-аналитическая система, Future Extract,
сегментация
Введение. Контроль состояния атмосферы и управление источниками выборов является
острой проблемой горнопромышленных регионов. Статья 16 Закона Российской федерации об
охране атмосферного воздуха [1] устанавливает, что «при проектировании, размещении, стро-
ительстве, реконструкции и эксплуатации объектов хозяйственной и иной деятельности
должно обеспечиваться непревышение нормативов качества атмосферного воздуха в соответ-
ствии с экологическими, санитарно-гигиеническими нормами», а также «учитываться фоно-
вый уровень загрязнения атмосферного воздуха и прогноз изменения его качества при осу-
ществлении указанной деятельности». Законом также устанавливаются санитарно-защитные
зоны (СЗЗ) предприятий, размеры которых определяются на основе расчетов рассеивания вы-
бросов загрязняющих веществ (ЗВ) в атмосферном воздухе и в соответствии с санитарной
классификацией организаций [2].
В Кузбассе угледобывающие предприятия оказывают негативное техногенное воздей-
ствие на состояние окружающей среды. Система государственного мониторинга окружающей
среды осуществляет оценку степени воздействия на природные комплексы [3]. Для угледобы-
вающих предприятий выбросы за пределами СЗЗ должны обеспечивать соблюдение допусти-
мых значений рисков для здоровья населения, прописанных в [4]. Следует отметить, что в
настоящее время практика расчета острых, хронических и канцерогенных рисков для здоровья
населения выполняется только в разделе ингаляционного воздействия (поступление ЗВ при
дыхании). Однако, по [5] риски должны вычисляться с учетом поступления перорального (при
потреблении воды и пищи) и через кожные покровы. Для этого требуется информационно-
аналитическая система, которая обеспечивала бы сбор подобных данных, а также содержала
бы расчетные модели для оценки выпадения атмосферных выбросов на различные типы под-
стилающей поверхности (вода, почва, снег), включая средства мониторинга и проверки этих
данных. Рассмотрим, какие методы и подходы для оценки выбросов в настоящее время суще-
ствуют.
Математические модели расчета выбросов. В настоящее время существует ряд мате-
матических моделей расчета выбросов, подробно описанных в [3]. Модели, как правило, поз-
воляют получить поля оседания ЗВ от источника выбросов в виде изолиний. На практике, ко-
нечно, существует некоторое отклонение от расчетных данных.
Как показали исследования, наиболее удобным и достоверным показателем загрязнения
атмосферы является анализ состояния снежного покрова. Снег является уникальным индика-
тором выбросов в атмосферу, поскольку летом вещества поглощаются почвой, водной поверх-
ностью и растительность, в то время как в зимний период происходит выпадение и накопление
оседающих ЗВ с момента установления покрова до его весеннего таяния [3].
В соответствии с нормативными документами [6, 7], содержание в почвах населенных
мест и сельхозугодий потенциально опасных для человека химических веществ не должно
257
превышать предельно допустимые концентрации (ПДК), установленные санитарными прави-
лами и гигиеническими нормативами. В рекомендациях [8], предназначенных для выявления
зон чрезвычайной ситуации и зон экологического бедствия, приводится ранжирование по сте-
пени опасности уровня суммарного пылевого загрязнения снегового покрова.
Методы оценки выбросов горнопромышленного региона. Классическим методом
определения степени загрязненности снега является отбор проб снежного покрова с последу-
ющим химическим анализом его в лаборатории. В нормативных документах [6, 7] строго опре-
делены показатели ПДК загрязняющих веществ для различных территорий. Следует отметить,
что, несмотря на точность определения количества ЗВ, данный метод имеет существенные
ограничения по площади обследования. Практически невозможно установить границы рас-
пространения загрязнений и осуществить контроль их изменения.
Альтернативным методом оценки выбросов горнопромышленного региона является ис-
пользование данных дистанционного зондирования земли в зимний период времени. В [9]
авторы описывали методы обработки космических снимков среднего разрешения с целью вы-
деления границ загрязнений. Как указывалось ранее, космоснимки позволяют получить пло-
щадные измерения на больших территориях, выделить зоны аномальных значений спектраль-
ной отражательной способности снега, которые указывают на наличие пылевых загрязнений.
В настоящее время, в связи с получением данных дистанционного зондирования высо-
кого разрешения со спутника Sentinel 2A, предложенный ранее подход адаптирован и развит
в соответствии со спецификой обработки данного типа снимков.
Данные со спутника Sentinel 2A относятся к классу гиперспектральных снимков, в то
время как в [9] для обработки использовались мультиспектральные снимки Landsat 7. Следует
заметить, что мультиспектральные сенсоры формируют несколько изображений на «отдель-
ной узкой полосе частот» от видимого до инфракрасного спектра, а гиперспектральный - од-
новременно изображения на всех участках спектрального диапазона и получает спектры всех
пикселей сцены [10]. В отличие от мультиспектральных изображений гиперспектральные
снимки более детально отображают земную поверхность. Изучение и классификация сложных
экосистем на базе гиперспектральных снимков позволит повысить точность применения ДДЗ
в таких областях как разведка и контроль месторождений, лесное и сельское хозяйство, охрана
окружающей среды.
Предложенный ранее метод оценки снежного покрова базировался на применении ин-
декса снега, который позволяет получить зоны аномальных значений интенсивности спек-
тральной отражательной способности объектов путем алгоритмических преобразований крас-
ной и ближней инфракрасной полосы. В результате обработки выделяется пятно загрязнения,
однако произвести градацию внутри по значениям индекса практически невозможно. С уче-
том того, что новые данные являются гиперспектральными и обладают большей информатив-
ностью, предлагается использовать для обработки алгоритмы, основанные на выделении внут-
ренних свойств структур объектов (Future extraction method). Суть подхода заключается в ком-
плексном выделении структурных, текстурных и пространственных характеристик объектов
на снимке по некоторому правилу либо их комбинации. В настоящее время активно развива-
ются данные алгоритмы обработки изображений, использующие Фурье-преобразования, из-
менения гистограмм, различные фильтры (медианные, анизотропные и др.), морфологические
операции и др. [11, 12]. Выбор того или иного алгоритма обработки изображения напрямую
зависит от решаемой задачи. При оценке пылевого загрязнения снежного покрова на гипер-
спектральных снимках требуется выделить зону аномалии в целом (т.е. условные границы
объекта, где значения спектральной яркости пикселов имеют резкое отличие) и выполнить
градацию внутри нее. С учетом представленного выше обоснования применения математиче-
ских моделей для оценки пылевых выбросов и практики лабораторных анализов проб снега,
исследовалась возможность получения границ пылевого загрязнения в общепринятой града-
ции [5, 8] по изображениям со спутника Sentinel 2a. При описании математической модели
распространения примеси предполагается, что снежный покров – это однородное покрытие,
на котором происходит оседание частиц по некоторому закону. Используем подобный подход
258
для выбора алгоритма обработки изображения. Будем считать, что снежное покрытие имеет
однородный состав и единую известную спектральную отражательную способность. Оседание
ЗВ происходит от источника загрязнения с уменьшением концентрации на определенном по-
роге. Следовательно, можно определить значения спектральной яркости пикселей снега и при
наличии отклонений в ИК-спектре разделить их на некоторые условные классы. Поскольку в
официальной документации принята шкала определения степени загрязнений от 1 до 5 г/м 2,
то используем 5 классов деления. Фактически, задача сводится к разбивке изображения на сег-
менты, используя в качестве правила отклонение в спектральных значениях пиксела в опреде-
ленных каналах, т.е. внутренние свойства объектов. Таким образом, предлагается использо-
вать алгоритм Future extraction для выделения сегментов (Extract Segments Only). Обратим вни-
мание, что данный алгоритм работает не на одной полосе изображения, а на их совокупности.
Наилучший результат сегментирования снежного покрытия дает алгоритм с использованием
опции (Edge), которая устанавливает границы при изменении интенсивности в любом канале,
и полного списка значений 𝝀 при слиянии малых сегментов в более крупные. В результате
работы алгоритма получается сегментированное изображение снежного покрова, на котором
легко идентифицируются границы изменения интенсивности отражения снежного покрова,
что характеризует степень его загрязнения.
В Кемеровском филиале ИВТ разрабатывается информационно-аналитическая система
оценки выбросов Кузбасса, которая сочетает в себе математическую модель расчета выбросов,
результаты обработки данных дистанционного зондирования и лабораторные замеры проб
снега.
Оценка выбросов в информационно-аналитической системе. Предлагаемая инфор-
мационно-аналитическая система реализуется в рамках концепции распределенных систем,
разрабатываемых в КФ ИВТ СО РАН и содержит три основных блока: расчетный модуль, блок
данных ДДЗ и БД проб.
Продемонстрируем основные функции системы на примере объекта - территории Про-
копьевско-киселевского и частично Новокузнецкого районов Кемеровской области, которая
характеризуется высоким содержанием угледобывающих предприятий.
Принцип работы системы основан на применении цепочки «космоснимки – модель –
пробы». Обработка космоснимков по рассмотренному выше алгоритму позволяет получить
сегментированное изображение снежного покрова с четкими границами изменения интенсив-
ности отражения. Модель позволяет рассчитать показатели выбросов с учетом удаления их от
источников. Совмещение результатов обработки снимков с математическими расчетами поз-
воляет провести идентификацию степени загрязнения в общепринятой градации и определить
точки отбора проб, которые завершают обследование территории.
За период октябрь 2016 г. – март 2017 г. удалось получить три снимка со спутника Sen-
tinel 2A, в результате обработки которых алгоритмом Future Extract Segments Only получено
сегментированное изображение на всю территорию с четким выделением пятна загрязнения в
целом и разбиением его на отдельные сегменты. Результаты обработки снимков совмещены с
полученными расчетными изолиниями (рис. 1).
Как видно на рис 1. в контур рассчитанной изолинии выбросов 5 г/м2 происходит 100 %
попадание объектов с резким падением значений отражения в области ИК спектра (рис. 2, ли-
ния 5). Полученные сегменты соответствуют источникам загрязнения. Далее происходит рас-
пределение выделенных сегментов по еще четырем классам с увеличением значений в ИК
спектре (рис. 2, линии 1-4), что соответствует распределению ЗВ от источников. Таким обра-
зом, удалось провести идентификацию степени загрязнения снега в официально принятой
классификации. Как видно на рисунке, оседание пыли происходит в северо-восточном направ-
лении от источников загрязнения, что соответствует направлению розы ветров в данном реги-
оне. По полученным в результате обработки космосников данным были выбраны точки отбора
проб.
Пробы проанализированы на содержание различных элементов и суммарное содержания
пылевых частиц (твердый остаток). В таблице 1 приведены концентрации твердых частиц в
259
снеговой воде (мг/дм3) и пересчитанные на основе мощности (глубины) снежного покрова и
его плотности значения выпадений в снег пылевых частиц (г/м2 за зиму).
Лабораторные данные полностью подтвердили результаты пространственного и матема-
тического моделирования.
Полученные результаты обследования района позволили определить источники загряз-
нения, выделить зоны оседания ЗВ с их точными границами и провести их ранжирование по
официальной классификации. Применение космоснимков и расчетной модели позволило
определить более точно места отбора проб, что существенно снизило затраты на проведение
экологического мониторинга выбросов угольных предприятий.
Рис. 1. Совмещение результатов обработки космоснимков и расчета математической модели.
Рис. 2. Спектральная отражательная способность снега в выделенных сегментах изображения.
260
Точки отбора снеговых проб, взятых весной 2017 года.
Код Координаты, Мощность Плотность Запас Твердый Выпадение
угл. град. снежного снежного по- Н2О, V, остаток, за зиму,
покрова, см крова, г/см3 л/м2 мг/дм3 г/м2
N 53,65024 164,5 129,79
T1 213 0,3704 789
E 86,91170
N 53,64700 207,2 27,56
T3 60 0,2217 133
E 086,89955
N 53,63851 66,9 16,52
T2 90 0,2744 247
E 86,85390
N 53,61587 63,6 7,69
T4 59 0,2051 121
E 86,91357
N 53,61444 53,0 8,06
T5 62 0,2452 152
E 86,92321
N 53,59819 115,1 22,91
T6 82 0,2427 199
E 86,91881
Разработанная информационно-аналитическая система оценки выбросов позволяет ком-
плексно оценивать состояние региона в целом, причем площадь исследования ограничивается
только границами захвата космоснимка. Применение математической модели и данных лабо-
раторных исследований являются дополнительными механизмами проверки адекватности по-
лученных результатов. Предложенная система является уникальным инструментом управле-
ния горнопромышленным регионом и может входить как блок в систему геоэкологического
мониторинга.
Работа выполнена при финансовой поддержке РФФИ (грант № 16-45-420277-р_а).
ЛИТЕРАТУРА
[1] Федеральный закон «Об охране атмосферного воздуха» (в редакции от 30.12.2008 № 313-ФЗ)
[2] Ковалев В.А., Потапов В.П., Счастливцев Е.Л., Шокин Ю.И. Моделирование геоэкологических
систем угледобывающих районов. Новосибирск: Изд-во СО РАН, 2015. 298 с.
[3] Ковалев В. А., Потапов В. П., Счастливцев Е. Л. Мониторинг состояния природной среды угле-
добывающих районов Кузбасса. Новосибирск: Изд-во СО РАН, 2013.
[4] СанПин 2.2.1/2.1.1.1200-03 c изменениями № 1 СанПин 2/2/1/2/2/1-2362-08 от 10/04.2008, № 25
Санитарно-защитные зоны и санитарная классификация предприятий, сооружений и иных объ-
ектов. М., 2008
[5] Р 2.1.10.1920-04 Руководство по оценке риска для здоровья населения при воздействии химиче-
ских веществ, загрязняющих окружающую среду. М., 2004. 163 с.
[6] Методические указания МУ 2.1.7.730-99 «Гигиеническая оценка качества почвы населенных
мест». М., 1999
[7] СанПин 2.1.7.1287-03. Санитарно-эпидемиологические требования к качеству почвы. М., 2003
[8] Критерии оценки экологической обстановки территории для выявления зон чрезвычайной эко-
логической ситуации и зон экологического бедствия. Методика. М., 1992
[9] Опарин В.Н., Потапов В.П., Гиниятуллина О.Л., Андреева Н.В., Счастливцев Е.Л., Быков А.А.
Оценка пылевого загрязнения атмосферы угледобывающих районов Кузбасса в зимний период
по данным дистанционного зондирования Земли // Физико-технические проблемы разработки
полезных ископаемых. 2014. № 3. С. 126-137
[10] Da-Wen Sun. Hyperspectral imaging for food quality. Analysis and control. UK, 2010. 493 p.
[11] Nixon M., Aguado A. Feature Extraction & Image Processing for Computer Vision.- 3th ed. UK, 2012.
623 p.
[12] Guyon I., Nikravesh M., Zadeh L.A. Feature Extraction. Foundation and Applications.- Berlin, NY,
2006. 762 p.
261