Опыт сравнения геоинформационного моделирования и традиционного картографирования природных ландшафтов (на примере Приэльбрусья)

DOI: 10.35595/2414-9179-2022-1-28-523-539

Посмотреть или загрузить статью (Rus)

Об авторах

Е.Ю. Колбовский

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: kolbowsky@mail.ru

А.Н. Гуня

Институт Географии РАН, 119017,
Старомонетный переулок, дом 29, стр. 4. Москва, Россия;
E-mail: a.n.gunya@igras.ru

М.Н. Петрушина

Московский государственный университет имени М.В. Ломоносова, Географический факультет,
Ленинские горы, д. 1, 119991, Москва, Россия;
E-mail: mnpetrushina@mail.ru

Аннотация

Теория природных ландшафтов — одна из центральных и наиболее сложных концепций современной физической географии. Как известно, в западной науке понятие «ландшафт» признается лишь как общее, поэтому закономерно, что геоинформационное моделирование во всем мире (за пределами России) в последние десятилетия было посвящено главным образом получению так называемого «ландшафтного покрова» Landuse-Landcover, представляющего собой мозаику видов землепользования с фрагментами культурных, урбанизированных и сохранившихся природных геосистем. Попытки геоинформационного моделирования на Западе, направленные на разработку прогнозных карт растительности, почвенного покрова и «местообитаний», по содержанию и применяемым алгоритмам схожи с подходами, используемыми для полуавтоматизированного картографирования геосистем в России. Развитие методов геоинформационного моделирования ландшафтов во многом было связано с преодолением теоретических сложностей и спорных «сюжетов» российского ландшафтоведения, к которым можно отнести представления о роли морфолитогенной основы и биоты ландшафта, учет «ведущих» факторов дифференциации, наличие объективных пространственных иерархических уровней ландшафтной дифференциации и другие. В данной статье на примере ключевого участка Национального парка «Приэльбрусье» сравниваются возможности традиционной техники ручного картографирования с картографированием в геоинформационной среде. Продемонстрировано, что интуитивные действия, предпринимаемые экспертом, создающим ландшафтную карту, хотя и не являются в действительности строго алгоритмичными, тем не менее, близки по содержанию к сложным вариантам кластерного анализа. Обосновано, что оптимальным вариантом ландшафтного синтеза является не оверлей конечных классов морфолитогенной основы и биоты, а совместный анализ (кластерная или изокластерная классификация) многих исходных переменных, в частности геоморфометрических показателей и ландшафтно-вегетационных индексов. Контролируемые классификации с созданием обучающих файлов по авторским ручным ландшафтным картам дают худший результат по сравнению с неконтролируемыми, что, свидетельствует, во-первых, о неточности рисованных карт, во-вторых, об интуитивно используемом экспертами приемах, которые могут быть обозначены как «смена правил на лету» и которые не так просто реализовать с применением алгоритмов геоинформационного моделирования.

Ключ. слова

природные ландшафты, экспертное ручное ландшафтное картографирование, геоинформационное моделирование ландшафтов

Список литературы

  1. Атлас особо охраняемых природных территорий Санкт-Петербурга. Отв. ред. В.Н. Храмцов, Т.В. Ковалева, Н.Ю. Нацваладзе. СПб.: Марафон, 2013. 176 с.
  2. Виноградов Б.В. Основы ландшафтной экологии. М.: ГЕОС, 1998. 418 c.
  3. Временная методика по составлению карт пластики рельефа крупного и среднего масштаба. Методические рекомендации. Степанов И.Н., Абдуназаров У.К., Брынских М.Н. и др. Пущино: ОНТИ НЦБИ АН СССР, 1984. 20 с.
  4. Гуня А.Н. Мониторинг высокогорных территорий с использованием наземных и аэрокосмических снимков (на примере национального парка «Приэльбрусье»). Дис. канд. геогр. н. М., 1990. 180 с.
  5. Исаченко Г.А., Резников А.И. Динамика ландшафтов тайги Северо-Запада Европейской России. СПб.: СПбГУ, 1996. 166 с.
  6. Исаченко Г.А. Методы полевых ландшафтных исследований и ландшафтно-экологическое картографирование. СПб: СПбГУ, 1999. 112 с.
  7. Колбовский Е.Ю. Геоинформационное моделирование и картографирование ландшафтных местоположений. Известия высших учебных заведений. Геодезия и аэрофотосъемка, 2016. Т. 60. № 5. С. 20–24.
  8. Колбовский Е.Ю. ГИС-моделирование в геоэкологии: опыт, достижения, проблемы и перспективы. Мировая экологическая повестка и Россия: Материалы Всероссийской научной конференции с международным участием (16–18 ноября 2020 г., Москва). М.: МГУ, 2020. С. 269–275.
  9. Ласточкин А.Н. Системно-морфологическое основание наук о Земле: Геотопология, структур. география и общ. теория геосистем. СПб.: СПбГУ, 2002. 762 с.
  10. Степанов И.Н. Теория пластики рельефа и новые тематические карты. М.: Наука. 2006. 230 с.
  11. Солнцев Н.А. Учение о ландшафте. Избранные труды. М.: Изд-во Моск. ун-та, 2001. 384 с.
  12. Солнцев В.Н. Системная организация ландшафтов. М.: Мысль, 1981. 239 с.
  13. Майер-Шенбергер В, Кукьер К. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим. М.: ООО «Манн, Иванов и Фербер», 2014. 178 с.
  14. Шарый П.А. Геоморфометрия в науках о земле и экологии, обзор методов и приложений. Известия Самарского научного центра Российской академии наук, 2006. Т. 8. № 2. С. 458–473.
  15. Bailey R.G. Ecoregions: The Ecosystem Geography of the Oceans and Continents. New York: Springer, 1998. 176 p. DOI: 10.2307/4003552.
  16. Bailey R.G. Ecosystem Geography. From Ecoregions to Sites. New York: Springer-Verlag, 2009. 251 p. DOI: 10.5860/choice.47-6222.
  17. Boehner J., Selige T. Spatial Prediction of Soil Attributes Using Terrain Analysis and Climate Regionalization. SAGA—Analysis and Modelling Applications, Goettinger Geographische Abhandlungen, 2006. V. 115. P. 13–27.
  18. Burrough P.A., van Gaans P.F.M., MacMillan R.A. High-resolution landform classification using fuzzy k-means. Fuzzy Sets and Systems, 2000. V. 113. No. 1 P. 37–52. DOI: 10.1016/S0165-0114(99)00011-1.
  19. De Reu J., Bourgeois J., Bats M., Zwertvaegher A., Gelorini V, De Smedt P., Chu W., Antrop M., De Maeyer P., Finke P. Application of the topographic position index to heterogeneous landscapes. Geomorphology, 2013. V. 186. P. 39–49. DOI: 10.1016/j.geomorph.2012.12.015.
  20. Evans I.S. Geomorphology and landform mapping: What is a landform? Geomorphology, 2012. V. 137. No. 1. P. 94–106. DOI: 10.1016/j.geomorph.2010.09.029.
  21. Evans I.S., Hengl T. Gorsevski P. Applications in Geomorphology. In: T. Hengl, H.I. Reuter (eds) Geomorphometry: Concepts, Software, Applications. Amsterdam, Netherlands: Elsevier, 2009. V. 33. P. 497–525. DOI: 10.1016/S0166-2481(08)00022-6.
  22. Florinsky I.V. An illustrated introduction to general geomorphometry. Progress in Physical Geography, 2017. V. 41. No. 6. P. 723–752. DOI: 10.1177/0309133317733667.
  23. Florinsky I.V. Computation of the third-order partial derivatives from a digital elevation model. International Journal of Geographical Information Science, 2009. V. 23. No. 2. P. 213–231. DOI: 10.1080/13658810802527499.
  24. Grekousis G. Spatial Analysis Methods and Practice: Describe–Explore–Explain through GIS. New York, NY: Cambridge University Press, 2020. 448 p. DOI: 10.1017/9781108614528.
  25. Hansen M.C., Potapov P.V., Pickens A., Tyukavina A., Hernandez Sern A., Zalles V., Turubanova S., Kommareddy I., Stehman S.V., Song X-P. Global land use extent and dispersion within natural land cover using Landsat data. Environmental Research Letters, 2022. V. 17. No. 3. P. 33–74. DOI: 10.1088/1748-9326/ac46ec.
  26. Hengl T., MacMillan R.A. Geomorphometry—A Key to Landscape Mapping and Modelling. In Geomorphometry: Concepts, Software, Applications. Developments in Soil Science. Elsevier, 2009. V. 33. P. 433–460. DOI: 10.1016/S0166-2481(08)00019-6.
  27. Iwahashi J., Pike R. Automated classifications of topography from DEMs by an unsupervised nested-means algorithm and a three-part geometric signature. Geomorphology, 2007. V. 86. No. 3. P. 409-440. DOI: 10.1016/j.geomorph.2006.09.012.
  28. Jasiewicz J., Netzel P., Stepinski T.F. Landscape similarity, retrieval, and machine mapping of physiographic units. Geomorphology, 2014. V. 221. P. 104–112. DOI: 10.1016/j.geomorph.2014.06.011.
  29. Jasiewicz J., Stepinski T.F. Geomorphons—a pattern recognition approach to classification and mapping of landforms. Geomorphology, 2013. V. 182. P. 147–156. DOI: 10.1016/j.geomorph.2012.11.005.
  30. Kheir R.B., Bøcher P.K., Greve M.B., Greve M.H. The application of GIS based decision-tree models for generating the spatial distribution of hydromorphic organic landscapes in relation to digital terrain data. Hydrology and Earth System Sciences, 2010, V. 14. No. 6. P. 847–857. DOI: 10.5194/HESS-14-847-2010.
  31. Lowell K.E. Differences between ecological land type maps produced using GIS or manual cartographic methods. Photogrammetric Engineering and Remote Sensing, 1990. V. 56. No. 2. P. 169–173.
  32. Maxwell A.E., Warner T.A., Fang F. Implementation of machine-learning classification in remote sensing: an applied review. International Journal of Remote Sensing, 2018. V. 39. No. 9. P. 2784–2817. DOI: 10.1080/01431161.2018.1433343.
  33. Memarsadeghi N., Mount D.M., Netanyahu N.S., Le Moigne J. A Fast Implementation of the ISODATA Clustering Algorithm. International Journal of Computational Geometry and Applications, 2007. V. 17. No. 1. P. 71–103. DOI: 10.1142/S0218195907002252.
  34. Sayre R., Comer P., Hak J., Josse C., Bow J., Warner H. et al. A New Map of Standardized Terrestrial Ecosystems of Africa. Washington, DC: Association of American Geographers, 2013. 47 p.
  35. Schmidt J., Hewitt A. Fuzzy land element classification from DTMs based on geometry and terrain position. Geoderma, 2004. V. 121. No. 3–4. P. 243–256. DOI: 10.1016/j.geoderma.2003.10.008.
  36. Shary P.A., Sharaya L.S., Mitusov A.V. Fundamental quantitative methods of land surface analysis. Geoderma, 2002. V. 107. P. 1–32. DOI: 10.1016/S0016-7061(01)00136-7.
  37. Wilson J.P., Gallant J.C. Primary Topographic Attributes. In: Wilson J.P., Gallant J.C. (Eds.): Terrain Analysis: Principles and Applications, John Wiley & Sons, 2000. P. 51–85.
  38. Wilson J.P. Environmental Applications of Digital Terrain Modeling. Oxford. John Wiley & Sons Ltd, 2018. 321 p. DOI: 10.1002/9781118938188.
  39. Zhang W., Miller P.A., Smith B., Wania R., Koenigk T., Döscher R. Tundra shrubification and tree-line advance amplify arctic climate warming: Results from an individual-based dynamic vegetation model. Environmental Research Letters, 2013. V. 8. No. 3. P. 1–10. DOI: 10.1088/1748-9326/8/3/034023.
  40. Zhang Z., Zimmermann N.E., Kaplan J.O., Poulter B. Modeling spatiotemporal dynamics of global wetlands: Comprehensive evaluation of a new sub-grid TOPMODEL parameterization and uncertainties. Biogeosciences, 2016. V. 13. No. 5 P. 1387–1408. DOI: 10.5194/BG-13-1387-2016.

Для цитирования: Колбовский Е.Ю., Гуня А.Н., Петрушина М.Н. Опыт сравнения геоинформационного моделирования и традиционного картографирования природных ландшафтов (на примере Приэльбрусья). ИнтерКарто. ИнтерГИС. Геоинформационное обеспечение устойчивого развития территорий: Материалы Междунар. конф. M: Географический факультет МГУ, 2022. Т. 28. Ч. 1. С. 523–539 DOI: 10.35595/2414-9179-2022-1-28-523-539

For citation: Kolbovskii E.Iu., Gunya A.N., Petrushina M.N. A comparison of GIS landscape modeling and traditional landscape mapping (by the example of the Elbrus region). InterCarto. InterGIS. GI support of sustainable development of territories: Proceedings of the International conference. Moscow: MSU, Faculty of Geography, 2022. V. 28. Part 1. P. 523–539. DOI: 10.35595/2414-9179-2022-1-28-523-539 (in Russian)