vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2021-26-5-75-85 Дистанционное зондирование земли, фотограмметрия Исследование влияния зон разломов территории заказника «Долинский» (о. Сахалин) на состояние его растительного покрова с использованием материалов дистанционного зондирования Земли О. В. Купцова Купцова О. В. И. И. Лобищева Лобищева И. И. А. А. Верхотуров Верхотуров А. А. В. А. Мелкий Мелкий В. А. Сахалинский государственный университет, г. Южно-Сахалинск, Россия Институт морской геологии и геофизики Дальневосточного отделения Российской академии наук, г. Южно-Сахалинск 2021 26 5 75 85 © О. В. Купцова, И. И. Лобищева, А. А. Верхотуров, В. А. Мелкий, 2021 2021 О. В. Купцова, И. И. Лобищева, А. А. Верхотуров, В. А. Мелкий Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Зоны разломов земной коры на территории Сахалина характеризуются высокой геодинамической активностью и в большинстве своем хорошо просматриваются на материалах космических съемок. Поэтому, выделяя на подобных территориях разнообразные растительные сообщества и определяя их состояние по содержанию фитомассы, используя значения вегетационного индекса NDVI, возможно сделать заключение о роли указанных разломов в оценке состояния указанных ценозов и ландшафтов в целом. Цель исследования, в этой связи, состоит в проверке достоверности гипотезы о формировании обильного растительного покрова в пределах разломных зон с использованием анализа материалов дистанционного зондирования Земли (ДЗЗ), обеспечивающих требуемую информационную полноту данных по объему фитомассы различных растительных сообществ. Методы: дешифрирование и анализ данных дистанционного зондирования Земли с Sentinel, Landsat и аппарата «Шаттл» при формировании SRTM, геоинформационное картографирование на платформе ArcGIS. В процессе исследования проанализировано состояние территории заказника «Долинский» (о. Сахалин) по материалам спутниковых съемок Landsat-8, Sentinel-2A, а также данные SRTM. Разломные зоны выявлены с помощью программных комплексов ArcGIS, QGIS и PyLEFA методами линеаментного анализа, классификация растительности осуществлена методом максимального правдоподобия, а ее состояние определено по значениям индекса NDVI, отражающего содержание фитомассы на исследуемом участке. В итоге выявлена достаточная информативность материалов ДЗЗ, продемонстрирована методика их обработки и использования полученных результатов, подтверждена достоверность гипотезы увеличения фитомассы ценозов и адекватных условий их развития, приуроченных к зонам разломов земной коры. дистанционное зондирование Земли дешифрирование аэрокосмических изображений геоинформационное тематическое картографирование геодинамическая активность Sentinel Landsat SRTM NDVI PyLEFA Earth’s remote sensing aerospace image decoding geographic information thematic mapping geodynamic activity Sentinel Landsat SRTM NDVI PyLEFA 1. Аплонов С. А. Геодинамика. – СПб. : Изд-во СПбГУ, 2001. – 360 с. 2. Короновский Н. В. Общая геология : учебник. – 2-е изд., стереотип. – Москва : ИНФРА-М, 2017. – 474 с. 3. Зверев А. Т. Инженерная геодинамика : учебник для студентов высших учебных заведений. – Москва : Изд-во МИИГАиК, 2013. – 324 с. 4. Парначёв В. П. Основы геодинамического анализа : учебное пособие. – Томск : Изд-во НТЛ, 2011. – 308 с. 5. Трифонов В. Г. Особенности развития активных разломов // Геотектоника. – 1985. – Т, 19, № 2. – С. 16–26. 6. Трифонов В. Г. Живые разломы земной коры // Соросовский образовательный журнал. – 2001. – Т. 7, № 7. – С. 66–74. 7. Жмакин Е. Я., Давыдова Е. Г. Разломы земной коры и особенности растительности в зоне их влияния на территории Калужской области // Вестник Калужского университета. – 2010. – № 3. – С. 57–60. 8. USGS EROS Archive. Digital Elevation – Shuttle Radar Topography Mission (SRTM) Void Filled. GloVis Website USGS (U.S. Geological Survey) [Electronic resource]. – Mode of access : https://glovis.usgs.gov/aP (accessed 15.06.2021). 9. United States Geological Survey (USGS) [Electronic resource]. – Mode of access : https://doi.org/earthexplorer.usgs.gov/ (accessed 15.06.2021). 10. Sentinel Missions. Website ESA (European Space Agency) [Electronic resource]. – Mode of access: https://sentinel.esa.int/web/sentinel/missions/sentinel-2 (accessed 15.06.2021). 11. Ресурсы для ArcMap // ESRI.com [Электронный ресурс]. – Режим доступа : https://www.esri.com/ru-ru/arcgis/products/arcgis-desktop/resources (дата обращения: 15.06.2021). 12. The QGIS Line Direction Histogram Plugin. Håvard Tveite. Created using Sphinx 1.6.7 [Electronic resource]. – Mode of access : http://plugins.qgis.org/plugins/LineDirectionHistogram/ (accessed 15.06.2021). 13. Шевырёв С. Л. Программа LEFA: автоматизированный структурный анализ космической основы в среде Matlab // Успехи современного естествознания. – 2018. – № 10. – С. 138–143. 14. Richards J. A. Remote sensing digital image analysis. An introduction. – Sekond, revised and enlarged edition. – Berlin Heidelberg: Springer – Verlag, 1993. – 339 c. 15. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. – М. : Техносфера, 2010. – 560 с. 16. Кашницкий А. В., Балашов И. В., Лупян Е. А, Толпин В. А., Уваров И. А. Создание инструментов для удаленной обработки спутниковых данных в современных информационных системах // Современные проблемы дистанционного зондирования Земли из космоса. – 2015. – Т. 12, № 1. – С. 156–170. 17. Классификации по методу максимального подобия // ArcGIS Desktop. Краткий обзор справочника по инструментам геообработки [Электронный ресурс]. – Режим доступа : https://desktop.arcgis.com/ru/arcmap/10.5/tools/spatial-analyst-toolbox/maximum-likelihoodclassification.htm (дата обращения: 15.06.2021). 18. Canny J. F. A. A Computational Approach to Edge Detection [Electronic resource] // IEEE transactions on pattern analysis and machine intelligence. – 1986. – Vol. pami-8, No.6. – P. 679–698. – Mode of access: http://perso.limsi.fr/vezien/PAPIERSACS/canny1986.pdf (accessed: 15.06.2021). 19. Galamhos C., Matas J., Kittler J. Progressive probabilistic Hough transform for line detection [Electronic resource] // IEEE Computer Society Conference on Computer Vision and Pattern Recognition. – 1999. – P. 554–560. – Mode of access: https://dspace.cvut.cz/bitstream/handle/10467/9451/1999-Progressiveprobabilistic-Hough-Transform-for-line-detection.pdf?sequence=1 (accessed 15.06.2021). 20. Hobbs W. H. Lineaments of the Atlantic border region // Geological Society of America Bulletin. – 1904. – Vol. 15. – P. 483–506. 21. Shahtahmassebi A., Yang N., Wang K., Moore N., Shen Z. Review of shadow detection and deshadowing methods in remote sensing // Chinese Geographical Science. – 2013. – Vol. 23 (4). – P. 403–420. doi: https://doi.org/10.1007/s11769-013-0613-x. 22. Корзников К. А., Беляева Н. Г., Сандлерский Р. Б. Моделирование лесного покрова бассейна реки Венгери на острове Сахалин с применением данных дистанционного зондирования // Лесоведение. – 2020. – № 5. – С. 399–411. doi: 10.31857/S002411482005006X. 23. Верхотуров А. А., Мелкий В. А. Картографирование растительных сообществ подзоны темнохвойных лесов юга Сахалина на основе космических съемок // ИнтерКарто. ИнтерГИС. – 2020. – Т. 26, № 4. – С. 60–72. doi: 10.35595/2414-9179-2020-4-26-60-72. 24. Лобищева И. И. Растительность альпийского пояса Западно-Сахалинских гор в заказнике «Макаровский» // Известия вузов. Геодезия и аэрофотосъемка. – 2011. – № 6. – С. 61–63. 25. Мельников Е. К., Рудник В. А., Мусейчук Ю. И., Рымарев В. И. Патогенное воздействие зон активных разломов земной коры Санкт-Петербургского региона // Геоэкология. Инженерная геология, гидрогеология, геокриология. – 1994. – № 4. – С. 52–69. 26. Мельников Е. К., Шабаров А. Н. Оценка роли геодинамического фактора в аварийности трубопроводных систем // Записки Горного Института. – 2010. – Т. 188. – С. 203–206. 27. Долгополов Д. В. Использование данных дистанционного зондирования Земли при формировании геоинформационного пространства трубопроводного транспорта // Вестник СГУГиТ. – 2020. –Т. 25, № 3. – C. 151–159. doi: 10.33764/2411-1759-2020-25-3-151-159. 28. Долгополов Д. В., Никонов Д. В., Полуянова А. В., Мелкий В. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения // Вестник СГУГиТ. – 2019. – Т. 24, № 3. – С. 65–81. 29. Маркелов Д. А., Маркелов А. В., Минеева Н. Я., Акользин А. П., Кочуров Б. И., Шаповалов Д. А., Хуторова А. О., Григорьева М. А., Чукмасова Е. А. Нефтяное загрязнение ландшафтов Чечни: распознавание на местности – «Технологии с одного взгляда» // Экология урбанизированных территорий. – 2018. – № 2. – С. 52–60. doi: 10.24411/1816-1863-2018-12052 30. Карпик А. П., Середович В. А., Дубровский А. В., Ким Э. Л., Малыгина О. И. Анализ природных и техногенных особенностей геопространства чрезвычайной ситуации // Интерэкспо ГЕОСибирь-2012. VIII Междунар. науч. конгр. : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия» : сб. материалов в 3 т. (Новосибирск, 10−20 апреля 2012 г.). − Новосибирск : СГГА, 2012. Т. 3. – С. 178–184. 31. Жарников В. Б. Рациональное использование земель и основные условия его реализации // Вестник СГУГиТ. – 2017. – Т. 22, № 3. – С. 171–179.