Анализ спутниковых снимков позволил проследить историю пожаров в полупустынях Казахстана

Рис. 1. Слева — место падения первой ступени ракеты-носителя «Протон-М», выводившей на околоземную орбиту космический аппарат «Амазонас-5» (запуск состоялся 12 сентября 2017 года). На этой территорий 24 июля 2017 года был пожар. Снимок сделан осенью 2017 года. Справа — следы возгорания растительности в результате падения отработавшей первой ступени ракеты-носителя «Союз-ФГ» (пуск 6 июня 2018 года). Автор обеих фотографий — Сергей Леднев

Полупустыни Казахстана, в которых расположены районы падения отделяющихся частей ракет-носителей, стартующих с космодрома Байконур, за последние 30 лет претерпели значительную хозяйственную трансформацию, которая привела к увеличению частоты и площадей пожаров. Космические снимки предоставляют возможности для изучения пирогенной трансформации ландшафтов, в том числе и в ретроспективе, но для этого необходимо правильно выбрать инструменты для анализа данных дистанционного зондирования. Исследователи из МГУ им. М. В. Ломоносова провели анализ существующих методик выделения сгоревших территорий и предложили новый подход к этой задаче, основанный на объектно-ориентированном анализе спутниковых снимков.

Космическая съемка на сегодняшний день — дело привычное и не несущее какой-то сакральности: существует огромное количество общедоступных ресурсов, предоставляющих данные спутниковой съемки, и многие ими постоянно пользуются (порой, даже не замечая этого). Тем не менее, среди неспециалистов по-прежнему распространены различные мифы о дистанционном зондировании Земли.

Например, некоторые думают, что то, что мы видим в картографических сервисах вроде Google Maps и Yandex Maps — это просто фотографии, «всего лишь» сделанные из космоса (в реальности же это не фотографии, а сканерные изображения, которые получают в виде отдельных строк, а не единовременно, как при фотосъемке). Кто-то считает, что по спутниковым снимкам можно в реальном времени следить за объектами и даже людьми, прямо как в шпионских фильмах: «зависнув» над городом и наблюдая за своей целью, да еще и с возможностью делать «зум» (то есть приближать изображение). Это, конечно, тоже не так, ведь спутники подчиняются физическим законам и не могут зависать над одной точкой (если только это не экватор, но радиус геостационарной орбиты больше 35 000 км — с такого расстояния сложно что-нибудь детально разглядеть).

Вместе с тем обыватель часто не представляет реальных возможностей дистанционного зондирования. Оно осуществляется в разных диапазонах длин электромагнитных волн, которые могут нести разную информацию о земной поверхности. Например, ближний инфракрасный диапазон позволяет оценивать состояние растительности, также инфракрасное излучение позволяет оценивать интенсивность собственного излучения поверхности, а наблюдения в радиодиапазоне дают возможность даже проникать вглубь почвы и оценивать ее диэлектрические свойства.

Мониторинг пожаров на земной поверхности ведется давно и регулярно с привлечением съемочных систем разного охвата и пространственного разрешения, что, в свою очередь, влияет на частоту и детальность получаемых снимков. Основное внимание в аспекте пожаров как в России, так и в мире привлекают лесные территории, ведь, как показал опыт летних сезонов 2010, 2016, 2019 годов, это может нести как серьезные экономические и социальные последствия, так и влиять на экологическую и политическую повестку. Для выявления пожаров и определения площадей сгоревших территорий по космическим снимкам разработаны десятки, а может, даже сотни методик, но львиная доля их относится к лесам. А между тем, в последние пару десятков лет в полупустынях Евразии, в том числе в Казахстане, тоже активизировались пожары. Лесные пожары сильно отличаются своим «топливом» — древесина и свежая листва/хвоя имеют совершенно другой спектральный образ на космических снимках, нежели аридные территории с бедной травянистой растительностью. Кроме того, леса горят, как правило, в вегетирующем состоянии, а пустынная растительность должна сперва засохнуть, что даёт совершенно разные отклики на сенсоры съемочных систем в разных диапазонах. Безусловно отличается и интенсивность горения из-за сильно различающегося количества сжигаемой растительной массы. Эти факторы, хотя и не говорят прямо о том, что разработанные методики для лесов не будут работать для аридных территорий, обусловливают необходимость уточнения параметров используемых моделей.

В качестве территории исследования нашего коллектива с географического факультета МГУ имени М. В. Ломоносова уже довольно давно выступает Центральный Казахстан, а именно районы падения отделяющихся частей ракет-носителей (РП ОЧ РН). В настоящее время активно эксплуатируются районы падения первых ступеней ракет-носителей семейств «Протон» и «Союз», расположенные недалеко от города Жезказган (рис. 2). При падении ступени нередко случается взрыв остатков ракетного топлива, что при наличии на месте падения горючего материала (высохших растений) приводит к пожарам. Экологический мониторинг мест падения проводится на каждом участке, все нарушения экосистем, в том числе и границы пожаров, отмечаются и наносятся на карту каждый раз после запуска ракеты с Байконура.

Рис. 2. Положение районов падения отделяющихся частей ракет-носителей «Протон» и «Союз» относительно Байконура. Разница в местах падения объясняется разными траекториями вывода космических аппаратов на орбиту. Изображение подготовлено автором

Площадь пожаров порой впечатляла (иногда она исчислялась гектарами), но это не вызывало бурного интереса, пока не наступил 2017 год. В этом году в результате пожаров сгорели почти целиком оба района падения, не считая прилегающих территорий (рис. 3). Тогда нас впервые и заинтересовали возможности мониторинга пожаров по космическим снимкам. После изучения нескольких сцен (снимков определенной территории), полученных спутником Landsat-8, выяснилось, что причиной пожара стало вовсе не падение отработанных ступеней, а сам пожар начался за пределами районов падения. Причины могли быть самые разные — незатушенный костер, умышленный поджог или что-то еще. Однако нас больше интересовал не источник пожара, а причины его гигантских масштабов.

Рис. 3. Крупнейший пожар, вызванный падением отработавшего блока ракеты «Союз» в 2017 году. Изображение подготовлено автором

Для изучения ретроспективы пожаров в Центральном Казахстане мы вооружились общедоступными данными серии спутников Landsat, которые характеризуются довольно высоким пространственным разрешением (30 м на пиксель), имеют большой набор каналов, снимающих в разных диапазонах спектра, и осуществляют постоянную съемку земной поверхности уже на протяжении более чем 40 лет. Landsat снимает нашу территорию (как и любую другую) примерно 1–2 раза в месяц. Нам предстояло, во-первых, подобрать подходящие сцены, а во-вторых, убедиться в том, что оценке размеров пожарищ не мешает облачность на момент съемки. Сгоревшие территории очень ярко проявляются в инфракрасном диапазоне электромагнитных волн (каналы SWIR1 и SWIR2) за счет контраста растительности и голой выжженной земли, которая практически не отражает излучение в этой части спектра. Первым делом для автоматизированного выделения этих территорий мы решили воспользоваться кластеризацией по каналам в инфракрасном диапазоне. Суть кластеризации заключается в следующем: все пиксели изображения имеют свою яркость в каждом из каналов, и по числу каналов строится многомерное пространство признаков, в котором пиксели в качестве координат имеют яркости; далее изображения группируются по степени близости.

Результат кластеризации не дал хороших результатов — было много явных ошибок и артефактов, которые очень мешали дальнейшей работе. Мы решили пойти другим путем и пробовать различные спектральные индексы для космических снимков. Спектральный индекс — это показатель, рассчитываемый на основе яркостей в разных каналах при помощи алгебраических операций. После многочисленных экспериментов мы остановились на индексе Normalized Burn Ratio 2 (NBR2), который рассчитывается на основе разницы яркостей в каналах SWIR1 и SWIR2. Результат получился гораздо лучше, но мы заметили, что на индексном изображении могут проявляться как свежие, так и старые пожары, что, конечно, для нас неприемлемо.

Чтобы научиться получать однозначный ответ на вопрос о том, когда сгорела территория, изображенная на снимке, нужно учитывать состояние этой территории в прошлые годы. Места пожарищ очень ярко проявляются весной следующего за пожаром года из-за активного периода вегетации, которая делает сгоревшую территорию особенно контрастной на фоне не пострадавшей растительности. В связи с этим мы решили брать только апрельские и майские снимки. Были получены индексные изображения по состоянию на весну каждого года. Поскольку следы пожаров имеют свойство сохраняться в течение нескольких лет, перед нами встала задача для каждого года отсечь пожары, которые произошли ранее. Этого можно добиться нормализацией, то есть вычитанием из индексного изображения одного года индексное изображения предыдущего года, — для участков, которые горели раньше, эта разница будет близка к нулю, а вот для свежих пожаров она уйдет в отрицательные значения. Результат получился впечатляющим — сгоревшая территория теперь стала выделяться очень контрастно (рис. 4).

Рис. 4. Выявление пожаров 2017 года в зоне падения отделяемых частей РН «Союз». Изображения получены на основе разности между индексами, вычисленными в мае 2018 года и в мае 2017 года. Использовались индексы NBR2, NBR, NBRT, BAI, MIRBI — для них низкие значения (черный цвет) говорят о том, что данная территория сгорела, а средние и высокие индексы (серый и белый) — о том, что территория либо не горела, либо сгорела, но не в этом году. Сами численные значения безразмерны и получаются в результате операций с кодированными яркостями исходных снимков. Изображение подготовлено автором

Тем не менее, проблемы с артефактами остались. Из-за «шумящих» пикселей мы не смогли определить однозначное значение индекса, по которому можно было бы отделить сгоревшие от несгоревших территорий. В ход пошел следующий инструмент геоинформационного анализа, который называется сегментацией. Суть его заключается в том, что пиксели группируются не только по степени близости в спектральном пространстве признаков (как в случае кластеризации), но и по обычной пространственной близости друг к другу. Сегментация дала точность выделения сгоревших территорий порядка 96%, что не могло нас не обрадовать.

Для пожаров 2017 года бросаются в глаза различия двух изучаемых районов падения. Район падения блоков РН «Протон» сгорел практически целиком, а вот район падения блоков «Союзов» — в гораздо меньшей степени. Чтобы понять причины такого поведения огня, мы решили изучить историю пожаров за последние 30 лет на этих территориях. Для каждого года, начиная с 1986, по разработанной методике были выделены границы сгоревших территорий в изучаемых районах падения.

Видно, что пожары более-менее регулярно начали возникать с начала 2000-х годов (рис. 5) — в новом тысячелетии в РП ОЧ РН «Союз» каждый год случались небольшие пожары.

Рис. 5. Пожары в зоне падения ОЧ РН «Союз» в 1986–2018 годах. Сами пожары могли выходить за пределы зоны падения, но в анализе это не учитывалось. Анимация подготовлена автором

РП ОЧ РН «Протон» оказался гораздо менее горючим. Крупные пожары здесь случались только в 2005 и 2017 годах, но зато они распространились на огромную площадь — практически на весь район (рис. 6). Из этого можно предположить, что интенсивность и площадь пожаров в значительной степени зависит от пожарной «истории» места. Если на территории регулярно случаются относительно небольшие пожары, они не дают накапливаться топливу — сухой траве, поэтому мы не наблюдаем масштабных пожаров на всей территории, которые случаются из-за стечения метеорологических условий. Справедливо и обратное — если пожаров долгое время не случается, то это увеличивает вероятность огромных по площади возгораний при благоприятных для этого метеорологических условиях, ну а источником возгорания может стать что угодно — падение ступени ракеты-носителя, молния или костер охотника.

Рис. 6. Пожары в зоне падения ОЧ РН «Протон» в 1986–2018 годах. Анимация подготовлена автором

То, что мы видим крупные пожары только начиная с 2000-х годов, тоже не случайность. С распадом СССР сельское хозяйство Казахстана пришло в упадок, что повлекло постепенное уменьшение поголовья скота. Если раньше копытные животные буквально выедали растительность на этой территории, то теперь это делать некому — отмерший травянистый покров остается на земле, формируя своеобразный горючий ковер. Кроме того, есть сведения, что отсутствие выпаса приводит к разрастанию в степи злаковых растений (ковыля, житняка и др.), которые каждый год дают большое количество горючего материала и таким образом провоцируют новые пожары.

По космическим снимкам можно определить не только сгоревшие территории, но и оценить состояние растительности. Одним из таких индексов является MSAVI2, который учитывает не только самые контрастные диапазоны отражаемого от растительности излучения, но и влияние открытой почвы, что весьма актуально для полупустыни. На рис. 7 видно, насколько отличаются значения индекса MSAVI2 для территории, сгоревшей в 2017 году, от всей остальной территории. При этом пожарище 2017 года выступает своеобразным естественным барьером для последующего пожара 2018 года.

Рис. 7. Оценка состояния сгоревшей в 2017 году растительности (самые темные области) при помощи индекса MSAVI2. Контурами показаны границы пожаров 1989 и 2018 годов. Изображение подготовлено автором

Если на эту же картинку наложить границы пожара 1989 года, то можно заметить по слабой контрастной границе, что растительность на май 2018 года до сих пор не восстановилась по сравнению с не горевшей в том году территорией. Таким образом, мы видим, что даже по прошествии 22 лет после пожара растительность не вернулась к условно фоновому состоянию.

Использование космических снимков для изучения динамики пожаров в полупустынях Казахстана открывает много возможностей для будущих исследований. Мы можем не только отслеживать источник возгорания (будь то упавшая ступень ракеты или непотушенный костер), но и изучать предрасположенность территории к пожарам на основе многолетних рядов данных и знании об особенностях развития или деградации растительного покрова изучаемого региона. С помощью космической съемки мы можем наблюдать влияние глобального изменения климата, а также экономического уклада страны на частоту и масштабы возгораний, что очень важно для предупреждения опасных явлений — ведь в бушующем пламени степного пожара могут не только пострадать природные сообщества, но и погибнуть люди.

Источник: Andrey Karpachevskiy, Sergey Lednev, Ivan Semenkov, Anna Sharapova, Sultan Nagiyev & Tatiana Koroleva. Delineation of burned arid landscapes using Landsat 8 OLI data: a case study of Karaganda region in Kazakhstan // Arid Land Research and Management. 2021. DOI: 10.1080/15324982.2021.1887398.

Андрей Карпачевский