Введение

Мониторинг городской окружающей среды – одна из актуальных народнохозяйственных и научных задач в настоящее время, так как направлен на решение таких глобальных проблем, как оценка экологической обстановки, влияющей на жизнь и здоровье большого количества людей, живущих в мегаполисе [1].

В статье рассматриваются проблемы, методы и примеры решения задач спутникового геоэкологического мониторинга Москвы в рамках проблемы организации информационной среды города. Для значительной доли москвичей жизненно важен вопрос о качестве атмосферы в родном городе и близлежащих районах.

Система экологического мониторинга предусматривает оперативный доступ к спутниковой информации удаленных пользователей и использование экологической информации для устойчивого развития социальных структур без деградации среды обитания [2].

Информационные задачи экологического мониторинга мегаполиса Москвы

Важнейшими факторами, определяющими уровень экологии того или иного района Московской области, являются размещение ТЭЦ и концентрация крупных промышленных предприятий. Также при оценке немаловажно учитывать направление преобладающих ветров.

Необходимо прогнозировать качество городской атмосферы. Для этого требуется рассчитывать ожидаемые концентрации загрязняющих веществ в конкретных точках и над всей территорией Москвы и области при известных мощностях и координатах загрязняющих предприятий.

По результатам расчета над планом территории можно построить тематическую карту ожидаемых концентраций. Карта не будет статичной, а будет подвергаться непрерывным корректировкам и дополнениям. При изменении метеоусловий, например, направления и силы ветра, необходимо вновь рассчитывать поверхность и определять максимумы концентраций.

В век высоких технологий городское правительство не может не заботиться о качестве жизни людей, живущих в городе. Чтобы снизить уровень загрязнения городской атмосферы, часто предпринимают меры по выносу промышленных предприятий на периферию городов. Это оказывается не лучшим решением. Дело в том, что в центральных районах температура воздуха обычно бывает на несколько градусов выше, чем на периферии. Это приводит к образованию восходящих потоков воздуха над центром города и подтягиванию к центру загрязненных воздушных масс с промышленных окраин (эффект костра). Вместе с тем люди во многих районах Москвы по-прежнему остаются заложниками таких обстоятельств, как метеоусловия и перемешивание атмосферы. Скорость рассеивания топочных газов из многочисленных труб ТЭЦ определяется степенью вертикальной устойчивости атмосферы, которая зависит от скорости ветра, температуры воздуха, облачности, времени суток и т.д. Наиболее неприятной степенью устойчивости является инверсия, при которой выброшенные газы не рассеиваются в атмосфере, а прижимаются к поверхности земли. Наиболее часто инверсия возникает в утренние и вечерние часы при скоростях ветра до 3,5 м/с в условиях ясной и переменной облачности.

Однако любые расчеты не имеют смысла, если не позволяют сформулировать практические рекомендации специалистам управления муниципальными территориями. Результаты расчетов и прогнозов, соотнесенные с реальными измерениями на местности и медицинской статистикой, должны быть основой для принятия как оперативных решений, так и для долгосрочного планирования организационных мер и инвестиций местных бюджетов. Современный уровень требований к управляющим, по крайней мере, в Москве, достаточно высок, причем подразумевается, что конкретное должностное лицо или территориальная административная структура обязаны действовать компетентно, то есть, как минимум, располагать необходимой информацией для принятия решений. Очевидно, что если процесс управления не обеспечен достаточной информационной поддержкой, рациональное управление невозможно, а принимаемые решения будут исключительно интуитивными.

Спутниковый экологический мониторинг является достоверным средством оперативного предупреждения надлежащих служб и граждан об ухудшении экологической обстановки в том или ином районе. Так, если очередной расчет показал, что при обещанных на завтра метеоусловиях конкретный жилой массив административного округа оказался с подветренной стороны крупной магистрали и расположенной неподалеку ТЭЦ, целесообразно обеспечить требуемые среднюю скорость и структуру транспортного потока на данной магистрали, а также ввести какой-либо из заранее оговоренных режимов работы ТЭЦ.

Оперативный доступ к спутниковым данным: использование спутников NOAA

Полярно-орбитальные ИСЗ серии NOAA (National Oceanic and Atmospheric Administration, США) уже более 20 лет являются основным космическим звеном метеорологических служб всего мира. Каждые 2-3 года запускается очередной спутник таким образом, что на орбитах одновременно находится не менее 2 (а иногда – до 4) действующих аппаратов. Расписание запусков ИСЗ этой серии известно до 2007 года. Орбита спутников – солнечно-синхронная, т.е. каждые сутки спутник проходит над любой территорией примерно в одно и то же местное время. Высота орби-

ты – около 800 км. Орбиты проходят вблизи полюсов Земли, с учетом широкой полосы обзора это гарантирует съемку любого участка поверхности с нормальным пространственным разрешением не менее 4 раз в сутки с каждого спутника. Основной объем информации составляют данные сканирующего радиометра AVHRR (Advanced Very High Resolution Radiometer), который с номинальной высоты орбиты формирует изображения подстилающей поверхности со следующими характеристиками:

• число спектральных каналов – 5;
• 1-й (0,58–0,68 мкм) – измерение отраженного земной поверхностью излучения; 2-й (0,725–1,1 мкм) – измерение излучения в ближней ИК-области; 3-й (3,55–3,93 мкм) – измерение собственного и отраженного землей излучения; 4-й и 5-й (11,5–12,5 и 10,5–11,5 мкм) – измерение собственного теплового излучения земной поверхности;
• пространственное разрешение в центре полосы обзора – 1.1 км;
• ширина полосы обзора – 3000 км;
• разрядность – 10 бит/пиксель/канал.

Анализ алгоритма компьютерной обработки спутниковых данных

Ниже на рис.1 представлен общий план обработки ДЗЗ, целью которой является получение информации об областях с высокой температурой.

---

Рис.1. Алгоритмы обнаружения тепловых аномалий по спутниковым данным.

Рассмотрим подробнее каждый этап обработки снимков, полученных в результате космического мониторинга.

Для реализации всех этих алгоритмов наиболее удобен программный пакет ERDAS IMAGING. Достоинства программного пакета заключаются во многих встроенных функциях обработки "сырых" данных со спутников NOAA (географическая привязка, получение принимаемого излучения N для каждого канала, получение файла зенитных углов Солнца) и в простоте реализации дальнейших алгоритмов (нахождение альбедо и яркостной температуры, выделение точек температурных аномалий).

Расчет альбедо A в программном пакете осуществляется для 1-го и 2-го каналов платформы NOAA/ AVHRR по формуле:

Расчет яркостной температуры осуществляется для (3-го), 4-го и 5-го каналов прибора AVHRR. Формула

Коэффициенты I (intercept value) и S (slope value) рассчитываются по формулам

N_T – излучение ВИТ, которое рассчитывается по данным телеметрии о его температуре.

Теперь опишем процесс получения числа N_T. Излучение ВИТ рассчитывается на основе формулы для излучения абсолютно черного тела:

,

Здесь C₁ = 2h/c² и С₂ = h/k, где h – постоянная Планка, k – постоянная Больцмана, с – скорость света. – нормализованная функция отклика в диапазоне волновых чисел , характеризующих i-ый спектральный диапазон прибора AVHRR. Она рассчитывается по формуле:

Итак, найдя последовательно и , затем рассчитать N_T, потом коэффициенты G и J и, наконец, по ним вычисляем N. Средства пакета ERDAS IMAGING 8.0 позволяют быстро найти N, т.к. в блоке "Import-Export" уже встроена начальная обработка снимков, сделанных прибором AVHRR (NOAA).

Интересующую нас яркостную температуру ищем по обратной функции к функции Планка:

Далее, используя корректировочные коэффициенты A и B (берутся из приложения "D" NOAA KLM USERS’s GUIDE), ищем температуру Т:

Алгоритм маскирования облаков и водной поверхности

Один из наиболее известных алгоритмов, предназначенных для установления участков безоблачного неба, принадлежит Р. Саундерсу (R.W.Saunders). Этот многоступенчатый алгоритм можно заменить идентификацией облачности по значениям альбедо 2-го канала:

Алгоритм обнаружения температурных аномалий

Для обнаружения тепловых аномалий используется процедура детектирования действующих пожаров (hot spots), в основу которой был положен модифицированный контекстный алгоритм, разработанный в Joint Research Center для формирования Global Fire Product.

На первом этапе проводится анализ космического изображения с целью отнесения его к одной из трех категорий: ночные, утренние/вечерние или дневные изображения. Для каждого из указанных классов изображений применяется адаптированный к нему контекстный алгоритм.

Характерной особенностью детектирования пожаров на ночных изображениях является отсутствие "ложных тревог", вызываемых отражением солнечного излучения от воды (sunglint), верхних слоев атмосферы (top of atmosphere) и нагретых участков земной поверхности (desert area).

Пиксел помечается в качестве "потенциального пожара", если он удовлетворяет следующим условиям: T₃ > С₁, T₃–T₄ > С₂ и T₄ > С₃. "Потенциальный пожар" признается реальным пожаром, если выполняются следующие условия:

1. [T₃ – T₄] > T_34ф+ L₁ * ss_{34ф ;}

2. T₃ > T_3ф + L₂ * s_3ф+ N₁ ;

3. T₄ > T_4ф+ N_{2 ;}

где:

R₁ и R₂ – альбедо в 1-ом и 2-ом каналах;

T₃, T₄, и T₅ – яркостные температуры в 3-ем, 4-ом и 5-ом каналах;

T_4ф – средняя яркостная температура фона в 4-oм канале;

T_3ф – средняя яркостная температура фона в 3-ем канале;

T_34ф – среднее значение разности [T₃ – T₄] пикселей фона;

s_3ф – стандартное отклонение яркостной температуры фона в 3-ем канале;

s_34ф – стандартное отклонение значений разности [T₃ – T₄] пикселей фона;

С₁, С₂ и С₃ – пороговые коэффициенты;

L₁ и L₂ – линейные коэффициенты;

N₁ и N₂ – добавочные константы.

Примерные интервалы их изменения приведены ниже:

Применение алгоритма обнаружения температурных аномалий позволило чётко выделить очаги аномалий, направление и относительную площадь распространения дымовых шлейфов. Нами проведено наложение обработанного снимка на карту Москвы с целью привязки результатов обработки к конкретной местности. По полученному снимку можно выделять области, наиболее подверженные влиянию ТЭЦ.

Следующий шаг на пути к реализации программы использования спутниковой информации и современных информационных технологий в интересах города связан с оценкой на основе этих данных жизнедеятельности города: оперативное реагирование на интенсивные выбросы в зависимости от направления ветра, температуры воздуха, влажности и пр.

Для правильной оценки состояния окружающей среды, изменения обстановки и предсказания ситуации необходимо создавать электронные архивы снимков, прошедших обработку по рассмотренному нами алгоритму с целью выявления экологических аномалий, конкретно для каждого региона мегаполиса или крупного города. Система экологического мониторинга должна обеспечить оперативный доступ к спутниковым данным удаленных пользователей на основе интернет-технологий. Реализация этого ключевого направления комплексной программы охраны окружающей среды для современного мегаполиса представляет собой важный шаг для устойчивого развития социальных структур Москвы без деградации среды обитания.

Литература

1, Конвергенция новейших информационных технологий и методов дистанционного зондирования Земли для построения экологического мониторинга мегаполисов / Е.Б. Кудашев, В.П. Мясников, О.В. Сюнтюренко // Вестник РФФИ. – 2001. – № 2. – С. 37-43.

2, Информационные технологии и информационные ресурсы космического экологического мониторинга / В.П. Мясников, Н.А. Арманд, Ю.А. Кравцов, Е.Б. Кудашев и др. // Вестник РФФИ. – 2000. – № 2. – С. 30-37.

3, NOAA AVHRR data processing software user’s guide. NOAA Polar Orbiter Data User’s Guide - Section 3.3 - "Calibration of AVHRR Data" [Electronic resource] – .Mode of access: http://www2.ncdc.noaa.gov/docs/podug/html/c3/sec3-3.htm. – Загл. с экрана.

4, Lauritson L., Nelson G.J., Porto F.W. Data extraction and calibration of TIROS-N/NOAA radiometers. // NOAA Tech. Memo. NESS 107. – Washington, D.C.: NOAA, 1979.

Кудашев Ефим Борисович - ведущий научный сотрудник Института космических исследований РАН, доцент механико-математического факультета МГУ им. М.В. Ломоносова, кандидат технических наук.