Комплексная методика автоматизированного обнаружения и оценки параметров объектов захоронения отходов по данным космической съёмки тема диссертации и автореферата по ВАК РФ 25.00.34, кандидат наук Рихтер, Андрей Александрович

• Рихтер, Андрей Александрович
• кандидат наук
• 2018

Оглавление диссертации кандидат наук Рихтер, Андрей Александрович

ОГЛАВЛЕНИЕ

ВСПОМОГАТЕЛЬНЫЕ УКАЗАТЕЛИ

ВВЕДЕНИЕ

РАЗДЕЛ 1. АНАЛИЗ МЕТОДОВ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА ОБЪЕКТОВ ЗАХОРОНЕНИЯ ТВЕРДЫХ КОММУНАЛЬНЫХ И ПРОМЫШЛЕННЫХ ОТХОДОВ

1.1. Общие сведения об объектах захоронения отходов и методах их мониторинга

1.2. Методы наземного мониторинга объектов захоронения отходов

1.3. Методы дистанционного мониторинга объектов захоронения отходов27

1.4. Постановка научной задачи диссертационного исследования

РАЗДЕЛ 2. РАЗРАБОТКА КОМПЛЕКСНОЙ МЕТОДИКИ АВТОМАТИЗИРОВАННОГО ОБНАРУЖЕНИЯ И ОЦЕНКИ ПАРАМЕТРОВ ОБЪЕКТОВ ЗАХОРОНЕНИЯ ОТХОДОВ ПО ДАННЫМ КОСМИЧЕСКОЙ СЪЁМКИ

2.1. Общее представление комплексной методики автоматизированного обнаружения и оценки параметров объектов захоронения отходов по данным космической съёмки

2.2. Методика детектирования объектов захоронения отходов по данным цифровой обработки космических изображений

2.3. Методика оценки параметров объектов захоронения отходов по данным цифровой обработки космических изображений

2.4. Методика оценки влияния объектов захоронения отходов на природную среду по данным цифровой обработки космических изображений

2.5. Оценка эффективности комплексной методики

РАЗДЕЛ 3. ДЕТЕКТИРОВАНИЕ ОБЪЕКТОВ ЗАХОРОНЕНИЯ ОТХОДОВ НА ПРИМЕРЕ ТЕРРИТОРИИ МОСКОВСКОГО РЕГИОНА

3.1. Общая характеристика тестовых объектов

3.2. Выделение полигонов твёрдых коммунальных отходов Московского региона по результатам автоматизированной обработки снимков Landsat

3.3. Построение карты объектов захоронения отходов территории ближневосточного Подмосковья по результатам автоматизированной обработки снимков Landsat

3.4. Выделение классов поверхности и классификация поверхности полигона твердых коммунальных отходов Кучино Московского региона по результатам автоматизированной обработки снимков WorldView2

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА

ВСПОМОГАТЕЛЬНЫЕ УКАЗАТЕЛИ

Перечень сокращений и условных обозначений

г. - город (год)

г.о. - городской округ

ГБОУ - государственное бюджетное образовательное учреждение ГБОУ СОШ - государственное бюджетное образовательное учреждение средняя общеобразовательная школа

ГИС - геоинформационные системы

ГУП - государственное унитарное предприятие

дер. - деревня

ДЗЗ - дистанционное зондирование Земли ЗАО - закрытое акционерное общество ИПП - индекс подстилающей поверхности ИРП - индекс реакции почвы ИРР - индекс реакции растительности

КМ - комплексная методика автоматизированного обнаружения и оценки параметров объектов захоронения отходов по данным космической съёмки КМ1 - методика детектирования объектов захоронения отходов КМ2 - методика оценки параметров объектов захоронения отходов КМ3 - методика оценки влияния объектов захоронения отходов на природную среду

КСЯ - коэффициент спектральной яркости МГС - муниципальная городская свалка МИП - матрица информационных признаков мкр. - микрорайон

МУП - муниципальное унитарное предприятие НИР - научно-исследовательская работа

НИОКР - научно-исследовательская опытно-конструкторская работа

ОАО - открытое акционерное общество

4

ОЗО - объект захоронения твёрдых коммунальных и промышленных отходов

ООО - общество с ограниченной ответственностью

ОПС - окружающая природная среда

ПАУ - полициклические ароматические углеводороды

ПДК - предельно-допустимая концентрация

ПО - промышленные отходы

пос. - посёлок

ПЭР - проектирование, эксплуатация и рекультивация ТКО - твердые коммунальные отходы (в работе может встречаться также термин «твёрдые бытовые отходы», сокращённо ТБО. В соответствие с федеральным законом Российской Федерации «Об отходах производства и потребления» от 24.06.1998 N 89-ФЗ (с изм. на 28.12.2016) (ред., действующая с 01.01.2017) в настоящее время существует термин «твердые коммунальные отходы»).

ЭЗСЯ - эталонные значения спектральной яркости Список терминов

детектирование: Распознавание объектов захоронения отходов по данным обработки космических изображений, включающее: обнаружение объекта (определение местоположения), обнаружение предсвалки (места начала образования свалки), выделение объекта (определение области, занятой объектом), выделение классов поверхности (определение подобласти в составе области объекта, занятой тем или иным классом поверхности), классификация поверхности (определение класса поверхности для каждого пикселя в составе области объекта и его окрестности).

индекс реакции растительности: Индекс, рассчитываемый для каждого пикселя космического изображения, показывающий разность между нормированным значением фактора, воздействующего на растительность, и реакцией растительности на данный фактор.

матрица информационных признаков: Матрица чисел, описывающая функциональную зависимость коэффициентов спектральной яркости на разных каналах друг от друга для точек класса поверхности.

объект захоронения отходов: Свалки отходов человеческой жизнедеятельности различных видов и форм: полигоны твёрдых коммунальных и промышленных отходов, муниципальные городские свалки, терриконы, несанкционированные свалки, захламления территории, производственные свалки и др.

индекс реакции почвы: Индекс, рассчитываемый для каждого пикселя временной серии космических изображений, показывающий изменение во времени значений индексов реакции растительности для данной точки поверхности земли.

Введение диссертации (часть автореферата) на тему «Комплексная методика автоматизированного обнаружения и оценки параметров объектов захоронения отходов по данным космической съёмки»

ВВЕДЕНИЕ

Актуальность темы диссертационного исследования определяется наличием большого количества объектов захоронения твердых коммунальных и промышленных отходов (ОЗО), распределённых на территории Российской Федерации, для которых трудно обеспечить экологический мониторинг традиционными методами. К действующим способам экологического мониторинга относятся в основном маршрутные наблюдения, полевые, лабораторно-аналитические и камеральные работы. Их принципиальная особенность состоит в том, чтобы детально и на месте оценить состояние атмосферного воздуха, почвенного покрова и грунтовых вод, исследовать и проанализировать состав свалочного вещества, определить размеры и границы участка, административно-территориальную и муниципальную принадлежность объекта и т.д. По этой причине применение данных методов имеет существенное ограничение при мониторинге обширных территорий Российской Федерации.

Дистанционный мониторинг ОЗО основан на методах дистанционного зондирования Земли (ДЗЗ), и он имеет ряд преимуществ перед контактными методами. Помимо того что они экономически выгодны при решении задач мониторинга обширных территорий, отсутствует прямой контакт с объектами исследования, дистанционный мониторинг может быть проведен в труднодоступных местах (горные районы, северные территории и др.), для которых наземный мониторинг крайне затруднен или невозможен.

Вместе с тем, в настоящее время отсутствуют или в недостаточной степени разработаны методики и алгоритмы цифровой обработки, связанные с автоматизированной оценкой параметров объектов размещения отходов и их влияния на окружающую среду по данным космических изображений.

Степень разработанности темы исследования. К авторам, проводившим

работу в области космического мониторинга объектов размещения отходов или

близко к ней, относятся: Оши С., Яцуока Я., Тамура М. (2000-2003 гг.); Аристов

М.В., Готынян В.С., Томченко О.В., Миколенко Л.И. (2006-2010 гг.); Бровкина

7

0.В., Григорьева О.В., Мочалов В.Ф., Легомина А.И. (2006-2012 гг.); Липилин Д.А., Погорелов А.В. (2011-2015 гг.); Шешукова Л.В., Абросимов А.В., Охотин А.Л., Тимофеева С.С., Никольский Д.Б. (2011-2015 гг.); Байдулова М.К., Гарифзянов Р.Д., Волкова И.В., Боронина Л.В. (2012-2017 гг.); Зверев А.Т., Фисенко Е.В. (2011-2014 гг.).

В работах авторов усилия направлены в основном на проведение космического мониторинга совместно с контактным мониторингом, обработкой данных аэрофотоснимков, визуальным дешифрированием космических и аэрофотоснимков. Обработка цифровой информации проводится с использованием стандартных программных пакетов (ENVI, ERDAS, ArcGis, Scanex Processor и др.). В этом случае используются общепринятые методы и алгоритмы цифровой обработки и могут быть дешифрованы только отдельные характеристики объектов размещения отходов, что не даёт комплексного автоматизированного подхода к их дешифрированию, в частности, к оценке параметров свалок. Имеет место высокая стоимость исходных данных мониторинга (космические снимки высокого и сверхвысокого разрешения, облёт местности и аэрофотосъёмка участков поверхности земли с воздушных средств и др.).

Целью диссертационного исследования является разработка комплексной методики автоматизированного обнаружения и оценки параметров ОЗО по данным космической съёмки.

Для достижения поставленной цели в диссертации решаются следующие задачи:

1. Провести аналитический обзор существующих методов мониторинга объектов захоронения твердых коммунальных и промышленных отходов и оценки их влияния на природную среду, и предложить на основе этого новые подходы к построению комплексной методики в области космического мониторинга ОЗО, устраняющие выявленные недостатки существующих методик;

2. Разработать комплексную методику мониторинга объектов захоронения твердых коммунальных и промышленных отходов, позволяющую в

автоматизированном режиме детектировать ОЗО и давать оценку их параметров, а также дополнительно проводить оценку влияния свалок на природную среду по данным космического мониторинга;

3. Провести апробацию разработанной методики на примере конкретных полигонов твёрдых коммунальных и промышленных отходов Московского региона;

4. В результате апробации провести оценку эффективности разработанной методики.

Научная новизна диссертационного исследования:

- Впервые предложена методика автоматизированного детектирования ОЗО, которая разделена на три последовательные стадии: обнаружение местоположения ОЗО, выделение ОЗО и выделение компонент ОЗО;

- Впервые разработаны индексы реакции растительности и почвы на условия окружающей среды, рассчитываемые по данным космических съемок и наземных обследований, применённых в задаче оценки влияния ОЗО на окружающую природную среду по данным космического мониторинга;

- Впервые проведено комплексирование методов цифровой обработки изображений для решения задач автоматизированного детектирования, оценки параметров ОЗО и оценки их влияния на природную среду по данным космических изображений.

Объект исследования: объекты захоронения твердых коммунальных и промышленных отходов.

Предмет исследования: методы автоматизированного обнаружения и оценки параметров объектов захоронения твердых коммунальных и промышленных отходов и влияния этих объектов на природную среду.

Теоретическая значимость диссертации заключается в комплексном автоматизированном подходе к дешифрированию объектов захоронения отходов по материалам многозональной космической съёмки, в возможности

представления объектов захоронения отходов в многомерном признаковом пространстве, включающем в себя яркостные температуры на синем, зелёном, красном, ближнем инфракрасном и тепловом каналах, в разработке индексов реакции растительности и почв, позволяющих оценивать состояние растительности по её реакции на изменчивость факторов среды по данным космического мониторинга и наземных обследований.

Практическая значимость заключается в том, что результаты диссертационных исследований могут быть использованы в природоохранных ведомствах и организациях для решения задач обнаружения несанкционированных ОЗО и контроля правильности эксплуатации полигонов твёрдых коммунальных и промышленных отходов (ПО) в соответствие с действующими нормативно-правовыми документами, для определения очередности ликвидации существующих полигонов, в зависимости от степени их негативного влияния на окружающую природную среду.

Результаты исследований могут быть также использованы в образовательном процессе в проектно-исследовательской деятельности обучающихся с применением различных программных средств и ГИС-приложений (MatLab, ArcGis, ENVI и др.). [81], [121], [122], [123], [18], [144], [37], [53], [156], [157], [146], [134].

Методы исследования: метод регрессионного анализа, методы цифровой обработки изображений, методы системного анализа и математического моделирования, метод статистической и тематической обработки.

Информационная база исследования:

1. Метеоданные, полученные с сайта [21];

2. Космические снимки низкого пространственного разрешения Landsat 4, 5 TM, 7 +ETM, 8 OLI, TIR, включая метаданные, полученные с сайта архивов геоданных National Aeronautics and Space Administration (NASA) за период с 1980 по 2017 гг. [141], [143];

3. Изображения высокого пространственного разрешения WorldView2 и GeoEye, приобретенные в компании Совзонд (отдельные изображения для области покрытия Балашихинского и Люберецкого районов за 2012-2015 гг.) [103];

4. Геоинформационные данные об основных полигонах твёрдых коммунальных отходов (ТКО) Московского региона, взятые с интернета;

5. Научные работы, связанные с контактным [83] и дистанционным (см. выше) [4], [13], [60] мониторингом свалок.

Достоверность результатов проведенных научных исследований определяется сопоставлением результатов цифровой обработки космических изображений с данными наземного обследования исследуемых мест складирования отходов, материалами Росреестра [32] по картографированию объектов размещения отходов, корректным применением методов статистической и цифровой тематической обработки данных дистанционного зондирования Земли, согласованностью полученных научных результатов с более ранними научными исследованиями, выполненными Бровкиной О.В., Аристовым М.В., Липилиным Д.А и другими исследователями в области дистанционного мониторинга ОЗО.

Апробация результатов работы.

Основные выводы и положения диссертации отражены в 19 научных статьях (15 статей опубликовано в рецензируемых научных журналах, рекомендованных: ВАК - 8 статей, SCOPUS - 5 статей, WOS - 2 статьи) и 10 докладах на 8 научно-технических конференциях. Основные конференции: X-XII (2012-2014 гг., г. Москва), XIV-XV (2016-2017 гг., г. Москва) Всероссийская открытая конференция «Современные проблемы дистанционного зондирования Земли из космоса»; The 11-th International Conference "Pattern recognition and image analysis: new information technologies" (2013 г., г. Самара).

Имеется 6 свидетельств о государственной регистрации программ для ЭВМ [67], [90], [118], [119], [124], [125] и 1 свидетельство о государственной регистрации базы данных [120].

В рамках проведенных диссертационных исследований было разработано учебно-методическое пособие «Методы и технологии космического мониторинга объектов захоронения отходов в интересах обеспечения экологической безопасности территорий» (2013 г.) [121].

В области космического мониторинга ОЗО имеется ещё ряд научных статей, часть из которых - на стадии опубликования (всего 13 научных работ). По результатам диссертационных исследований дополнительно подготовлен материал (~700 стр.) для публикации полного учебно-методического пособия.

Внедрение и практическое применение результатов работы.

По материалам учебно-методического пособия [121] был разработан и апробирован на кафедре геологии федерального государственного бюджетного образовательного учреждения высшего образования «Российский государственный университет нефти и газа (национальный исследовательский университет) имени И.М. Губкина» (ФГБОУ ВО «РГУ нефти и газа (НИУ) имени И.М. Губкина») учебный курс для студентов 3-4 курса «Геоэкологический мониторинг полигонов производственных и бытовых отходов», выполнена учебная практика студентов (2014-2015 гг.).

Отдельные положения и результаты диссертационных исследований были применены в 5 научно-исследовательских (НИР) и опытно-конструкторских (НИОКР) работах [84], [85], [86], [87], [88].

За время проведения научных исследований и изысканий работа была презентована в образовательных учреждениях г. Москвы. Проведены обзорные уроки и мастер-классы в области космического мониторинга.

Результаты диссертационных исследований были применены в общеобразовательных учреждениях в различных проектных работах, которые принимали участие в школьных конференциях, олимпиадах и конкурсах, таких как «Технологии и космос», «Гагаринские чтения» и др. Проектная деятельность проводилась в государственном бюджетном образовательном учреждении средняя общеобразовательная школа (ГБОУ СОШ) № 97 и в государственном бюджетном

образовательном учреждении (ГБОУ) г. Москвы «Школа № 439 «Интеллект» в рамках созданного научно-образовательного клуба «Космический экологический дозор». В ГБОУ СОШ № 97 проектная деятельность закреплена актом внедрения, в настоящее время проектная деятельность продолжается. Специально для обеспечения проектной деятельности клуба было разработано «Методическое руководство по выявлению и оценке параметров объектов захоронения твердых бытовых и промышленных отходов с использованием программного средства Google Планета Земля» [81].

Результаты диссертационных исследований были доложены в следующих организациях: Министерство экологии и природопользования Московской области (Минэкологии Московской области, март 2016 г.); Государственное унитарное предприятие г. Москвы «Государственный природоохранный центр» Департамента природопользования и охраны окружающей среды (ГУП «Государственный природоохранный центр», апрель 2017 г.). По результатам презентаций докладов в данных организациях отмечена актуальность и важность предлагаемой работы.

Личный вклад автора состоит в его непосредственном участии на всех этапах теоретических и экспериментальных исследований, в получении исходных данных и их обработке, в подготовке основных публикаций по выполненной работе, в разработке программ автоматизированной обработки данных космического и подспутникового мониторинга, в личном участии в апробации (участие в научных конференциях, выступления на заседаниях кафедры, разработка учебно-методического пособия), внедрении и практическом применении (разработка и проведение учебного курса, проектная деятельность в общеобразовательных учебных учреждениях, применение результатов исследований в научно-исследовательских работах) результатов исследований.

В рамках диссертационного исследования лично автором получены следующие научные результаты: разработана методика расчёта индексов реакции растительности и почвы по данным аэрокосмических съемок,

показывающих реакцию растительного и почвенного покровов на загрязнения окружающей среды; разработана методика оценки параметров объектов захоронения отходов (тепловых параметров, геометрических параметров на плоскости, геометрических параметров в пространстве и др.) по мультиспектральным космическим изображениям; разработана методика автоматизированного обнаружения, выделения ОЗО и их компонентов по космическим изображениям низкого и высокого пространственного разрешения; разработана методика интерактивного представления процесса детектирования ОЗО на космических изображениях с использованием средств мультимедиа; разработана информационная модель ОЗО, формируемая по данным космической съёмки и материалов наземных обследований; разработана методика построения 3D-моделей ригидных объектов по материалам мультиспектральной съемки на основе пространственных сеток или эталонных объектов.

Положения, выносимые на защиту:

1. Методика автоматизированного детектирования объектов захоронения отходов, основанная на методе контролируемой классификации, состоящая из трёх последовательных стадий детектирования - обнаружение объектов, выделение объектов, выделение классов поверхности;

2. Методика оценки параметров объектов захоронения отходов, таких как температура поверхности, площадь, объём и др., и их изменения во времени, основанная на методах цифровой обработки космических изображений, в автоматизированном режиме;

3. Методика автоматизированной оценки влияния свалок на природную среду, основанная на использовании разработанных индексов реакции растительности на факторы окружающей среды, такие как температура.

РАЗДЕЛ 1. АНАЛИЗ МЕТОДОВ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА ОБЪЕКТОВ ЗАХОРОНЕНИЯ ТВЕРДЫХ КОММУНАЛЬНЫХ И ПРОМЫШЛЕННЫХ ОТХОДОВ

В данном разделе даны общие сведения об ОЗО и методах их мониторинга, проведен анализ литературных источников, описывающих существующие методы и технологии их выявления, оценки параметров и их влияния на ОПС. На основании проведённого анализа сформулирована научная задача диссертационного исследования.

1.1. Общие сведения об объектах захоронения отходов и методах их

мониторинга

Термин «объект захоронения отходов» (ОЗО) предложен автором и не является общепринятым (данный термин не совсем корректен, т.к. «захоронение» - изоляция отходов с применением определённых технологий; корректнее использовать термин «объект размещения отходов»).

К ОЗО будем относить следующие группы объектов (на рисунке 1 приведены примеры объектов разных групп) [20], [33], [44]:

1. Полигоны ТКО (и ПО) - территории санкционированного захоронения твердых коммунальных и промышленных отходов IV класса опасности и нетоксичных отходов (отходы V класса) (рисунок 1а, полигон ТКО Тимохово, дер. Тимохово, Ногинский район);

2. Муниципальные городские свалки (МГС) - крупные свалки, эксплуатируемые в течение многих лет коммунальными службами городов и районов, но без лицензии на право захоронения отходов либо с нарушениями условий лицензирования (рисунок 1б, МГС Балластный карьер, пос. Балластный карьер, Люберецкий район);

3. Терриконы - отвалы, искусственные насыпи из пустых пород, извлечённых при подземной разработке месторождений угля и других полезных ископаемых,

насыпи из отходов или шлаков от различных производств и сжигания твёрдого топлива (рисунок 1в, террикон Белая Гора, г. Воскресенск, Воскресенский район);

(а)

(б)

(в)

(г)

(д)

(е)

(ж) (з) (и)

Рисунок 1 - ОЗО различного типа на космических снимках: а) полигон ТКО; б) муниципальная городская свалка; в) террикон Белая Гора; г) несанкционированная свалка; д) рекультивируемый карьер; е) рекультивируемый полигон; ж) захламление территории; з) строительная свалка; и) производственная свалка [Московская область. Картографические данные © Google]

4. Несанкционированные свалки - скопления отходов на территории 0.2-0.5 га и более (рисунок 1 г, несанкционированная свалка, аэродром Жуковский, Раменский район);

5. Рекультивируемые карьеры (как ОЗО) - объекты, в которые преобразуется или преобразован закрытый для эксплуатации карьер природных пород (песка, глины, фосфогипса и пр.) посредством наполнения пустот отходами при соблюдении определенного комплекса мер по рекультивации объекта (рисунок 1д,

Рекультивируемый карьер строительных песков Вишняковское-3 у платформы «33 км» в Ногинском районе, дер. Вишняково, Ногинский район);

6. Рекультивируемые полигоны - объекты, в которые преобразуется или преобразован закрытый для эксплуатации полигон ТКО и ПО с целью восстановления биопродуктивности и народнохозяйственной ценности, а также улучшения состояния окружающей среды (рисунок 1е, рекультивируемый полигон Лисья Гора г.о. Балашиха, Балашихинский район);

7. Захламления территории - аморфные, без чётко выраженных границ скопления твердых коммунальных, промышленных, строительных отходов различных размеров (рисунок 1ж, захламление территории, дер. Темниково, Балашихинский район);

8. Типовые свалки - свалки, по типу и месторасположению приуроченные к определенному виду хозяйственной деятельности человека (дворовые, общепитовые, магазинные, рыночные и др.) (рисунок 1з, строительная свалка, мкр. Павлино, Балашихинский район);

9. Производственные свалки - свалки, образованные в результате деятельности различных государственных и частных предприятий, расположенные на территориях этих же предприятий или в границах их санитарно-защитной зоны (рисунок 1и, производственная свалка, Воскресенский домостроительный комбинат, Воскресенский район).

Классификация методов экологического мониторинга [6] ОЗО приведена на рисунке 2.

К методам экологического мониторинга относятся наземные, воздушные (аэрологические), космические и смешанные (верификация и дополнения одних другими). Наземные методы делятся на полевые и лабораторные, а также физико-химические (потенциометрические, титрометрические, экспресс-методы, гравиметрические, колориметрические и др.) и биологические (биоиндикация, биотестирование и др.).

Рисунок 2 - Общая классификация методов мониторинга ОЗО

Наиболее распространенными являются наземные методы мониторинга. При использовании полевых методов проводятся следующие работы: забор проб вещества; проведение геодезических работ; визуальное наблюдение состояния среды и ее компонентов; измерение концентраций веществ в атмосфере, воде и почве и др. [127]

Лабораторные методы включают в основном анализ взятых проб в лабораторных условиях теми или иными методами химического анализа (физико-химическими и биологическими). По сути, все существующие методы химического анализа могут быть применены к ОЗО.

Воздушные методы мониторинга - дистанционное исследование состояния ОЗО по аэрофотоснимкам, получаемым с помощью съемочного оборудования (радиометры, радары, анализаторы, тепловизоры и др.), установленного на воздушном средстве (аэропланы, вертолеты, самолеты, воздушные зонды и др.).

Для проведения измерительных работ при мониторинге ОЗО необходимо специальное оборудование: приборы для исследований воды и воздуха; переносное и портативное оборудование, предназначенное для анализа проб почв, воздуха и воды на месте измерений; передвижные и стационарные комплексы

экологического мониторинга (ольфактометры, хроматографы, системы калибровки, спектрометры, анализаторы запахов, газа и др.).

Воздушные методы мониторинга ОЗО имеют определенные ограничения по охвату территорий из-за относительно высокой стоимости проводимых работ. В этой связи наиболее предпочтительными являются методы мониторинга ОЗО, основанные на использовании технологии ДЗЗ из космоса, т.к. известно, что с экономической точки зрения методы мониторинга обширных территорий наименее затратные.

К основным недостаткам космических методов мониторинга относятся: более низкое пространственное разрешение, невозможность проведения съемки в условиях облачности (исключение составляют радиолокационные космические аппараты), отсутствие возможности полноценного химического анализа почвы и растительности в окрестностях ОЗО.

1.2. Методы наземного мониторинга объектов захоронения отходов

Дадим общее описание наземных методов мониторинга, используемых при химическом анализе веществ, оценке параметров ОЗО и окружающей среды [1], [51], [58], [59], [160].

1. Потенциометрические - анализ физико-химических процессов в растворе по изменению потенциала электрода. Они разделяются на прямую потенциометрию (ионометрию) и потенциометрическое титрование. В ионометрии вначале по серии стандартных растворов строят калибровочную кривую или соответственно настраивают прибор (например, рН-метод), а затем по ЭДС (электродвижущая сила) потенциометрической ячейки с анализируемым раствором находят активность или концентрацию определяемого компонента. Потенциометрическое титрование - любые потенциометрические методы определения веществ, использующие хотя бы однократное добавление к анализируемому раствору известного вещества (раствора), вне зависимости от того, происходит при этом химическая реакция или нет (методы добавок).

Наиболее часто метод прямой потенциометрии используется для определения рН-раствора. Для аналитических целей чаще используют потенциометрическое титрование [65], [66];

2. Титриметрические - оценка объема вещества и реагента в испытуемой пробе. Это методы определения количества вещества путем точного измерения объема растворов веществ, вступающих между собой в реакцию. Они основаны на понятии титра - количества грамм вещества, содержащегося в 1 мл. раствора, или эквивалентное определяемому веществу. Реакция титрования должна отвечать следующим требованиям: высокая скорость реакции; реакция должна протекать до конца; реакция должна быть высоко стехиометричной; иметь удобный метод фиксирования конца реакции. Главная задача титриметрического анализа - не только использовать раствор точно известной концентрации (фиксанал), но и правильно определить точку эквивалентности [58];

3. Экспресс-методы - определение уровня загрязнения за короткий промежуток времени с помощью специальных инструментов. Концентрацию вредных веществ в воздухе во многих случаях можно быстро установить экспрессным методом с помощью индикаторных трубок. Основными преимуществами указанного метода являются: быстрота проведения анализа и получение результатов непосредственно на месте отбора пробы воздуха; простота метода и аппаратуры, что позволяет проводить анализ лицам, не имеющим специальной подготовки; малая масса, комплектность и низкая стоимость аппаратуры; достаточная чувствительность и точность анализа; не требуются регулировка и настройка аппаратуры перед проведением анализов; не требуются источники электрической и тепловой энергии [114];

4. Гравиметрические - определение массы и процентного содержания компонента в испытуемой пробе. Суть метода состоит в определении массы и процентного содержания какого-либо элемента, иона или химического соединения, находящегося в испытуемой пробе. Гравиметрия (весовой анализ) - метод количественного анализа в аналитической химии, который основан на изменении

массы определяемого компонента, выделенной в виде веществ определённого состава. Используется уравнение химической реакции типа: аХ + ЬЯ = ХаЯЬ для получения осадка ХаЯЬ. При выполнении весовых определений определяемый компонент смеси или составную часть (элемент, ион) вещества количественно связывают в такое химическое соединение, в виде которого она может быть выделена и взвешена (так называемая гравиметрическая форма, ранее она именовалась «весовая форма»). Состав этого соединения должен быть строго определённым, то есть точно выражаться химической формулой, и оно не должно содержать каких-либо посторонних примесей [64];

5. Колориметрические - определение концентрации компонент по изменениям оттенков цвета. Методы основаны на измерении интенсивности окраски растворов, получаемых при взаимодействии сахаров с химическими реагентами. Эти методы пригодны для определения малых содержаний сахаров (в бражке, сусле, сточных водах сахарного производства). Колориметрический антроновый метод позволяет в течение непродолжительного времени определить общую сумму сбраживаемых углеводов (гексоз) в присутствии несбраживаемых (пентоз), не требуя предварительного гидролиза углеводов [56];

Список литературы диссертационного исследования кандидат наук Рихтер, Андрей Александрович, 2018 год

СПИСОК ЛИТЕРАТУРЫ

1. 717-80. Руководство по определению коэффициента фильтрации водоносных пород методом опытной откачки. - М.: Энергоиздат. - 1981. - 21 с.

2. Абросимов, А.В. Использование космических снимков и геоинформационных технологий для мониторинга мест складирования отходов/А.В. Абросимов, Д.Б. Никольский, Л.В. Шешукова//Экология урбанизированных территорий. - 2014. - № 1. - С. 38-43.

3. Александрова, Л.Н. Мониторинг состояния недр на полигоне захоронения ЖРО/Л.Н. Александрова, М.Л. Глинский, А.А. Зубков, В.В. Данилов, Л.Г. Чертков//Безопасность окружающей среды. - 2009. - № 4. - С. 66-71.

4. Аристов, М.В. Мониторинг полигонов ТБО и обнаружение стихийных мусоросвалок по данным космической съемки/М.В. Аристов//Геопрофиль. -2009. - № 2. - С. 34-41.

5. Астрономический ежегодник: [Электронный ресурс]//ИПА РАН, 2016. URL: http://www.ipa.nw.ru/PAGE/EDITION/RUS/AE.

6. Ашихмина, Т.Я. Экологический мониторинг: учеб. пособие/Т.Я. Ашихмина, Г .Я. Кантор, А.Н. Васильева, В.М. Тимонюк, Л.В. Кондакова, А.С. Ситяов, В.И. Колчанов, Н.Д. Охорзин, В.А. Копысов, Т.С. Носкова, Г.А. Воронина, В.П. Исупов, Н.М. Алылыкина, В.М. Сюткин, Н.В. Жданов, Э.А. Штина; под ред. Т.Я. Ашихминой. - М.: 2005. - 416 с.

7. Байдулова, М.К. Влияние полигонов твердых бытовых отходов на состояние почвы и подземных вод/М.К. Байдулова, И.В. Волкова, Л.В. Боронина//В сб.: Технологии очистки воды "Техновод-2016": материалы IX Междунар. науч.-практ. конф. Новочеркасск. - 2016. - С. 246-251.

8. Батракова, Г.М. Тематическая обработка космических снимков территорий захоронения ТБО с использованием программного продукта ScanEx Image Processor/Г.М. Батракова, О.В. Ивенских, Р.Д. Гарифзянов//В сб. науч. тр.: материалы VI межрегион. науч.-практ. конф. Пермь. - 2013. - № 6. - С. 23-29.

9. Бондур, В.Г. Алгоритм расчета степени деградации почвы/В.Г. Бондур, А.А. Рихтер, А.Б. Мурынин//Технические науки в России и за рубежом: материалы II междунар. заоч. науч. конф. (г. Москва, ноябрь 2012 г.). - М.: Буки-Веди, 2012. -С. 8-14.

10.Бондур, В.Г. Разработка алгоритма оценки степени деградации почвы по мультиспектральным изображениям/В.Г. Бондур, А.Б. Мурынин, А.А. Рихтер, М.А. Шахраманьян//Известия ЮФУ. Технические науки. - 2012, № 6 (131). - С. 130-134.

11.Бровкина, О.В. Автоматическая идентификация свалок по разноспектральным аэрокосмическим данным/О.В. Бровкина//Исследования Земли из космоса. -2007. - №6. - С. 22-28.

12.Бровкина, О.В. Дистанционный мониторинг антропогенных нарушений таежной зоны Северо-Запада России: автореф. дис.... канд. геогр. наук: 25.00.36/Бровкина Ольга Владимировна. - СПб., 2011. - 20 с.

13.Бровкина, О.В. Дистанционный мониторинг антропогенных нарушений таежной зоны Северо-Запада России: дис. на соиск. учен. степ. канд. геогр. наук: 25.00.36/Бровкина Ольга Владимировна. - СПб., 2011. - 194 с.

14.Бровкина, О.В. Обоснование требований к материалам космической съемки для решения задач контроля полигонов твердых бытовых отходов/О.В. Бровкина, В.В. Егунова//Региональная экология. - 2011. - № 3-4 (32). - С. 111-115.

15.Бруевич, П.Н. Фотограмметрия: учеб. для вузов/П.Н. Бруевич. - М.: Недра, 1990. - 285 с.

16.Буторина, М.В. Инженерная экология и экологический менеджмент: учебное пособие/М.В. Буторина, Л.Ф. Дроздова, Н.И. Иванов, Г.М. Курцев, А.Н. Пименов, Н.П. Попова, М.Л. Рудаков, В.Н. Сидоров, Н.В. Тюрина, И.М. Фадин; под ред. Н.И. Иванова, И.М. Фадина. - М.: Логос, 2003. - 477 с.

17.Вежневец, В. Задача восстановления формы объекта по закраске (shape from shading)^. Вежневец//Компьютерная графика и мультимедиа. - 2004. - № 2 (1). URL: http://cgm.computergraphics.ru/content/view/59.

18.Верещака, Т.В. Визуальные методы дешифрирования/Т.В. Верещака, А.Т. Зверев, С.А Сладкопевцев, С.С. Судакова. - М.: Недра, 1990. - 341 с.

19.Вести Дубны: [Электронный ресурс]//Закон и порядок. Московская область, 2017. URL: http://indubnacity.ru/novosti/zakon-i-poryadok/.

20.Википедия: [Электронный ресурс]. 2001-2017. URL: https://ru.wikipedia.org.

21.Всероссийский научно-исследовательский институт гидрометеорологической информации - Мировой центр данных (ФГБУ «ВНИИГМИ-МЦД»): [Электронный ресурс]. М., 2017. URL: http://meteo.ru/climate/sp_clim.php.

22.Гашников, М.В. Методы компьютерной обработки изображений: учебное пособие. 2-е изд., испр./М.В. Гашников, Н.И. Глумов, Н.Ю. Ильясова, В.В. Мясников, С.Б. Попов, В.В. Сергеев, В.А. Сойфер, А.Г. Храмов, А.В. Чернов, М.А. Чичева, В.А. Фурсов; под общ. ред. В.А. Сойфера. - М.: Физматлит, 2003. - 784 с.

23.Гарбук, С.В. Космические системы дистанционного зондирования Земли: учебное пособие/С.В. Гарбук, В.Е. Гершензон. - М.: А и Б, 1997. - 296 с.

24.Гершензон, В.Е. Оперативное предоставление изображений земли из космоса через интернет в режиме реального времени/В.Е. Гершензон//Технологии гражданской безопасности. - 2004. - № 4. - С. 84-87.

25.ГН 2.1.5.1315-03. Предельно допустимые концентрации (ПДК) химических веществ в воде водных объектов хозяйственно-питьевого и культурно-бытового водопользования: гигиенические нормативы. - М.: Российский регистр потенциально опасных химических и биологических веществ Министерства здравоохранения Российской Федерации, 2003. - 100 с.

26.ГН 2.1.7.2041-06. Предельно допустимые концентрации (ПДК) химических веществ в почве: гигиенические нормативы. - М.: Федеральный центр гигиены и эпидемиологии Роспотребнадзора, 2006. - 15 с.

27. ГН 2.2.5.1313-03. Предельно допустимые концентрации (ПДК) вредных веществ в воздухе рабочей зоны: гигиенические нормативы. - М.: Минздрав России, 2003. - 201 с.

28.Гонсалес, Р. Цифровая обработка изображений/Р. Гонсалес, Р. Вудс; пер. с англ. под. ред. П.А. Чочиа. - М.: Техносфера, 2005. - 1072 с.

29.Гордиенко, А.С. Разработка методики использования вейвлет-преобразования для обработки космических снимков высокого и среднего разрешения при мониторинге лесных массивов: дис. на соиск. учен. степ. канд. техн. наук: 25.00.34/Гордиенко Антонина Сергеевна. - Новосиб., 2010. - 123 с.

30.ГОСТ Р 54096-2010. Ресурсосбережение. Обращение с отходами. Взаимосвязь требований Федерального классификационного каталога отходов и Общероссийского классификатора продукции. - М.: Стандартинформ, 2011. - 24 с.

31.Гусеница: [Электронный ресурс]. СПб., 1996-2015. URL: www.gistatgroup.com.

32. Государственный реестр объектов захоронения отходов (ГРОРО): [Электронный ресурс]. М. URL: https://gko.fsrpn.ru/#groro.

33. Денисов, В.В. Экология города: учебное пособие/Денисов В.В., Курбатова А.С., Денисова И.А, Бондаренко В.Л., Грачев В.А., Гутенев В.В., Нагнибеда Б.А.; под ред. В.В. Денисова. - М., Р. н/Д: МарТ, 2008. - 832 с.

34.Дрейпер, Н. Прикладной регрессионный анализ/Н. Дрейпер, Г. Смит. - М.: Финансы и статистика, 1986. - Т. 1 - 366 с.

35.Дубошин, Г.Н. Небесная механика. Основные задачи и методы: учеб. пособие. 2-е изд./Г.Н. Дубошин. - М.: Наука, 1968. - 802 с.

36.Дуда, Р. Распознавание образов и анализ сцен: учебное пособие/Р. Дуда, П. Харт; пер. с англ. Г.Г. Вайнштейна и А.М. Васьковского под ред. В.Л. Стефанюка. - М.: МИР. - 1976. - 509 с.

37.Егоренков, Д.Л. Основы математического моделирования. Построение и анализ моделей с примерами на языке Matlab: учебное пособие/А.Л. Фрадков, В.Ю. Харламов. - СПб.: БГТУ, 1994. - 190 с.

38.Ерастов, С. Причины пространственно-временной изменчивости биосферы: [Электронный ресурсу/MyShared. 2017. URL: http://www.myshared.ru/slide/613091.

39.Еремин, В.В. Теоретическая и математическая химия для школьников/В.В. Еремин. - М.: 2007 - 392 с.

40.Журавлев, Ю.И. Распознавание. Математические методы. Программная система. Практические применения/Ю.И. Журавлев, В.В. Рязанов, О.В. Сенько.

- М: Фазис, 2005. - 159 с.

41.Забелин, С.А. Методика атмосферной коррекции снимков Landsat/С.А. Забелин,

А.Д. Тулегулов//Вестник ЕНУ им. Л.Н. Гумилева, - 2011. - № 6. - С. 147-154. 42.Зверев, А.Т. Современные методы определения засушливых земель по космическим снимкам/А.Т. Зверев, Е.В. Фисенко//Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2012. - № 3. - С. 53-63.

43.Игнатьев, В.Ю. Метод и алгоритмы прогнозирования сезонных характеристик областей антропогенного воздействия с использованием многолетних космических данных/В.Ю. Игнатьев, А.Б. Мурынин//Известия РАН. Теория и системы управления. - 2015. - № 3. - С. 79-87.

44. Инструкция по проектированию, эксплуатации и рекультивации полигонов для твердых бытовых отходов [Электронный ресурс]: согласовано письмом Государственного комитета санитарно-эпидемиологического контроля Российской Федерации от 10 июня 1996 г. № 01-8/17-11 (утв. Мистроем России 2 ноября 1996 г.). Не опубликован. - Доступ из справ.-правовой системы КонсультантПлюс.

45. Калинин, Н.А. Технология комплексной оценки фитомассы сельскохозяйственных культур по данным дистанционного зондирования земли/Н.А. Калинин, С.В. Пьянков, Е.М. Свиязов, А.А. Смирнова//Вестник Удмуртского университета. Серия Биология. Науки о Земле. - 2010. - № 6-4. - С. 11-18.

46.Кашкин, В.Б. Дистанционное зондирование Земли из космоса. Цифровая обработка изображений: учеб. пособие/В.Б. Кашкин, А.И. Сухинин. - М.: Логос.

- 2001. - 264 с.

47.Ким, О. Факторный, дискриминантный и кластерный анализ: пер. с англ./Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка [и др.]/под ред. И.С. Енюкова. - М.: Финансы и статистика, 1989. - 215 с.

48.Козодеров, В.В. Распознавание образов природно-техногенных объектов и оценка их состояния по данным многоспектрального и гиперспектрального аэрокосмического зондирования/В.В. Козодеров, В.В. Борзяк, Е.Д. Дмитриев, В.Д. Егоров//Современные проблемы дистанционного зондирования Земли из космоса. - 2009. - В.6. - Т.1. - С. 196-205.

49. Корн, Г. Справочник по математике для научных работников и инженеров/Г. Корн, Т. Корн. - М.: Наука, 1978. - 831 с.

50. Космический мониторинг полигонов бытовых и промышленных отходов: новые результаты: [Электронный ресурс]//ИТЦ СканЭкс. М., 2009. URL: http://www. scanexru/ru/news/News_Preview.asp?id=n21480137.

51.Краткий курс лекций по дисциплине Надзор и контроль в сфере безопасности [Электронный ресурс]. 2013-2017. URL: http://studme.org/1584072028651/bzhd/nadzor_i_kontrol_v_sfere_bezopasnosti.

52.Кривальцевич, С.В. Дистанционное зондирование деградированных почв: дис. на соиск. учен. степ. канд. физ.-мат. наук: 25.00.35/Кривальцевич Сергей Викторович. - Барнаул, 2005. - 162 с.

53.Кубланов, М.С. Математическое моделирование. Методология и методы разработки математических моделей механических систем и процессов. Часть I. Моделирование систем и процессов. Издание третье, переработанное и дополненное: учеб. пособие/М.С. Кубланов. - М.: МГТУ ГА, 2004. - 108 с.

54.Кушнырь, О.В. Разработка методики картографирования ареалов концентрации населения: автореф. дис.... канд. техн. наук: 25.00.33/Кушнырь Оксана Валерьевна. - М., 2015. - 22 с.

55.Кушнырь, О.В. Разработка методики картографирования ареалов концентрации населения: дис. на соиск. учен. степ. канд. техн. наук: 25.00.33/Кушнырь Оксана Валерьевна. - М., 2015. - 117 с.

56.Кэрлтон, Б. Методы общей бактериологии: пер. с англ. под ред. Ф. Герхардта и др./Б. Кэрлтон, Б. Мутации Браун. - М.: Мир, 1984. - 472 с.

57.Лабутина, И.А. Дешифрирование аэрокосмических снимков: учеб. пособие для студентов вузов/И.А. Лабутина. - М.: Аспект Пресс, 2004. - 184 с.

58.Лебедев, В.С. Интенсивность образования биогаза в захороненных твердых бытовых отходах и осадках сточных вод/В.С. Лебедев, Д.В. Иванов, С.Ю. Телешева, А.В. Соловьев//Геоэкология, инженерная геология, гидрогеология, геокриология. М.: Наука. - 2008. - № 4. - С. 350-358.

59.Лекции по химии: [Электронный ресурсу/StudFites. 2014-2017. URL: http://www.studfiles.ru/preview/6000297/.

60.Липилин, Д.А. Мониторинг свалок на территории Краснодарского края по материалам спутниковых снимков (методика и результаты): [Электронный ресурс]/Д.А. Липилин//Концепт. - 2013. - №3. - С. 621-625. URL: http://e-koncept.ru/2013/53126.htm/.

61. Липилин, Д.А. Особенности дешифрирования свалок на территории Краснодарского края по материалам спутниковых снимков (методика и результаты)/Д.А. Липилин//Географические исследования Краснодарского края. - 2012. - № 7. - С. 243-250.

62.Лобанов, А.Н. Фотограмметрия: учеб. для вузов. 2-е изд., перераб. и доп./А.Н. Лобанов. - М.: Недра, 1984 - 552 с.

63.Матвееев, И.А. Модели распознаваемых объектов в системе компьютерного стереозрения реального времени: дис. на соиск. учен. степ. канд. физ.-мат. Наук: 05.13.11/Матвеев Иван Алексеевич. - М., 1999. - 122 с.

64.Майорова, О.В. Геоэкологические проблемы и пути их решения в сфере обращения с твердыми бытовыми отходами (ТБО) Московской области: автореф. дис.... канд. геогр. наук: 25.00.36/Майорова Ольга Валентиновна.- М., 2012. - 26 с.

65.Майстренко, В.Н. Эколого-аналитический мониторинг супертоксикантов/В.Н. Майстренко, Р.З. Хамитов, Г.К. Будников. - М.: Химия, 1996. - 319 с.

66. Муравьева, И. В. Методы контроля и анализа веществ. Потенциометрический метод контроля и анализа веществ: учеб. пособие/И. В. Муравьева, О. Л. Скорская. - М.: МИСИС, 2012. - 44 с.

67.Мурынин, А.Б. Модуль оценки плодородия и выявления степени деградации земель/А.Б. Мурынин, К.Ю. Гороховский, В.Ю. Игнатьев, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2013616597 от 11.07.2013.

68.Научная электронная библиотека: [Электронный ресурс]. 2000-2017. URL: http://elibrary.ru.

69. ОК 005-93. Общероссийский классификатор продукции (утв. Постановлением Госстандарта России от 30.12.1993 N 301) (ред. от 22.10.2014) (дата введения 01.07.1994) (коды 01 0000 - 51 7800). - М.: ВНИИКИ Госстандарта России, 2014. - 1137 с.

70.ОК 019-95. Общероссийский классификатор объектов административно-территориального деления" (утв. Постановлением Госстандарта России от 31.07.1995 N 413) (ред. от 27.09.2016) (коды 01 - 32 ОКАТО). - М.: Управление статистических стандартов и классификаций Госкомстата России, Управление демографической статистики и переписи населения Госкомстата России, ВЦ Госкомстата России, 2016. - 320 с.

71. ОК 029-2014. Общероссийский классификатор видов экономической деятельности" (утв. Приказом Росстандарта от 31.01.2014 N 14-ст) (ред. от 26.08.2016). - М.: Минэкономразвития, 2014. - 273 с.

72.Основы языка программирования IDL: [Электронный ресурсу/Mapgroup. М., 2012-2016. URL: http://mapgroup.com.ua/skachat/literatura/envi/304-osnovy-yazyka-programmirovaniya-idl.

73.Офрихтер, В.Г. Исследование массива твердых бытовых отходов методов многоканального анализа поверхностных волн/В.Г. Офрихтер//Инженерные изыскания. - 2013. - № 13. - С. 34-37.

74.Пестунов, И.А. Алгоритмы спектрально-текстурной сегментации спутниковых изображений высокого пространственного разрешения/И.А. Пестунов, С.А. Рылов//Вестник Кемеровского государственного университета. - 2012. - № 4-2 (52). - С. 104-109.

75.Пестунов, И.А. Метод построения ансамбля сеточных иерархических алгоритмов кластеризации для сегментации спутниковых изображений/И.А. Пестунов, С.А. Рылов//В сборнике: Региональные проблемы дистанционного зондирования: материалы международной научной конференции. - 2014. - С. 215-223.

76.Петрова, Т.А. Подходы к созданию комплексных методик экологического мониторинга в районах расположения хранилищ отходов различного генезиса/Т.А. Петрова// «Наука XXI века: новый подход»: материалы 17-й междунар. науч.-практ. конф. студентов, аспирантов и молодых учёных 20-21 сентября 2016 года, г. Санкт-Петербург. - North Charleston, SC, USA: CreateSpace, 2016. - С. 17-21.

77.Погорелов, А.В. Мониторинг и классификация свалок на территории Краснодарского края/А.В. Погорелов, Д.А. Липилин//Известия Дагестанского государственного педагогического университета. - 2014. - №1 (26). - С. 114-121.

78.Погорелов, А.В. Опыт космического мониторинга свалок на территории Краснодарского края/А.В. Погорелов, С.В. Дулепа, Д.А. Липилин//Геоматика. -2013. - № 4. - С. 64-72.

79. Попов, В. Посмотреть на свалку свысока/В. Попов//Научно-популярный журнал Российский Космос. - 2014, № 8 (104). - С. 25-27.

80.Попович, В.В. Биоиндикация техногенных эдафотопов свалок с помощью изучения жизнедеятельности Lumbricus Terrestris/В.В. Попович//Львовский государственный университет безопасности жизнедеятельности. - 2016. - Т. 2. -С. 64-78.

81.Проект Космический экологический дозор: [Электронный ресурс]//Юннатское движение России. 2007-2017. URL: http://www.ecobiocentre.ru/naturaHst/eco-dozor.php.

82.Прэтт, У. Цифровая обработка изображений: учебное пособие/Прэтт У.; пер. с англ. под ред. Д.С. Лебедева. - М.: Мир, 1982. - 2 т.

83.Путилина, В.С. Аналитический обзор: влияние органического вещества на миграцию тяжелых металлов на участках складирования твердых бытовых отходов/В.С. Путилина, И.В. Галицкая, Т.И. Юганова/Экология. Серия аналитических обзоров мировой литературы. - 2005. - № 76. - С. 1-100.

84. Разработка методов дистанционного мониторинга предвестников подводных, в том числе цунамигенных, землетрясений путем регистрации из космоса аномальных вариаций геофизических полей. Итоговый отчет: отчет о НИР/Бондур В.Г. - М.: АЭРОКОСМОС, 2013. - 291 с.

85. Разработка методов и технологий мониторинга состояния импактных районов Арктики по мультиспектральным оптическим и радиолокационным космическим изображениям и данным наземных наблюдений: отчет о НИР/Бондур В.Г. - М.: АЭРОКОСМОС, 2014. - 148 с.

86. Разработка методов и технологий мониторинга состояния импактных районов Арктики по мультиспектральным оптическим и радиолокационным космическим изображениям и данным наземных наблюдений: отчет о НИР/Бондур В.Г. - М.: АЭРОКОСМОС, 2015. - 245 с.

87. Разработка методов и технологий мониторинга состояния импактных районов Арктики по мультиспектральным оптическим и радиолокационным космическим изображениям и данным наземных наблюдений. Этап № 1 «Выбор направлений исследований»: отчет о НИР/Бондур В.Г. - М.: АЭРОКОСМОС, 2013. - 172 с.

88. Разработка методов и технологий оценки объемов эмиссий и распространения углеродосодержащих газовых компонент и аэрозолей в воздушной среде

северной и восточной Евразии по данным космического мониторинга: отчет о НИР/Бондур В.Г. - М.: АЭРОКОСМОС, 2014. - 126 с.

89.Рихтер, А.А. Выявление очагов замусоривания по данным космических изображений низкого пространственного разрешения Landsat/А.А. Рихтер, М.Л. Казарян, М.А. Шахраманьян//Информация и космос. - 2016, № 3. - С. 91-96.

90.Рихтер, А.А. Интерактивный программный модуль пороговой фильтрации мультиспектральных изображений для мониторинга импактных районов Арктики/А.А. Рихтер, А.Б. Мурынин, В.Ю. Игнатьев, М.А. Шахраманьян/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2016617937 от 19.07.2016.

91. Рихтер, А.А. Метод автоматизации обнаружения и выделения объектов захоронения отходов/А.А. Рихтер, М.Л. Казарян, М.А. Шахраманьян//Фундаментальные исследования. - 2015, № 8 (2). - С. 281-286.

92. Рихтер, А.А. Метод автоматизации оценки индексов подстилающей поверхности и их изменения во времени по космическим изображениям и его применение при оценке состояния окружающей среды в окрестности полигонов твердых бытовых отходов/А.А. Рихтер, М.Л. Казарян, М.А. Шахраманьян//Фундаментальные исследования. - 2016, № 8. - С. 52-58.

93.Рихтер, А.А. Метод визуального детектирования в задаче космического мониторинга объектов захоронения отходов/А.А. Рихтер, М.А. Шахраманьян, М.Л. Казарян//Вестник Владикавказского научного центра. - 2015. - Т. 15, № 3. - С. 61-67.

94. Рихтер, А.А. Методика автоматического детектирования компонент объектов захоронения отходов по космическим изображениям/А.А. Рихтер, М.Л. Казарян, М.А. Шахраманьян//Известия Томского политехнического университета, Инжиниринг георесурсов. - 2017. - Т. 328. - № 3. С. 46-53.

95. Рихтер, А.А. Обработка космических изображений с использованием средств мультимедиа и ее применение в космическом мониторинге объектов

захоронения отходов/А.А. Рихтер, М.Л. Казарян, М.А. Шахраманьян//Фундаментальные исследования. - 2015, № 8 (2). - С. 328-332.

96. Рихтер, А.А. Оценка геометрических параметров областей замусоривания по мультиспектральным космическим изображениям/А.А. Рихтер, М.А. Шахраманьян, М.Л. Казарян, А.Б. Мурынин//Фундаментальные исследования. -2015, № 2 (13). - С. 2866-2870.

97.Рихтер, А.А. Разработка метода оценки степени деградации почвы на основе данных долгосрочных наблюдений/А.А. Рихтер, М.А. Шахраманьян, М.Л. Казарян, А.Б. Мурынин//Фундаментальные исследования. - 2015, № 2 (14). - С. 3095-3099.

98.Романова, Е.М. Экологический мониторинг полигонов и свалок ТБО на примере Ульяновской области/Е.М. Романова, В.Н. Намазова// Вестник Ульяновской государственной сельскохозяйственной академии. - 2007. - № 2 (5). - С. 58-61.

99.Рябов, Ю.В. Разработка геоинформационной системы мониторинга земель, нарушенных несанкционированными свалками: дис. на соиск. учен. степ. канд. геогр. наук: 25.00.26/Рябов Юрий Владимирович. - СПб., 2013. - 173 с.

100. Савин, И.Ю. Разработка метода оценки и прогноза повреждения сельскохозяйственных посевов по космическим снимкам/И.Ю. Савин, А.Т. Зверев, Е.В. Фисенко//Известия высших учебных заведений. Геодезия и аэрофотосъемка. - 2013. - № 2. - С. 81-84.

101. Савин, И.Ю. Прогнозирование урожайности сельскохозяйственных культур на основе спутниковых данных: возможности и перспективы/И.Ю. Савин, С.А. Барталев, Е.А. Лупян, В.А. Толпин, С.А. Хвостиков//Современные проблемы дистанционного зондирования Земли из космоса. - 2010. - Т. 7., № 3. - С. 275285.

102. Сизов, А.П. Основы кадастра недвижимости: учеб. пособие для вузов/А.П. Сизов, А.Е. Алтынов, С.А. Атаманов, В.В. Голубев, С.А. Григорьев, Т.В. Илюшина, Т.К. Колевид, А.М. Лелюхина, Л.Г. Максудова, О.В. Маклашевская, Т.Ф. Пушкина. - М.: МИИГАиК, 2013. - 390 с.

103. Совзонд: [Электронный ресурс]. М., 1992-2017. URL: http://sovzond.ru.

104. Совершенствование системы управления твердыми бытовыми отходами в Донецкой области Украины: рабочая версия пособия по мониторингу полигонов ТБО: [Электронный ресурс]. 2013. URL: http://ekopro.biz/04082801R.pdf.

105. Соколова, Г.Г. Практикум по биоиндикации экологического состояния окружающей среды/Г.Г. Соколова, Е.А. Шарлаева. - Барнаул: АлтГУ, 2006. - 115 с.

106. Солодовников, В.В. Основы автоматического регулирования: науч. Монография/В.В. Солодовников. - М.: МАШРИЗ, 1954. - 1118 с.

107. Справочная информация о погоде и климате: [Электронный ресурс]//Федеральное государственное бюджетное учреждение Всероссийский научно-исследовательский институт гидрометеорологической информации -мировой центр данных (ФГБУ ВНИИГМИ-МЦД). Обнинск, 2004-2017. URL: http://meteo.ru/pogoda-i-klimat/.

108. Справочно-правовая система «ПРАВО^Ц»: [Электронный ресурс]. 2017. URL: http://docs.pravo.ru/document/view/27494297/27618198/

109. Тимофеева, С.С. Мониторинг свалок твердых бытовых и промышленных отходов в Иркутском районе по данным космических снимков/С.С. Тимофеева, Л.В. Шешукова, А.Л. Охотин//Вестник Иркутского Государственного Технического Университета. - 2012. - № 9. - С. 76-81.

110. Томский политехнический университет: [Электронный ресурс]//2015-2016. URL: http: //earchive.tpu. ru/bitstream/11683/27765/1/TPU200734.pdf.

111. ТСН 30-308-2002. Проектирование, строительство и рекультивация полигонов твердых бытовых отходов в Московской области. - М.: Министерство строительного комплекса Московской области, 2002. - 60 с.

112. Федеральный закон от 24 июня 1998 г. N 89-ФЗ "Об отходах производства и потребления" (с изменениями и дополнениями).

113. Фисенко, В.Т. Компьютерная обработка и распознавание изображений: учебное пособие/В.Т. Фисенко, Т.Ю. Фисенко. - СПб.: СПбГУ ИТМО, 2008. -192 с.

114. Фомин, Г.С. Вода. Контроль химической, бактериальной и радиационной безопасности по международным стандартам. - справ., 2-е изд., перераб. и доп./Г.С. Фомин. - М.: Протектор, 1995. - 624 с.

115. Черепанов, А.С. Вегетационные индексы/А.С. Черепанов//Геоматика. - 2011. - № 2 (11). - С. 98-102.

116. Шабанов, В.А. Математическая модель распространения загрязняющих веществ в грунте/В.А. Шабанов, Ю.М. Галицкова//Известия Самарского научного центра Российской академии наук. - 2009. - Т. 11., № 1-6. - С. 13841387.

117. Шаптала, В.Г. Основы моделирования чрезвычайных ситуаций: учеб. пособие/В.Г. Шаптала, В.Ю. Радоуцкий, В.В. Шаптала; под общ. ред. В.Г. Шапталы. - Белгород: БГТУ, 2010. - 166 с.

118. Шахраманьян, М.А. Автоматизированная система выявления несанкционированных объектов захоронения твердых бытовых и промышленных отходов по данным космического мониторинга/М.А. Шахраманьян, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2015616848 от 24.06.2015.

119. Шахраманьян, М.А. Автоматизированная система космического мониторинга в режиме реального времени объектов захоронения отходов/М.А. Шахраманьян, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2013611942 от 6.11.2012.

120. Шахраманьян, М.А. Кривые спектральной яркости объектов захоронения отходов по данным космического мониторинга/М.А. Шахраманьян, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации базы данных № 2013620206 от 6.11.2012.

121. Шахраманьян, М.А. Методы и технологии космического мониторинга объектов захоронения отходов в интересах обеспечения экологической безопасности территорий: учеб.-методич. пособие/М.А. Шахраманьян, А.А. Рихтер. - М.: Издательский центр РГУ нефти и газа имени И.М. Губкина, 2013. - 241 с.

122. Шахраманьян, М.А. Космические образовательные технологии - инвестиции в будущее (теория и практика)/под. ред. М.А. Шахраманьяна, И.И. Тюхова, Н.С. Вощенковой. - Калуга: Институт повышения квалификации работников образования, 2009. - 776 с.

123. Шахраманьян, М.А. Космический мониторинг состояния окружающей природной среды для развития системы дополнительного экологического образования/М.А. Шахраманьян, М.Л. Казарян, А.О. Нартикоева, И.Н. Абаева//Современные проблемы науки и образования. - 2015, № 3. - С. 392-399.

124. Шахраманьян, М.А. Оценка влияния на окружающую природную среду захоронений твердых бытовых и промышленных отходов по данным космического мониторинга/М.А. Шахраманьян, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2015661103 от 16.10.2015.

125. Шахраманьян, М.А. Оценка геометрических параметров, компонентного состава, температурных характеристик объектов захоронения твердых бытовых и промышленных отходов по данным космического мониторинга/М.А. Шахраманьян, А.А. Рихтер/Свидетельство Роспатента о государственной регистрации программы для ЭВМ № 2015615306 от 15.05.2015.

126. Шовенгердт, Р.А. Дистанционное зондирование. Модели и методы обработки изображений: учебное пособие/Р.А. Шовенгердт; пер. с англ. А.В. Кирюшина, А.И. Демьяникова. - М.: Техносфера, 2013. - 624 с.

127. Шубов, Л.Я. Технология отходов мегаполиса. Технологические процессы в сервисе: учебное пособие/Л.Я. Шубов, М.Е. Ставровский, Д.В. Шехирев. - М.: ГОУВПО МГУС, - 2006. - 411 с.

128. Эдельштейн, Ю.Д. Автоматизированный мониторинг при размещении промышленных отходов/Ю.Д. Эдельштейн, Г.И. Мягкова//Автоматизация и современные технологии. - 2001. - № 10. - С. 3-10.

129. Эфемериды онлайн: [Электронный ресурс]. М., 2009-2017. URL: http://ephemeris.l--l.info.

130. Якунина, И.В. Методы и приборы контроля окружающей среды. Экологический мониторинг: учеб. пособие/И.В. Якунина, Н.С. Попов. - Тамбов: Изд-во Тамб. гос. техн. ун-та, 2009. - 188 с.

131. Яне, Б. Цифровая обработка изображений: учеб. пособие/Б. Яне; пер. с англ. А.М. Измайловой. - М.: Техносфера, 2007. - 584 с.

132. Янников, М.В. Организация биомониторинга химически опасных объектов и полигонов ТБО с использованием идентификационных полигонов/И.М. Янников, М.В, Слепцова, К.К. Кривошапкин//Вестник северо-восточного федерального университета им. М.К. Аммосова. - 2013. - № 4. - С. 35-40.

133. ACD/Labs: [Электронный ресурс]. US, 1996-2017. URL: http: //www.acdlabs.com.

134. ArcGIS Online: [Электронный ресурс]. US, 2014-2017. URL: http://www.esri.com.

135. Bodlak, L. Assessment of landscape functionality changes as one aspect of reclamation quality - the case of Velka podkrusnohorska dump, Czech Republic/Lubomir Bodlak, Katerina Krovakova, Vaclav Nedbal, Libor Pechar//Ecological Engineering. - 2012. - V. 43. - P. 19-25.

136. Brom, J. Changes in vegetation cover, moisture properties and surface temperature of a brown coal dump from 1984 to 2009 using satellite data analysis/Jakub Brom, Vaclav Nedbal, Jan Prochazka, Emilie Pecharova//Ecological Engineering. - 2012. -V. 43. - P. 45-52.

137. Budde, M.E. Assessing land cover performance in Senegal, West Africa using 1km integrated NDVI and local variance analysis/M.E. Budde, G. Tappan, J. Rowland, J. Lewis, L.L. Tieszen//Journal of Arid Environments. - 2004. - V. 59. - P. 481-498.

138. Chander, G. Revised Landsat-5 TM Radiometric Calibration/Gyanesh Chander, Brian Markham//IEEE transactions on geoscience and remote sensing. - 2003. - V. 41 (11). - P. 2674-2677.

139. CityDumps: [Электронный ресурс]//Современная система управления отходами. Московская область, 2017. URL: https://citydumps.jimdo.com/.

140. Cryer, J.E. Integration of shape from shading and stereo/Pattern Recognition. -1995. - V. 28. - № 7. - P. 1033-1043.

141. Earth Observation Portal: [Электронный ресурс]. US, 2000-2017. URL: https: //directory.eoportal .org.

142. Elrod, J.A. CZCS view of an oceanic acid waste dump/J.A. Elrod//Remote Sensing of Environment. - 1988. - V. 25. - P. 245-254.

143. EOSDIS: [Электронный ресурс]. US, 2000-2017. URL: https://earthexplorer.usgs.gov.

144. Foresman, T.W. Mapping, monitoring, and modelling of hazardous waste sites/T.W. Foresman//Science of The Total Environment. - 1986. - V. 56. - P. 255263.

145. GIS-Lab: [Электронный ресурс]. 2002-2015. URL: http://gis-lab.info.

146. Google Earth: [Электронный ресурс]. US, 2005-2017. URL: https://www.google.com/intl/ru/earth/.

147. Indicator Fact Sheet Signals 2001 - Chapter Waste//European Environmental Agency. - 2001.

148. Jackobsen, H. Case studies on waste minimization practices in Europe. Topic report - European Topic Centre on Waste/H. Jackobsen, M. Kristoferrsen//European Environment Agency. - 2002.

149. Kazaryan, M.L. Space monitoring of the Earth and Haar wavelet transform/M.L. Kazaryan, M.A. Schahramanian, A.A. RichterZ/Сборник трудов конференции Future Communication Technology and Engineering. - 2015. - P. 291-294.

150. Kazmi, I.K. A hybrid approach for character modeling using geometric primitives and shape-from-shading algorithm/Ismail Khalid Kazmi, Lihua You, Jian Jun Zhang//Journal of Computational Design and Engineering. - V. 3 (2). - P. 121-131.

151. Khan, N.M. Assessment of hydrosaline land degradation by using a simple approach of remote sensing indicators/N.M. Khan, V.V. Rastoskuev, Y. Sato, S. Shiozawa//Agricultural Water Management. - 2005. - V. 77. - P. 96-109.

152. Landsat Science: [Электронный ресурс]. US, 2017. URL: http://landsat.gsfc.nasa.gov.

153. Mahmood, K. Studying bio-thermal effects at and around MSW dumps using Satellite Remote Sensing and GIS/Khalid Mahmood, Syeda Adila Batool, Muhammad Nawaz Chaudhry//Waste Management. - 2016. - V. 55. - P. 118-128.

154. Manzo, C. Integrated remote sensing for multi-temporal analysis of anthropic activities in the south-east of Mt. Vesuvius National Park/C. Manzo, A. Mei, G. Fontinovo, A. Allegrini, C. Bassani//Journal of African Earth Sciences. - 2016. - V. 122. - P. 63-78.

155. Mars, J.C. Mapping mine wastes and analyzing areas affected by selenium-rich water runoff in southeast Idaho using AVIRIS imagery and digital elevation data/J.C. Mars, J.K. Crowley//Remote Sensing of Environment. - 2003. - V. 84. - P. 422-436.

156. MathWorks: [Электронный ресурс]. US, 1994-2017. URL: http s: //www. mathworks .com.

157. MATLAB. Exponenta: [Электронный ресурс]. М, 2001-2014. URL: http: //matl ab .exponenta.ru.

158. Nadudvari, A. Thermal mapping of self-heating zones on coal waste dumps in Upper Silesia (Poland) - A case study/Adam Nadudvari//International Journal of Coal Geology. - 2014. - V. 128-129. - P. 47-54.

159. Navulur, K. Multispectral Image Analysis using the Object-Oriented Paradigm/K. Navulur. - Boca Raton, London, New York: CRC Press, 2007. - 206 p.

160. Nebel, B.J. Environmental Science: The Way the World Works/Bernard J. Nebel, Richard T. Wright, Edward J. Kormondy. USA. - 1987. - 698 p.

161. Pascucci, S. Using imaging spectroscopy to map red mud dust waste: The Podgorica Aluminum Complex case study/Simone Pascucci, Claudia Belviso, Rosa Maria Cavalli, Angelo Palombo, Stefano Pignatti, Federico Santini//Remote Sensing of Environment. - 2012. - V. 123. - P. 139-154.

162. Renard, K.G. RUSLE - Revised Universal Soil Loss Equation/K.G. Renard, G.R. Foster//J. of Soil and Water Conservation. - 1991. - V. 46. - P. 30-33.

163. Richter, A. Estimation of thermal characteristics of waste disposal sites using Landsat satellite images/A. Richter, M. Kazaryan, M. Shakhramanyan, R. Nedkov, D. Borisova, N. Stankova, I. Ivanova, M. Zaharinova//Comptes rendus de l'Academie bulgare des Sciences. - 2017, No 70 (2). - P. 253-262.

164. ScienceDirect: [Электронный ресурс]. 2017. URL: http://www. sciencedirect. com.

165. Simpson, H.E. Artificial deposits and modified land/H.E. Simpson//Encyclopedia of Earth Science. General Geology. Springer. - 1988. - P. 21-25.

166. Son, S. Satellite observations of optical and biological properties in the Korean dump site of the Yellow Sea/SeungHyun, Menghua Wang, Jae-Kyoung Shon//Remote Sensing of Environment. - 2011. - V. 115. - P. 562-572.

СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА

Список рисунков

Рисунок 1 - ОЗО различного типа на космических снимках: а) полигон ТКО; б) муниципальная городская свалка; в) террикон Белая Гора; г) несанкционированная свалка; д) рекультивируемый карьер; е) рекультивируемый полигон; ж) захламление территории; з) строительная свалка; и) производственная свалка [Московская область. Картографические данные © Google]...........................16

Рисунок 2 - Общая классификация методов мониторинга ОЗО......................18

Рисунок 3 - Общая схема КМ..............................................................................40

Рисунок 4 - Общая блок-схема КМ1...................................................................42

Рисунок 5 - Общая блок-схема КМ2...................................................................44

Рисунок 6 - Общая блок-схема КМ3...................................................................46

Рисунок 7 - Блок-схема системы космического мониторинга ОЗО и включение КМ в состав системы....................................................................................................48

Рисунок 8 - Область детектирования и ее наложение на изображение вегетационного индекса........................................................................................ 53

Рисунок 9 - Примеры следов ОЗО, обнаруженных по алгоритму: а) А; б) Б; в) В (окрестность микрорайона Саввино, г. о. Железнодорожный. Картографические данные © Google)..................................................................................................54

Рисунок 10 - Эталонные области 1 -4 и точки детектирования А-В (примеры)54

Рисунок 11 - Блок-схема процедуры обнаружения следов ОЗО.....................55

Рисунок 12 - Области выделения полигона ТКО Кучино в разные моменты времени съёмки (Балашихинский район Московской области)......................................58

Рисунок 13 - Области детектирования в окрестности ОЗО в зависимости от порогового значения ИРП (полигон ТБО Кучино, Балашихинский район Московской области)............................................................................................60

Рисунок 14 - Блок-схема процедуры выделения областей ОЗО......................61

Рисунок 15 - Область определения компонента объекта в координатах: а) Af(x); б) y(x) (основного компонента замусоривания, июль; x - красный канал, y - зеленый канал)......................................................................................................................63

Рисунок 16 - а) Выделение эталона (ENVI); б-г) множество U: б) проекция (x1; x2), в) проекция (xi, хз), г) проекция (x2, хз) (WorldView2).....................................63

Рисунок 17 - Классификация поверхности замусоривания (частные компонентные изображения).........................................................................................................66

Рисунок 18 - Участок поверхности полигона ТКО Кучино Московского региона (WorldView2, лето, 2013 г.)..................................................................................66

Рисунок 19 - Блок-схема процедуры выделения компонентов ОЗО...............67

Рисунок 20 - Изображение температуры поверхности полигона ТКО Заволенье, Орехово-Зуевский район (Landsat 8, 10 канал, июль 2016)..............................76

Рисунок 21 - Эмпирические графики: а) rb; б) rs [полигон ТКО Кучино].......76

Рисунок 22 - Фрагмент временного ряда изображений температур поверхности по области (окрестность полигона ТКО Кучино)...................................................77

Рисунок 23 - Видимое изображение (а) (Картографические данные © Google); изображение температурного тренда (б) (осень, 2015 г., полигон ТКО Торбеево) .................................................................................................................................77

Рисунок 24 - Блок-схема процедуры оценки теплового параметра (температура и время стабилизации).............................................................................................78

Рисунок 25 - Видимое изображение (а) (Картографические данные © Google); основное тело (б), окрестность (в), очаг (г) (полигон ТКО Жирошкино, 17 августа 2007 г.)....................................................................................................................80

Рисунок 26 - Основные процедуры обработки: а) выделение области; б) выделение

объекта; в) заполнение объекта; г) выделение контура (полигон ТКО Жирошкино,

сентябрь 2007 г.)....................................................................................................81

197

Рисунок 27 - Привязка координатной сетки в полярной системе координат к области ОЗО (полигон ТКО Кучино, август, 2011 г.).......................................81

Рисунок 28 - Перемещение границ полигона ТКО Кучино за период 2001-2011 гг. в северо- восточном (1), северо-западном (2), юго-западном (3), юго-восточном (4) направлениях.........................................................................................................84

Рисунок 29 - Блок-схема процедуры оценки геометрического параметра на плоскости (радиально-временные изменения концентрации замусоривания)85

Рисунок 30 - Рельеф и шероховатость поверхности ОЗО................................87

Рисунок 31 - Высотные изображения ОЗО и примеры операций его обработки: а) исходное; б) контрастирование; в) масштабирование; г) выделение объекта; д) контрастирование объекта; е) улучшение пространственного разрешения ... 88

Рисунок 32 - Геометрические построения для оценки площади поверхности объекта по высотному изображению..................................................................92

Рисунок 33 - Пример высотного ОЗО: а) вид спереди (Интернет-ресурс, газета «Вся Тверь»), б) вид сверху (Картографические данные © Google) [полигон ТКО Саларьево]..............................................................................................................94

Рисунок 34 - Изображения высотности ОЗО: а) изолинии высоты, б) кластеры высоты; в) нанесение географической сетки (полигон ТКО Саларьево, 2000 г.) .................................................................................................................................94

Рисунок 35 - Изображение рельефа ОЗО: а) всей территории, б) прямоугольная функция по области ОЗО, в) свертка с прямоугольной функцией (полигон ТБО Саларьево, февраль, 2000 г.)................................................................................95

Рисунок 36 - Оптимальная поверхность регрессии на множестве алгебраических функций: а) поверхность; б) наложение поверхности на поверхность ОЗО (полигон ТБО Саларьево).....................................................................................................95

Рисунок 37 - Блок-схема процедуры оценки геометрического параметра в пространстве (площадь поверхности ОЗО)........................................................96

Рисунок 38 - Графики функции a) Y=f(X) и б) Y'=X'.....................................100

Рисунок 39 - Задание базисных факторов для растительности.....................103

Рисунок 40 - Зависимости максимальных (функция Nmax(T)) и минимальных (функция Nmin(T)) значений NDVI от температуры поверхности T, полученные для Московского и окружающих его регионов......................................................111

Рисунок 41 - Фрагмент массива изображений вероятности встречаемости температур и биопродуктивностей для отчетных снимков по области наблюдения Uo и за период наблюдения П............................................................................111

Рисунок 42 - Фрагмент массива изображений вероятности встречаемости температур и биопродуктивностей для отчетных снимков по области наблюдения U и период наблюдения П (названия файлов - время года)...........................112

Рисунок 43 - Зависимости максимальных (функция Nmax(T)) и минимальных (функция Nmin(T)) значений NDVI от температуры поверхности T, полученные для Московского и окружающих его регионов......................................................112

Рисунок 44 - Зависимость оптимальной температуры вегетации от времени года (случайная выборка снимков из входного массива снимков, область наблюдения -Московский и окружающие регионы)..............................................................113

Рисунок 45 - а) Временной ряд ИРР и линии регрессии в точке; б) общее изображение ИРП. Полигон ТКО Торбеево.....................................................114

Рисунок 46 - Общая блок-схема расчета ИРР на температуру......................114

Рисунок 47 - Наложение области детектирования на картографическую карту © Google)..................................................................................................................119

Рисунок 48 - Изображения ложных объектов в окрестности основного ОЗО (полигон ТКО Торбеево) на снимках высокого разрешения, детектированных по методике (август, 2011 г. Картографические данные © Google)...................120

Рисунок 49 - Изображения ОЗО в окрестности основного ОЗО (полигон ТКО Торбеево) на снимках высокого разрешения, не обнаруженных по методике (август, 2011 г. Картографические данные © Google)....................................120

Рисунок 50 - Изображения ОЗО в окрестности основного ОЗО (полигон ТКО Торбеево) на снимках высокого разрешения (Картографические данные © Google) ...............................................................................................................................121

Рисунок 51 - а) обозначение известных ОЗО и полигонов ТКО Московской области (Картографические данные © Google); б) разметка известных ОЗО на участке ближневосточного Подмосковья; в) область детектирования ОЗО; г) видимое изображение ОЗО, Картографические данные © Google, д) область детектирования ОЗО по методике (полигон ТКО Кучино, 2011 г.)..........................................123

Рисунок 52 - а) Изображение ИРП по тепловому ИРР (31 июля 2007 г.); ,) видимое изображение (16 августа 2011 г., Картографические данные © Google) б) фотографии, снятые в точках 1-3 (2 апреля 2007 г., окрестности полигона ТКО Кучино); в) космические изображения, снятые в точках 1-3 (6 мая 2007 г., Картографические данные © Google)...............................................................129

Рисунок 53 - Визуальная оценка плотности травостоя: (а-б) в отдалении от ОЗО, (в-г) в близи к ОЗО; (а, в) - фотографии (весна, апрель), (б, г) - снимки из космоса (лето, август) (полигон ТКО Кучино. Картографические данные © Google) 130

Рисунок 54 - а) Области детектирования ОЗО, б) наложение областей на картографические данные © Google, 2010 г. Полигоны ТКО: Кучино (объект 1), Саларьево (объект 2), Дмитровский, (объект 3), Торбеево (объект 4)..........131

Рисунок 55 - Дополнительная обработка: а) исходная область детектирования (см. рисунок 58а, файл «1 2010 7 24»); б) выделение связной компоненты; в) заполнение области [объект 1]...............................................................................................132

Рисунок 56 - Исторические изображения терриконов: а) Белая Гора, б) Зелёная Гора (Картографические данные © Google); радарные снимки в окрестности

терриконов: в) Белая Гора, г) Зелёная Гора (проект SRTM)..........................134

200

Рисунок 57 - Видимые изображения тестовых объектов (программа Google Earth): а) полигон ТКО Кучино, Балашихинский район (3 мая 2017 г.); б) полигон ТКО Дубна Правобережная, г. о. Дубна (25 октября 2016 г.); в) полигон ТКО Ашитково, Воскресенский район (28 августа 2016 г.); г) полигон ТКО Левобережный (21 июня 2016 г.); д) полигон ТКО Непейно, Дмитровский район (23 сентября 2015 г.); е) полигон ТКО Жирошкино, Домодедовский район (26 августа 2016 г.) [Картографические данные © Google]..............................................................138

Рисунок 58 - Выделение полигона ТКО Торбеево и населённые пункты в окрестности ОЗО (Картографические данные © Google)...............................139

Рисунок 59 - Участок окрестности тестовых объектов, вырезаемый из космических снимков.................................................................................................................145

Рисунок 60 - Фрагменты временных серий областей детектирования полигонов ТКО Московской области: а) Кучино (N=1); б) Дубна Правобережная (N=2); в) Ашитково (N=3); г) Левобережный (N=4); д) Непейно (N=5); е) Жирошкино (N=6); е) Торбеево (N=7)................................................................................................148

Рисунок 61 - Вырезание участков по данной области наблюдения: а) исходный снимок (ID снимка - LT51780212011240MOR00, n=51; ID канала -L5178021_02120110828_B10, первый канал, b=1); б) изображение в увеличении с выделением тестового объекта N=7; в) фрагмент временной серии участков

(каналы Ь=1,...7)..................................................................................................150

Рисунок 62 - Матрицы значений ИРР для тестового объекта N=7...............151

Рисунок 63 - Матрицы значений ИРП для тестового объекта N=7...............151

Рисунок 64 - Матрицы значений ИРП для тестового объекта N=7...............152

Рисунок 65 - Карта ОЗО ближневосточного Подмосковья, 2017 г...............154

Рисунок 66 - Область детектирования ОЗО территории ближневосточного Подмосковья, полученная по КМ1, 2017 г.: а) бинарное изображение; б) наложение

координатной сетки и изображения поверхности, выделение классов ОЗО (зелёные области - известные ОЗО, красные области - неизвестные ОЗО).................155

Рисунок 67 - Выделение известного (а) и неизвестного (б) ОЗО на карте ... 156

Рисунок 68 - Область наблюдения: а) расположение граничных точек области наблюдения; б) представление области наблюдения в виде сетки (с обозначением номеров q каждого участка)...............................................................................157

Рисунок 69 - Фрагмент временной серии изображений, сформированных из скаченных снимков (q=1, n=6-11, b=1-7)..........................................................158

Рисунок 70 - Изображения детектирования ОЗО для каждого участка.......160

Рисунок 71 - Примеры обнаруженных ОЗО, отображённых на карте (см. рисунок 65): а) объект I; б) объект II; в) объект III (Картографические данные © Google) ...............................................................................................................................161

Рисунок 72 - Пример классификации поверхности: а) исходное изображение; б) общее компонентное изображение (участок полигона ТКО Кучино, WorldView2, лето 2013 г.)..........................................................................................................163

Рисунок 73 - Компоненты: а) текстуры компонентов, б) частные компонентные изображения; компоненты (c1; c2, c3, c4, c5, c6).................................................165

Рисунок 74 - Исходный космический снимок (а); выделение окрестности полигона ТКО Кучино (б); выделение фрагмента участка захоронения (в) (WorldView2)165

Рисунок 75 - Построение эталонных областей на изображении участка захоронения для классов: а) c1; б) c2; в) c3; г) c4; д) c5; е) c6 (розовым выделены эталонные области.

WorldView2).........................................................................................................166

Рисунок 76 - Зависимость яркостей пикселей между: а) зелёным (х2) и красным (х1) каналами; б) синим (х3) и красным (х1) каналами для разных классов поверхности (С1, С2, Сз, С4, С5, Сб)................................................................................................ 167

Рисунок 77 - Классификация поверхности полигона ТКО Кучино и его окрестности (лето, 2015 г.): а) исходное изображение (WorldView2); б) дифференцирование

исходного изображения на прямоугольные участки; в) эталонные области классов; г) интегрирование общих компонентных изображений каждого участка; д) общее компонентное изображение окрестности полигона; е) частные компонентные изображения окрестности полигона..................................................................169

Список таблиц

Таблица 1 - Типы космических изображений по пространственному разрешению в задаче дистанционного зондирования ОЗО.......................................................50

Таблица 2 - Исходные изображения...................................................................53

Таблица 3 - Коэффициенты пересчёта для типов снимков Landsat................71

Таблица 4 - Продолжительность шагов алгоритмов каждого блока КМ.....125

Таблица 5 - Результаты качественной оценки эффективности КМ на примере оценки параметра (площадь участка захоронения) для крупнейших полигонов ТКО Московского региона..........................................................................................133

Таблица 6 - Оценка исторических пространственных параметров терриконов фосфогипса, Воскресенский район, Московский регион (февраль, 2000 г.) 135

Таблица 7 - Географические координаты тестовых объектов.......................145

Таблица 8 - Временная серия снимков с выделениями участков изображений, покрывающих окрестность тестового объекта N=7........................................149

Таблица 9 - Координаты граничных точек исходных данных для скачивания 156

Таблица 10 - Известные ОЗО, лежащие на территории ближневосточного Подмосковья........................................................................................................157

Таблица 11 - Данные фрагмента временной серии изображений.................159