ИССЛЕДОВАНИЕ ДИНАМИКИ ИЗМЕНЕНИЯ ЛЕДНИКОВ И СНЕЖНОГО ПОКРОВА ЗАИЛИЙСКОГО АЛАТАУ

ИССЛЕДОВАНИЕ ДИНАМИКИ ИЗМЕНЕНИЯ ЛЕДНИКОВ И СНЕЖНОГО ПОКРОВА ЗАИЛИЙСКОГО АЛАТАУ

Кайратов Даулет Аскатулы

магистрант, Международная образовательная корпорация,

Казахстан, г. Алматы

Омиржанова Жанат Токтарбаевна

канд. техн. наук, Международная образовательная корпорация,

Казахстан, г. Алматы

АННОТАЦИЯ

В данной работе проведен анализ динамики ледников и снежного покрова Алматинских гор за последние 30 лет (1990-2021) по данным космоснимков со спутников Landsat 5, Landsat 8 в диапазонах каналов (GREEN и Short Wavelength Infrared, SWIR 2). По данным анализа общий отрицательный тренд площади снежного покрова и площади ледников наблюдался с 2011 года до 2013 года и с 2020 года до 2021 года, а общий положительный тренд площади наблюдался с 2009 до 2011 и в 2020 году.

Ключевые слова: мониторинг ледников, NDSI, нормализованный дифференциальный снежный индекс, Заилийский Алатау, площадь ледников, Landsat, USGS, динамика ледников

Ледники Заилийского Алатау являются важнейшим природным ресурсом многих задач, например, снабжают город питьевой водой и служат для разного рода деятельностей, способствуют работам гидроэлектростанций и т.д. С каждым годом прогнозирование становится сложным, из-за высокого темпа таяния ледников, вследствие чего повышается риск наводнений в предгорных районах.

На это влияют несколько основных факторов, такие как прирост миграции в город, рост количества транспорта, повышенный выброс углекислого газа в атмосферу, при этом маловажную роль играет глобальное потепление, которое влияет на повышение температуры. Такие колебания температуры оказывают серьезное воздействие на снегонакопление, таянию снега и убыванию площади ледников, которые являются важными компонентами гидрологических или климатических условий.

По данным некоторых исследователей [1, с.9] за последние 166 лет средняя температура в летнее время увеличилась со скоростью 0,27°C за десять лет, а тем временем за последние 30 лет скорость повышения температуры за десятилетие составила 0,44°C. Т

Выявление изменений является одним из инструментов анализа мультивременных вариаций, значимые для представления разных типов изменений на одной местности за разное время, но более чувствительные к радиометрическим ошибкам. Тем не менее, такие методы могут быть рассмотрены для создания мультикатегорийных карт изменений. С другой стороны, индексы модели, такие как NDSI, NDWI (нормализованный водный индекс) могут иметь большее значение при дифференциации снежного пикселя от облака и другие категории классов. Кроме того, зарубежные ученые [2-5] предложили идею нового спектрального индекса, индекс снега и воды (SWI). На практике учеными установлено, что данный индекс улучшает качество данных, удаляет и извлекает пиксели воды и другие категории классов снега и льда.

В зимнее время большая часть региона Заилийского Алатау почти полностью покрыта снегом, поэтому для получения более конкретных результатов, мониторинг проводится космоснимками летнего периода или ранней осенью, до больших осадков, так как в горах зима наступает раньше чем в городе, разница может быть от пару недель до пару месяцев.

Анализ состояния ледников Заилийского Алатау проводился с помощью данных ДЗЗ по снимкам со спутников Landsat-5, Landsat-8. Топография исследуемого региона включают в себя различные вариации, которые влияют на образование снега, ледников и их таяния.

На рис. 1 синим цветом выделены ледники и неизменчивый снежный покров, а красным - талые и легко подвергаемые изменениям снега.

Стоит отметить, что у метода NDSI есть свои недостатки, в некоторых местах спектральное излучение воды имеет такое же значение как у снежного покрова. Например, на рисунке 2 показано Большое Алматинское озеро (БАО), где оно указано как снежный покров.

Рисунок 1. Космоснимок Заилийского Алатау 2016 г. а) в реальных цветах; б) после обработки NDSI

Эти недостатки можно, в принципе, игнорировать, так как они играют небольшую роль в общей площади ледников и снега, и в данный момент нет возможности внести коррекцию в калькуляторе растров, так как NDSI считывает по спектральному излучению объекта, как говорилось ранее. Также можно внести свои поправки вручную, выполняя оцифровку озёр и далее по этим данным вычесть из общего числа.      

Он вычисляется по ниже приведенной формуле (1):

                                                        (1)

После обработки растра получен другой растр с нужными нам значениями. Всем известно, что нельзя или очень трудоёмко извлекать атрибутивные данные с растра. Поэтому обработанный растр подвергается к переклассификации, т.е. таким образом, появляется возможность открыть таблицу атрибутов, где можно увидеть данные по площади – count, общее число пикселей.

Площадь местности считается по значениям данного атрибута по формуле (2):

  (км²)                                                                     (2)

где C – общее число пикселей, N – пространственное разрешение снимка, число 1000000 для перевода кв.м в кв. км, т.е. 1км² = 1000000м².

Рисунок 2. Большое Алматинское озеро в 2016 г. а) в реальных цветах; б) после обработки NDSI

Для снимков Landsat эта формула (3) выглядит следующим образом:

                                                                            (3)   

Пространственное разрешение снимков Landsat составляет 30м×30м.

Оценка точности карт снежного покрова рассчитывается с использованием изображений NDSI, созданных на основе данных Landsat и предоставляет информацию с 97-98% точностью. В эти 2-3% входят водные элементы, ошибочно идентифицируемые снежной поверхностью и элементы тени, где снег не отличается от каменной поверхности.

Так же существует очень неблагоприятная и не контролируемая ситуация для изучения местности - облачность. Так как ситуация никак не контролируется и в горной местности почти всегда облачно, приходится сортировать более чистые снимки от облаков.

При выборе космоснимков нужно выбирать те снимки, где облака не перекрывают ледники и снежный покров, так как NDSI 100% игнорирует присутствие облаков, но в то же время он не распознает что находиться под этим слоем. На рисунке 3 показан результат, полученный при обработке NDSI.

Рисунок 3. Облачность местности до и после обработки NDSI

На южной стороне рисунка 3 хорошо заметен сгусток облака, а на севере простирается покров ледников и снега, которых данный вид обработки идентифицирует по классификации.    В настоящем анализе карты ледников и снежного покрова их состояние оценивалась с 1990 года по 2021 год, общий отрицательный тренд площади снежного покрова наблюдался с 2011 года до 2013 года и с 2020 года до 2021 года, а общий положительный тренд площади наблюдался с 2009 до 2011 и в 2020 году.

Глобальное изменение климата прямо или косвенно влияет на климат всего Заилийского Алатау, поэтому эти изменения требуют частых измерений, для получения наглядной динамики таяния ледников. В данной работе внимание уделено на межгодовые изменения площади снежного и ледяного покрова за последние 30 лет. Также климат гор Заилийского Алатау отчасти зависит от локального экологического состояния, в 2020 году город был закрыт на локдаун, тогда местные экологи объявили, что состояние воздуха гор стало лучше в два раза, а высота распространения смога заметно уменьшилась, приблизительно на 500 метров.   

Результаты, полученные в данном исследовании, имеют некоторые недостатки, такие как отсутствие включения данных об изменениях температуры, осадках и наблюдений на месте или в полевых условиях. Данная методика также позволяет выполнить эффективное прогнозирование стихийных бедствий и принять своевременные меры по защите водных ресурсов.

Список литературы:

1. Утебекова А.Д. Исследование влияния климатических условий на ель Шренка (на Северном Тянь-Шане) методами дендрохронологии, 2021, 86-87.
2. Daniel, F., Matthias, H., Johannes, J. F., Johannes, L., Horst, M., Fabien, M. & Ankur, P. A consensus estimate for the ice thickness distribution of all glaciers on Earth. Nat. Geosci. 12 (3), 2019, 168–173.
3. Frey, H., Haeberli, W., Linsbauer, A., Huggel, C., Paul, F., A multi-level strategy for anticipating future glacier lake formation and associated hazard potentials. Nat. Hazards Earth Syst. Sci. 10 (2), 2010, 339-352.
4. Frey, H., Paul, F., On the suitability of the SRTM DEM and ASTER GDEM for the compilation of topographic parameters in glacier inventories. Int. J. Appl. Earth Obs. Geoinf. 2012, 18, 480–490.
5. Frey, H., Machguth, H., Huss, M., Huggel, C., Bajracharya, S., Bolch, T., Kulkarni, A., Linsbauer, A., Salzmann, N., Stoffel, M., Estimating the volume of glaciers in the Himalayan–Karakoram region using different methods. Cryosphere 8 (6), 2014, 2313–2333.