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 p o ec ed]
Муллоджанова Гулноза Мухиддиновна
Самаркандский государственный архитектурно-строительный университет
e-mail: gmullodjano a@mail. u
Аминжанова Малика Бахтиёровна
Самаркандский государственный архитектурно-строительный университет
e-mail: aminjano a_lika@mail. u
DOI: h ps://doi.o g/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.
Anno a siya. Maqolada Ye ni maso adan zondlash (YMZ) ma’lumo la i a geog a ik
axbo o izimla i (GAT) in eg a siyasining me odologik yondashu la i sel xa li hududla ning
azo iy uzilmasi a aq bo‘yicha dinamikasini ahlil qilishda ko‘ ib chiqiladi. Ko‘p spek li, ada
a elye ma’lumo la ining bi galikda qo‘llanishi sel ja ayonla ini shakllan i u chi omilla ni
kompleks ushunishni a’minlaydi. Tadqiqo da aqamli elye modella i, InSAR exnologiyasi, ko‘p
mezonli ahlil a moshina iy o‘ ganish usulla ining qo‘llanilishiga alohida e’ ibo qa a ilgan.
Takli e ilgan yondashu xa li zonala ni aniqlash aniqligini oshi adi a yashi in de o ma sion
ja ayonla ni aniqlash imkonini be adi. Na ijala og‘li hududla da moni o ing a xa ni
boshqa ishda GAT– YMZ exnologiyala ining muhimligini namoyon e adi.
Kali so'zla : GIS, YMZ, sel ja ayonla i, makon- aq ahlili, aqamli elye modeli, sel
xa ini xa i alash.
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
(Sen inel-2, Landsa -8/9) - используются для оценки растительности, влажности
поверхности, нарушений почвенно-растительного покрова, или радарные
InSAR-данные (Sen inel-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 A cGIS Spa ial
Analys , QGIS P ocessing Toolbox, Google Ea h Engine, а также
специализированные модули HEC-RAS 2D, RAMMS Deb isFlow (рис. 1).
Рис.1 – Расчет селевого потока сая Ургутсай на платформе RAMMS Deb isFlow
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. (F oude
M.) и Петлей Д. (Pe ley D) [3], Sen inel-2 и Landsa 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 (Analy ical Hie a chy P ocess) 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 Fo es (RF), G adien Boos ing Machines
(GBM), SVM и нейросетевые архитектуры для сегментации (U-Ne , A en ion-U-
Ne ). Исследования Хия (Xia) и других [5] показали, что метод Random Fo es
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 Sen inel-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. Guzze i, F., Mondini, A.C., Ca dinali, M., e al. Landslide in en o y maps: New ools o an
old p oblem - Ea h-Science Re iews -2012.
2. Ca ani, F. e al. Landslide suscep ibili y es ima ion by andom o es s echnique -
Geomo phology - 2013.
3. F oude, M.J., & Pe ley, D. Global a al landslide occu ence 2004–2016 - Na u al Haza ds
and Ea h Sys em Sciences - 2018.
4. Shi zadi, A. e al. A GIS-based compa a i e s udy o machine lea ning models o landslide
suscep ibili y mapping - Remo e Sensing - 2017.
5. Xia, L., e al. GIS-based landslide suscep ibili y modeling using da a mining echniques -
F on ie s in Ea h Science - 2023.
6. Suyuno A., Khushmu odo F., Suyuno Sh., Hamdamo a D., Aminjano a M. Ecological
and geog aphical aspec s o land using in o ming ag olandscapes - Imp o ing Ene gy
E iciency, En i onmen al Sa e y and Sus ainable De elopmen in Ag icul u e (EESTE2023).
— 2023. — E3S Web o Con e ences 463, 02006.
