МЕТОДОЛОГИЧЕСКИЙ ПОДХОД К ОБЪЕДИНЕНИЮ ГИС И ДЗЗ ДЛЯ ИССЛЕДОВАНИЯ ПРОСТРАНСТВЕННОЙ ДИНАМИКИ СЕЛЕОПАСНЫХ УЧАСТКОВ

61 УДК: 528.9:551.578.4(575.1) МЕТОДОЛОГИЧЕСКИЙ ПОДХОД К ОБЪЕДИНЕНИЮ ГИС И ДЗЗ ДЛЯ ИССЛЕДОВАНИЯ ПРОСТРАНСТВЕННОЙ ДИНАМИКИ СЕЛЕОПАСНЫХ УЧАСТКОВ Суюнов Абдусали Саматович Самаркандский государственный архитектурно-строительный университет e-mail: [email protected] Муллоджанова Гулноза Мухиддиновна Самаркандский государственный архитектурно-строительный университет e-mail: [email protected] Аминжанова Малика Бахтиёровна Самаркандский государственный архитектурно-строительный университет e-mail: [email protected] DOI: https://doi.org/10.5281/zenodo.17665044 Aннотация: В статье рассматриваются методологические подходы интеграции данных ДЗЗ и ГИС для анализа пространственной структуры и временной динамики селеопасных участков. Показано, что сочетание многоспектральных, радарных и рельефных данных обеспечивает комплексное понимание процессов, способствующих формированию селевых потоков. Особое внимание уделено использованию цифровых моделей рельефа, методов InSAR, многокритериального анализа и алгоритмов машинного обучения. Представленный подход позволяет повысить точность картирования опасных зон и выявлять скрытые деформационные процессы. Полученные результаты демонстрируют значимость ГИС-ДЗЗ технологий для мониторинга и управления рисками в горных регионах. Ключевые слова: ГИС, ДЗЗ, селевые процессы, пространственно-временной анализ, цифровая модель рельефа, картирование селеопасности. Annotatsiya. Maqolada Yerni masofadan zondlash (YMZ) ma’lumotlari va geografik axborot tizimlari (GAT) integratsiyasining metodologik yondashuvlari sel xavfli hududlarning fazoviy tuzilmasi va vaqt bo‘yicha dinamikasini tahlil qilishda ko‘rib chiqiladi. Ko‘p spektrli, radar va relyef ma’lumotlarining birgalikda qo‘llanishi sel jarayonlarini shakllantiruvchi omillarni kompleks tushunishni ta’minlaydi. Tadqiqotda raqamli relyef modellari, InSAR texnologiyasi, ko‘p mezonli tahlil va moshinaviy o‘rganish usullarining qo‘llanilishiga alohida e’tibor qaratilgan. Taklif etilgan yondashuv xavfli zonalarni aniqlash aniqligini oshiradi va yashirin deformatsion jarayonlarni aniqlash imkonini beradi. Natijalar tog‘li hududlarda monitoring va xavfni boshqarishda GAT– YMZ texnologiyalarining muhimligini namoyon etadi. Kalit so'zlar: GIS, YMZ, sel jarayonlari, makon-vaqt tahlili, raqamli relyef modeli, sel xavfini xaritalash. Введение. Селевые процессы относятся к числу наиболее опасных геоморфологических явлений в горных и предгорных регионах Центральной Азии. В условиях изменяющегося климата, роста интенсивности ливней и 62 усиления антропогенного воздействия риск возникновения селевых потоков возрастает, что делает задачу мониторинга и картографирования селеопасных территорий особенно актуальной. В таких условиях возрастает потребность в использовании современных цифровых методов анализа, обеспечивающих высокую пространственную и временную точность. Интеграция данных дистанционного зондирования Земли (ДЗЗ) и географических информационных систем (ГИС) представляет собой эффективный инструмент для выявления факторов, влияющих на образование селевых потоков, геомоделирования потенциальных траекторий движения и построения карт селеопасности. Преимущество комплекса ГИС-ДЗЗ состоит в возможности объединения разнотипной информации - от цифровых моделей рельефа до спутниковых временных рядов, что обеспечивает всестороннюю характеристику территории и её динамики. Целью данной работы является раскрытие методологических подходов интеграции ГИС и ДЗЗ для анализа пространственной структуры и временной динамики селеопасных участков. Методология. В основе данного подхода лежит симбиоз ГИС-анализа и многоспектральных, радарных спутниковых данных. Различные типы спутниковых данных позволяют извлекать ценные параметры, влияющие на селевую активность, такие как оптические многоспектральные данные (Sentinel-2, Landsat-8/9) - используются для оценки растительности, влажности поверхности, нарушений почвенно-растительного покрова, или радарные InSAR-данные (Sentinel-1, ALOS PALSAR), которые позволяют анализировать деформации поверхности, выявлять динамику склонов и проводить интерферометрический анализ, и так же цифровые модели рельефа (SRTM, ALOS, ASTER), которые обеспечивают расчёт морфометрических параметров, необходимых для оценки склоновой устойчивости. Как показывают исследования [1], точность выделения селевых участков значительно повышается при использовании сочетания данных разных спектральных диапазонов и рельефных характеристик. Ключевую роль играют ГИС в геомоделировании селеопасности и ее ГИС платформы, которые обеспечивают интеграцию многослойных пространственных данных, вычисление производных характеристик рельефа, построение моделей водосборных бассейнов, реализацию многокритериальных методов анализа и могут выполнить прогностическое геомоделирование распространения селевых потоков. 63 Для анализа могут применяться такие инструменты, как ArcGIS Spatial Analyst, QGIS Processing Toolbox, Google Earth Engine, а также специализированные модули HEC-RAS 2D, RAMMS DebrisFlow (рис. 1). Рис.1 – Расчет селевого потока сая Ургутсай на платформе RAMMS DebrisFlow Результаты и обсуждение. Использование цифровой модели местности является ключевым элементом анализа, поскольку селевые процессы напрямую связаны с морфологией территории. ЦМР позволяет получить уклоны и экспозицию, кривизну поверхности (плановую и профильную), параметры дренажной сети, локальные понижения, водотоки концентрированного стока и т.д. Исследованиями в Гималаях и на Кавказе подтверждено, что высокодетальные модели ALOS PALSAR (12,5 м) и TanDEM-X (12 м) демонстрируют высокую точность выделения склонов с критическими уклонами [2]. Для анализа динамики используются последовательности снимков NDVI (анализ изменения растительности), выявление очагов деградации территории, мониторинг русловых изменений саев и определение сезонной вариабельности влажности почвы (индекс NDMI). Например, в исследовании Фроуд М. (Froude M.) и Петлей Д. (Petley D) [3], Sentinel-2 и Landsat использовались для автоматизированного выявления участков с повышенной текучестью материала, связанных с селевой активностью. Данные о литологии (они определяют сопротивляемость склонов эрозии и способность к селеобразованию) и геологическом строении берутся из геологических карт средних масштабов или геологических фондов. 64 Метод анализа иерархий АНР (Analytical Hierarchy Process) представляет возможность формирования перечня факторов формирования селевых процессов, построение иерархии факторов, попарное сравнение и вычисление весовых коэффициентов и объединение слоев в интегральную модель. Факторы могут включать: уклон (главный фактор во всех исследованиях селевых явлений), литологию, плотность дренажной сети, растительность, нарушение поверхности и близость к руслам. Исследования в Индии и Непале подтвердили эффективность способа AHP для картирования склоновых процессов [4]. Так же существуют методы машинного обучения, которые применяются для повышения точности классификации селеопасных участков. Наиболее распространенные способы Random Forest (RF), Gradient Boosting Machines (GBM), SVM и нейросетевые архитектуры для сегментации (U-Net, Attention-UNet). Исследования Хия (Xia) и других [5] показали, что метод Random Forest даёт точность до 89% при моделировании селеопасности. Метод дистанционного зондирования InSAR позволяет измерять деформации склонов с субсантиметровой точностью, выявлять медленные движения масс, предшествующие селям и контролировать процессы накопления материала в верховьях сая. Применение Sentinel-1 в мировой практике показало высокую эффективность выявления микродеформаций, предшествующих сходам мелких селевых потоков. Заключение. Выше сказанное подтверждает практическую значимость комплексного ГИС и ДЗЗ подхода, который позволяет проводить объективный мониторинг территорий, выявлять скрытые процессы, недоступные полевым наблюдениям, строить реалистичные карты риска с высокой точностью, разрабатывать мероприятия по снижению риска: укрепление склонов, изменение русел, строительство плотин, запрет на строительство в селеопасных зонах и повышать эффективность управления территорией на региональном и локальном уровнях. Интеграция современных ГИС-технологий и данных дистанционного зондирования Земли обеспечивает надежную основу для выявления, анализа и визуализации пространственной динамики селеопасных участков. Комплексный подход предоставляет возможность не только картировать опасные зоны, но и отслеживать изменения во времени, выявляя тенденции развития процессов. Перспективы дальнейших исследований должны быть связаны с внедрением более детализированных спутниковых данных, 65 развитием нейросетевых моделей прогнозирования и интеграцией результатов в веб-геоплатформы для оперативного мониторинга. Литература: 1. Guzzetti, F., Mondini, A.C., Cardinali, M., et al. Landslide inventory maps: New tools for an old problem - Earth-Science Reviews -2012. 2. Catani, F. et al. Landslide susceptibility estimation by random forests technique - Geomorphology - 2013. 3. Froude, M.J., & Petley, D. Global fatal landslide occurrence 2004–2016 - Natural Hazards and Earth System Sciences - 2018. 4. Shirzadi, A. et al. A GIS-based comparative study of machine learning models for landslide susceptibility mapping - Remote Sensing - 2017. 5. Xia, L., et al. GIS-based landslide susceptibility modeling using data mining techniques - Frontiers in Earth Science - 2023. 6. Suyunov A., Khushmurodov F., Suyunov Sh., Hamdamova D., Aminjanova M. Ecological and geographical aspects of land using in forming agrolandscapes - Improving Energy Efficiency, Environmental Safety and Sustainable Development in Agriculture (EESTE2023). — 2023. — E3S Web of Conferences 463, 02006.