IV. ГЕОИНФОРМАЦИОННОЕ МОДЕЛИРОВАНИЕ В ЛАНДШАФТНОЙ ЭКОЛОГИИ

После нажатия кнопки Accept|Принять в правой (управляющей) части панели исходная карта раскрашивается в цвета классов размерности превращаясь в растровая карта (color map) с объектами шести классов размерности (Рис. 18.3) и одновременно выводится таблица результатов (Рис. 18.4) в формате txt, которая может быть сохранена отдельно.

Что нового мы узнаем из выходной таблицы инструмента Accounting? В первом разделе показаны базовые настройки (тип связности, разрешение пикселей, коэффициенты преобразования в гектары). Второй раздел подробно описывает каждый размерный класс: диапазон площадей, цвет, количество и общая площадь объектов, пропорция по отношению к общему числу объектов и к общей площади всех объектов зеленой инфраструктуры (ЗИ).

Например, к классу 3 относятся объекты, имеющие размер в пикселях 1514 и желтую цветовую кодировку на карте: в этом размерном классе насчитывается 92 объекта общей площадью 359543 га, занимающих 0.72% всей территории и к этому классу относится 31.6% площади всей зеленой инфраструктуры.

Резюме внизу страницы показывает, что это изображение имеет в общей сложности 12769 объекта, а общая площадь составляет 1 135 821 га. Далее приводятся сведения о среднем и медианном значениях. Средний размер патча не является надежным инструментом, так как медиана лучше подходит для асимметричных распределений. Видно, что медиана объясняет высокий вклад небольших участков и полученный размер (6 га) является гораздо лучшим представлением о типичных размерах элементов ЗИ, чем средняя величина участка 88,9 га. Обращает на себя внимание нулевое присутствие объектов в классе 5. В последнем разделе приведены подробные сведения об идентификаторе и площади трех самых больших объектов, показанных в розовом цвете.

Как уже отмечалось, результат зависит от принятых пороговых значений классов. В предыдущем примере мы «согласились» со стартовым пороговым значением в 152 пикселей (3,89 га). Однако как известно из теории «островной биогеографии» для урбанизированных территорий крайне важно иметь элементы ЗИ площадью 5 га и выше, поскольку они обеспечивают выживание минимальных популяций [Бигон, Харпер, Таунсенд, 1989] (в условиях города – это орнитофауна). Следовательно, целесообразно попытаться провести расчет с данным значением для 1-го класса размерности (тем более, что он близок к выявленному медианному значению площадей элементов ЗИ для Москвы - 6 га). Устанавливая значения для прочих классов, используем гипотезу «фрактальности», предполагая, что несмотря на искусственность происхождения элементы ЗИ отчасти подчиняются данному распределению.

Результаты классификации с экспертными опциями представлены в Таблице 18.2

Парцелляция может быть использована в качестве переменной состояния для количественной оценки степени фрагментации ЗИ, а также для непосредственного измерения изменения фрагментации по разновременным данным; в этом качестве метрика может быть полезной в вопросах ландшафтного планирования, мониторинга и исследования биоразнообразия [Forman, 2016]. На данном примере можно убедиться, что ЗИ занимает приблизительно 39% (по пикселям) от основных видов землепользования Москвы, но при этом только 28% от общей площади города. Число отдельных фрагментов "фона" почти в шесть раз меньше чем число фрагментов ЗИ, просто потому, что ЗИ представлена, в основном, мелкими фрагментами, что подтверждается значением APS|Средней площади патчей - 1163 для "фона" и 88 для ЗИ (что составляет соответственно 1,8 и 0,14 га). Об этом же свидетельствует и степень фрагментированности - 0,06 для фона и 0,97 для ЗИ.

Contortion|Искривление или "перемена вектора" описывает степень регулярности ориентировки сторон периметра объекта «переднего плана» через число изменений направления его отрезков.

Важной особенностью Contortion является независимость от длины диагональных линий (в связи с общей «пиксельностью» изображения). Например, два треугольника, ориентированные в одном направлении, но разного размера, будут иметь различное количество точек пиксельных углов по периметру патча вдоль диагональных линий. Тем не менее, они оба имеют одинаковое искажение (значение - 2). То же самое верно и для окружностей разного размера. На спутниковых снимках, объекты правильной формы, такие как здания и сельскохозяйственные поля, будут иметь низкие значения искажения, в то время как природные объекты с более-менее сложной формой периметра будут иметь более высокие значения искажения.

Меню инструмента предполагает контроль над двумя параметрами – минимальной площадью учитываемых объектов и EdgeWidth|Шириной их краевой части (периферии, "опушки"). Строка заголовка показывает долю вычисленного от общего количества переднего плана (FG – foreground) объектов в изображении. Панель Divide|Разделить диапазон под окном карты может использоваться для группировки диапазона значений искажения по категориям small|малый medium|средний large|большой с помощью пользовательских значений в соответствующем раскрывающемся списке значений. Для каждого элемента ЗИ рассчитывается свой индивидуальный индекс, при этом следует иметь ввиду, что сложность («искривленность») границы не является простой функцией величины (площади) объекта.

18.4. Группа Pattern - морфологический пространственный анализ

Группа Pattern|Паттерн) является центральной группой всего программного комплекса GTB и обеспечивает доступ к нескольким разновидностям морфологического пространственного анализа, различающимся сложностью: числом и характеристиками выходных классов: SPA3, SPA5, SPA6, MSPA.

Расчет SPA3 позволяет получить три значимых класса: два для зеленой инфраструктуры – core (ядра), и margin (края) и третий класс фон. Инструмент SPA5 выдает значения четырех классов, к значимым классам переднего плана добавляется параметр core opening|разрыв в ядрах): в роли таковых могут выступать запечатанные поверхности во внутренней части зеленого массива. Соответственно в SPA6 также появляется еще один дополнительный класс переднего плана - islet (остров), представляющие собой изолированный фрагмент переднего плана (в нашем случае - отдельный сквер или небольшой парк).

Однако наиболее полноценным как по числу выходных классов, так и по набору опций, подлежащих регулированию, является инструмент MSPA, использующий в качестве входного файла для анализа все тот же растр с двумя кодовыми значениями ("передний план – фон"), на выходе – типологические классы пространственной структуры, характеризующие в совокупности важнейшие свойства размерности, связности-соединенности и изолированности объектов. Результаты анализа выдаются в виде карты (формат color-map) и сводной таблицы, в которой указываются значения отдельных категорий.

Важно отметить, что данная процедура не подлежит «бездумному» использованию: эксперт должен задавать размер «края» исходя из задач моделирования и качества используемого растра. Этот параметр заводится в разделе MSPA setting, в закладке Edge Width [pixel]. По умолчанию там перечислены значения от 1 до 10 пикселей, что может оказаться недостаточным, например, если как в нашем примере размер пикселя 16*16 м, а мы хотели бы получить размер буферной зоны более 160 (10 пикселей) метров. В этом случае в поле можно занести любое другое значение, добиваясь необходимого результата.Для вывода статистики в специальную панель необходимо поставить «галочку» в поле MSPA-statistic (Рис. 18.7.)

Таким образом MSPA анализ выводит 11 классов структурных элементов зеленых насаждений; при этом 7 из них принадлежат собственно ЗИ - ареалы|Core и острова|Isle, внешние|Edge и внутренние края|Perforation, ответвления|Branches, петли|Loop и связующие коридоры|Bridge. Вмещающий фон - или в данном случае запечатанное пространство города - состоит из комплементарных элементов, т.е., собственно неограниченного фона Background, крупных кварталов застройки между ареалами "зеленки" Opening, разрывов ареалов "зеленки" Core-Opening, и глубоко вдающихся в ареалы "заливов" Border Opening. Подобная классификация в известной степени облегчает решение задачи конструирования зеленой инфраструктуры городов, предоставляя в распоряжение проектировщиков нечто вроде готовых "строительных блоков" [Климанова, Колбовский, Илларионова, 2021].

Цветовая карта (color map) MSPA-анализа на основе растрового слоя Tree Cover для Старой Москвы (Рис. 18.7) представляет результат расчета с параметрами «края» 80 м и включенным «переходом» (Transition On).

Таблица 18.6. Результаты MSPA-анализа для Старой Москвы с параметрами «края» 80 м и включенным «переходом»

MSPA-class	color	FG/data pixels [%]*	#/BG area**
CORE(small)	green	--/--	0
CORE(mean)	green	27.16/ 7.68	512
CORE(large)	green	--/--	0
ISLET	brown	29.20/ 8.26	12429
PERFORATION	blue	0.87/ 0.25	35
EDGE/td>	black	18.96/ 5.37	381
LOOP	yellow	4.76/ 1.35	404
BRIDGE	red	12.81/ 3.63	819
BRANCH	orange	6.24/ 1.77	5412
Background	grey	-/71.70	4927/287807
Opening	grey	93.62 Integrity	4829/77456
Core-Opening	darkgrey	-/ 0.06	69/2240
Border-Opening	grey	-/ 1.87	4760/75216

* в левой части – процент, занимаемый данным элементом в общей площади элементов ЗИ, в правой части – процент от общей площади территории
** в левой части общее число элементов данного класса, в правой - площадь в пикселях

Разумеется, результаты весьма чувствительны к параметру глубины предполагаемой "опушки" - Edge Width. При изменении данного параметра (Рис. 18.9) модель демонстрирует закономерные изменения: увеличенный край "съедает" внутренние части ядерных ареалов переводя небольшие ареалы в "острова", тем самым увеличивая общее число элементов ЗИ, но уменьшая их площадь. Часть внутренних разрывов ареалов переходит в площади основного фона - запечатанные поверхности, а сами такие ареалы трансформируются в кружево "мостов" и "ветвей". Следовательно общее число ядерных ареалов уменьшается с увеличением краевой зоны.

Рис. 18.9 Результаты (фрагмент территории Старой Москвы между Сокольниками и Главным Ботаническим Садом) MSPA-анализа при различных параметрах Edge Width|Опушки: 1 пиксель – 16 м, 5 пикселей – 80 м, 10 пикселей – 160 м

Второй настраиваемой параметр программы - это учет (Transition on) или неучет (Transition off) потенциальных пикселей перехода. Пиксели перехода - это те краевые пиксели ареалов, которые непосредственно контактируют с "петлей" или "мостом". По сути, включая или выключая данный параметр мы либо допускаем, либо отрицаем потенциальную возможность осуществления связей. В реальности это зависит от характера границ: так, если фрагмент зеленой инфраструктуры, например, парк обнесен забором, то примыкающая к нему аллея не будет иметь с ним реальной связи, и, следовательно, не будет полноценно функционировать в качестве экологического коридора или просто транзитной полосы.

Рис. 18.10 Результаты MSPA-анализа размерностью края в 5 пикселей (80 м) и включенным (слева) и выключенным (справа) переходом

Соответственно если переход Transition on установить на значение 0, то границы ареалов по всему периметру будут показаны как «края», а границы всех разрывов внутри как буфер (перфорация). Следует понимать, что выключение опции перехода (т.е., по сути – опции проницаемости краев) "съедает" большую часть мелких соединяющих элементов ЗИ - коридоров, ветвей и петель.

Наконец, последнюю дополнительную настройку обеспечивает параметр Intext позволяющий отделить внутренние объекты от внешних, в тех случаях когда внутренние объекты находятся внутри «разрыва» (perforation). При включенном (Intext=1) параметре, к семи основным классам зеленой инфраструктуры добавляется еще один класс (как бы «островок» внутри перфорации).

Меню Pattern>>Moving Window предоставляет доступ к нескольким алгоритмам «перемещающегося окна», реализованным с помощью универсальной программы свертки изображений "spatcon" [Riitters, Vogt, Estreguil, 2009]. Пользователь указывает размер окна, которое затем накладывается поверх каждого пикселя входного изображения. Выбранная метрика, вычисляется для всей площади окна, и результат повторно назначается центральному пикселю в выходном изображении. Все индексы текстуры получаются из анализа таблица смежности атрибутов, где Fij – это частота соседних пар пикселей с типами землепользования {i, j}. Формируемая таблица смежности оценивается с четырех сторон, при этом если с любой из сторон отсутствуют пиксели переднего плана (в нашем случае – принадлежащие ЗИ), то «ребро» считается несуществующим. Метрика P22 расчитывает степень сцепленности для единственного класса растрового изображения, в то время как метрика Shannon/SumD отражает сцепленность-связность для всех классов изображения.

Рис. 18.11 Меню инструментов "двигающегося окна" группы Pattern

LM – Ландшафтная мозаика - так называемая "полярная" классификация местоположений, учитывающая относительные пропорции трех классов в окне, окружающем это местоположение [Riitters, Vogt, Estreguil, 2009]. В классификации используются критические значения 10%, 60% и 100% вдоль каждой оси для разделения пространства на 19 классов ландшафтной мозаики для каждого пикселя в выбранном пользователем масштабе наблюдения. Второй вывод показывает статистическую сводку в виде "тепловой" карты, демонстрирующей относительные частоты пикселей в каждой из 103 категорий и CSV-файл, содержащий числовые значения тепловой карты.

Рис. 18.12 Выходная карта LM-анализа для территории Старой Москвы: общий вид (слева) и фрагмент (справа)

Содержательная интерпретация результата LM-анализа требует обращения к "треугольнику" значений или так называемой тепловой диаграмме. В этой диаграмме каждый мини-треугольник отображает соотношение синего, зеленого и красного цвета. В цветовых углах треугольника находятся значения полной единицы (1). При смещении по ребру треугольника к следующему углу значение уменьшается до нуля (с шагом 0,1). Присутствующие пиксели (в % к общему числу пикселей сцены) обозначены цифрами в белых кружках в центре мини-треугольника, отсутствие цифр означает, что элементы с такими свойствами не наблюдаются.

Рис. 18.13 Тепловая диаграмма (треугольник) LM-анализа

18.5. Группа Fragmentation - фрагментация

Fragmentation|Фрагментацию можно рассматривать как дополнительный аспект представлений о пространственной композиции, обращенный одновременно к характеристикам переднего плана (ЗИ) и фона (запечатанные поверхности). Параметр учитывает количество объектов и расстояние между ними. В ландшафтной экологии понятие фрагментации заимствовано из биогеографии, где оно определяется для конкретного вида флоры или фауны, поэтому результаты "фрагментации вообще" не всегда поддаются простой интерпретации. Вдобавок значение метрик и их объяснение усложняются с возрастанием числа классов в структуре ландшафта и спектре землепользования [Velázquez et al., 2017].

Подменю Index|Индекс обеспечивает способ определения нормализованной фрагментации для всего изображения в целом, а Entropy|Энтропия рассчитывает показатель энтропии. Так называемая Hypsometry, рассчитывает нормализованную гипсометрическую кривую, отображающую максимальную дистанцию между передним планом и фоном.

Фрагментации присущ сложный двойственный характер (передний план фрагментируется фоном и наоборот), степень фрагментации для любой территории определяется взвешенной суммой фрагментации на переднем плане и фоне. Значения фрагментации изменяется в диапазоне 0, 100 %, кроме отмеченной уже «двойственности» свой вклад в величину вносят, перфорация, общее количество, разделение и рассеивание объектов переднего плана и фона. Нормализованная гипсометрическая кривая демонстрирует высокую степень фрагментации в Москве как для зеленой инфраструктуры (80,4%), так и для фона запечатанных и застроенных поверхностей (84,7%).

Рис. 18.14 Нормализованная гипсометрическая кривая для минимума (черный), максимума (красный) а также фактическое состояние фрагментации ЗИ (зеленый цвет) и фона (синий)

Подменю фрагментации Map представляет индексы, отображающие пространственное распределение нормализованных значений фрагментации. Две метрики – Entropy и Contagion по признанию авторов [Vogt, Riitters, 2017] позволяют «прочувствовать физический смысл понятий, поскольку разработаны уже более совершенные инструменты».

Первая операция здесь - Entropy|Энтропия. В термодинамике энтропия описывает степень хаотичности системы. Перенося это понятие в пространственную геометрию (растровые изображения), мы можем использовать энтропию в качестве дескриптора пространственной фрагментации, вычисляя ее на основе представления о связанности по 8 румбам для пикселей зеленой инфраструктуры. Цветовая карта Энтропии (Рис. 18.14) показывает, что наименьшая энтропия свойственна большим нерасчлененным резерватам ЗИ а также мелким объектам в окружении фона (в центральной части); наибольшая энтропия свойственна средним по площади элементами с высокой степенью расчлененности.

Рис. 18.15 Энтропия (слева – общая схема, справа – фрагмент) для Москвы: общая - 19.2, зеленой инфраструктуры - 35.0

В пределах заданной области изображение с одним компактным объектом ЗИ имеет минимальную энтропию; максимального значения энтропия достигает, когда зеленая инфраструктура представлена множеством объектов, равномерно распределенных по всему изображению. Таким образом, «шахматное распределение» элементов переднего плана и фона обеспечивает максимальное значение энтропии. Эти два граничных условия определяют возможный диапазон фрагментации изображения.

Следующий способ характеристики фрагментированности – Contagion (сцепленность-связанность) объектов изображения. С помощью этой метрики определения Фрагментация может быть определена как противоположность связанности (1 – Contagion). Следовательно область изображения с высокой сцепленностью эквивалентна низкой фрагментации. Сцепленность объектов переднего плана вычисляется с помощью Метрики P22 движущегося окна размером 49, что обеспечивает статистически значимую выборку данных. Результат показывает нормализованную фрагментацию как функцию пространственной сцепленности.

Рис. 18.16 Contagion (слева – общая схема, справа – фрагмент) для Москвы

Как Entropy|Энтропия, так и Contagion|Сцепленность, могут рассматриваться в качестве локальных параметров агрегации, но с важным отличием: в то время как Contagion учитывает только объекты переднего плана, оценка фрагментации на основе энтропии основана на одновременной оценке переднего плана и фона. Например, изображение с преобладающим фоновым покрытием (т.е., 95%) и несколькими изолированными объектами переднего плана (5%) приведет к высоким значениям "фрагментации как сцепления". Для "фрагментации как энтропии" это изображение будет иметь низкие значения, потому что доминирующее покрытие области (фон) только слегка фрагментировано передним планом (например «островами» парков на фоне застройки).

Более сложный инструмент оценки фрагментации из группы MAP - The Fixed Observation Scale (FOS) вычисляет фрагментацию как функцию плотности области переднего плана (ЗИ) в выбранном пользователем масштабе наблюдения, и указанной длине края квадратного движущегося окна в графическом интерфейсе.

Рис. 18.17 Окно установки параметров инструмента FOS

Выбранные настройки затем используются для расчета площади движущегося окна, которая отображается в гектарах и акрах. Нижняя панель графического интерфейса предоставляет информацию о размере пикселя, полученную с помощью команды gdalinfo. Пользователь может выбрать настройки из выпадающего меню или вставить пользовательские значения, а затем нажать клавишу Enter. После определения типа анализа и выбранной пользователем шкалы наблюдения нажимается кнопка Accept|Принять, чтобы применить эту шкалу для анализа фрагментации. Результат операции выводится в виде карты и данных в форматах TXT и CSV.

Рис. 18.18 Показатели фрагментации FOS для двух и пяти классов зеленой инфраструктуры

Таблица 18.7 FOS: FragmClass\ObsScale: 1.25 ha (Pixel resolution: 16.00 - Window size: 7x7<

Class	Содержание	Значение
Rare	Изолированные	0,83
Patchy	Фрагменты	11,06
Transitional	Переходные	15,28
Dominan	Доминирующие	27,13
Interior	Внутренние	9,86
Intact	Сцепленные	35,84
FAD_av	FAD_av	76,25

Диалоговое окно MultiScale предоставляет инструменты проведения анализа фрагментации на различных масштабах наблюдений. FAD - The Foreground Area Density|Анализ плотности площади переднего плана выполняется путем измерения P2 по пяти шкалам наблюдения с использованием анализа движущегося окна с квадратными соседними областями длиной 7, 13, 27, 81, 243 пикселя и применения маскировки переднего плана [Riitters, Vogt, Estreguil, 2009]. Результатом является набор из пяти карт (по одной для каждого масштаба наблюдения), показывающих значения P2/FAD для каждого пикселя ЗИ. В результате получены карты, список FAD (плотность) значения каждого пикселя (FAD 6-class) или Average-Per-Patch (FAD-APP) на патч в цветовой кодировке в классах фрагментации от 1 до 6 (Рис. 18.19)

Рис. 18.19 Резюме FAD /APP - фрагментация, пороговые значения, названия и цветовая кодировка классов

В статистическом резюме приводится доля каждого класса фрагментации и шкалы. Легенда карты и агрегированные результаты для всего изображения отображаются в виде совокупной гистограммы. Шкалы классов 1, 2, 3, 4, 5 соответствуют длинам окон 7, 13, 27, 81, 243 пикселей.

Рис. 18.20 Соотношение шести классов (rare - редкие одиночные фрагменты, patchy - патчи, transitional - переходные, dominant - доминирующие, interior - внутренние, intact - изолированные) в пяти различающихся масштабах анализа и результирующем масштабе

Таблица 18.9. Результаты FAD-анализа для территории Москвы

FAD: Fragment Class	Классы фрагментации	1	2	3	4	5	Summary
Rare	Одиночные	0,83	1,98	2,62	2,84	1,89	0,62
Patchy	Патчи	11,06	16,43	24,54	39,19	53,99	21,84/td>
Transitional:	Переходные	15,28	19,04	22,97	23,42	29,37/td>	28,70
Dominant	Доминирующие	0,83	1,98	2,62	2,84	1,89	0,62
Interior	Внутренние	9,86	10,95	11,39	9,30	2,99	9,99
Intact	Ядерные	35,84	22,88	12,13	1,51	0,00	0,00

Рис. 18.21 Результаты FAD-анализ соответствуют длинам подвижного окна соответствуют длинам окон 7, 13, 27, 81, 243 пикселей. Последний фрагмент - мультимасштаб

Фрагментация как Dominance|Доминирование строится путем измерения ландшафтной мозаики (LM) по пяти шкалам наблюдения с использованием анализа движущегося окна с квадратными соседними областями длины ks = 7, 13, 27, 81, 243 пикселя и применение маскировки переднего плана. Результатом (отчасти схожим с предыдущей операцией) является набор из пяти карт (по одной для каждого масштаба наблюдения), показывающих значения LM для каждого пикселя переднего плана. Значения LM на карте сгруппированы в сводный отчет, который показывает те же самые 19 классов мозаики. Итоговое значение для данного пикселя является результатом применения классификации tripolar LM к средним значениям каждой из трех переменных в триполярной модели.

18.6. Группа Distance - определение расстояний, доступности и зон влияния

Следующая группа инструментов набора Image Analysis - Distance|Дистанция включает несколько операций. Euclidian Distance|Евклидово расстояние вычисляет карту евклидовых расстояний как для объектов переднего плана, так и для объектов фона.

Рис. 18.22 Основные результаты процедуры Distance: слева - карта расстояний, справа - фрагмент карты.

Если кнопка Divide (разделить) окно с картой не активна (т.е., «галочка» не поставлена), то щелчок по кнопке Intext панели MSPA settings вызовет отображение двух сводных графиков:

A) Гистограмма расстояния: включая информацию о среднем расстоянии между объектами ЗИ и фона (adf/adb), общем количестве объектов (fgo/bgo) и максимальном расстоянии, найденном на изображении. Здесь фоновые данные имеют отрицательный знак, чтобы отличить их от данных переднего плана.

Б) Гипсометрическая кривая: нормализованная кумулятивная частота гистограммы евклидова расстояния.

При просмотре распределения расстояний на изображении в виде псевдо-рельефной карты гипсометрическая кривая суммирует рельеф или контурные линии и показывает нормализованные кумулятивные частоты евклидовых расстояний, а также связанные статистические данные для фона и переднего плана.

Рис. 18.23 Гистограмма частот расстояний (слева) и гипсометрическая кривая (справа)

Гистограмма позволяет судить о среднем расстоянии между объектами переднего плана - в нашем случае объектами зеленой инфраструктуры adf=6,39 пикселей (102 м), при этом максимальное расстояние d_max=82,12 или 524 м. Гипсометрическая кривая обеспечивает дополнительные параметры, площадь фрагментов ЗИ - 28,3%,

Таблица 18.10 Значения расчетных параметров Distance

Индекс	Значение для Москвы	Содержание	Физический смысл
adb/bg_max or adf/fg_max Hypsometric Index Гипсометрический Индекс	0,1 для фона 0,08 для ЗИ	Отношение средней дистанции «фона» к максимальной дистанции фона или отношение средней дистанции «переднего плана» к максимальной дистанции «переднего плана»	Показывает насколько распределение смещено от "нормального", когда "среднее" близко к "медиане", а отношение средней дистанции к максимально близко к 50%
Integral area under the curve Hypsometric Area Гипсометрическая Площадь	63,2 для фона 76,7 для ЗИ	Общая площадь области под кривой	Показывает величину дисперсии признака
adb/adf Average distance Усредненная дистанция	6,9p (110 м) для фона 6,4p (102 м)для ЗИ adb/adf=1,07	Отношение средней дистанции фона к средней дистанции переднего плана	При adb/adf~1 фрагментированность ЗИ и фона можно считать одинаковой; при adb/adf~ 0 элементы ЗИ единичны и разбросаны друг от друга на значительные расстояния, и наоборот при adb/adf значительно больших чем 0 элементы зеленой инфраструктуры доминируют над фоном а дистанция между ними минимальна
bg_max/fg_max Maximum distance Максимальная дистанция	69,0p (1104 м) для фона 82,2p (1315 м)для ЗИ bg_max/fg_max=0,84	Отношение максимальной дистанции фона к максимальной дистанции переднего плана	Отражает (вместе с предыдущим индексом) распределение элементов переднего плана (ЗИ) в пространстве; значения близкие к 1 демонстрируют схожее распределение, стремящиеся к 0 - преобладание фона, и наоборот значения превышающие 1 обнаруживают преобладание ЗИ
bg_obj/brfg_obj Number of objects Число объектов	4927 для фона 12769 для ЗИ bg_max/fg_max=0,34	Отношение числа объектов фона к числу объектов переднего плана	Значение близкое к 1 означает равную фрагментированность ЗИ и фона, отношение значительно большее 1 показывает высокую фрагментированность фона и наоборот - стремящееся к 0 - фрагментированность ЗИ; при отсутствии данных о площадях почти ничего не говорит о размерах ЗИ и фона
bg_area/fg_area Total area of objects Общая площадь объектов	Отношение площади фона к площади переднего плана	71,7% для фона 28,3% для ЗИ bg_max/fg_max=2,53	Значение близкое к 1 означает равную долю площади ЗИ и фона, при значениях больших 1 преобладает фон, и наоборот, при значениях меньше 1 - преобладает ЗИ
bg_Arep/fg_Arep Representative area Репрезентативная площадь	147,9 для фона 128,4 для ЗИ >bg_Arep/fg_Arep=1,15	Рассчитывается для опосредованного объекта круглой формы с радиусом равным средней дистанции переднего плана или фона	Как и в случае со средним расстоянием (adf/adb), изменения в репрезентативной области являются индикаторными для процессов фрагментации, показывая насколько реальная форма объектов, отличается от идеальной и позволяя сравнить сложность конфигурации фона и переднего плана

Строка заголовка GTB показывает дистанции переднего и заднего плана adf/adb, а пространственное распределение расстояний отображается в окне карты. Для каждого пикселя карта показывает кратчайшее расстояние до ближайшего объекта переднего плана и/или фона. Расстояние задается в пиксельных единицах, (при известном значении размера пикселя могут быть переведены в метрические). Цветовой код предназначен для имитации псевдо-карты высот: синие цвета представляют «океан» (фон), желтые/красные/зеленые цвета представляют «землю» или «горы» (передний план), а значение нуля присваивается береговой линии (пересечение переднего плана/фона).

Инструмент Influence Zones. Зоны влияния определяются как внешняя граница равных расстояний iso-distances, разделяющая выбранные объекты переднего фона (в данном случае - ЗИ). Граница зоны влияния определяется путем применения концепции «водораздела» к карте евклидовых расстояний фоновой области. Если рассматривать 8-связное евклидово расстояние как поверхность «рельефа», каждый локальный минимум можно рассматривать как точку, аккумулирующую сток из окружающей области, а линии объединяющие вершины хребтов - как водоразделы. Чтоб не допустить чрезмерной сегментации, которая может создаваться локальными небольшими объектами, минимальный размер для учитываемых фрагментов ЗИ по умолчанию равен 5000 пикселям. Пропущенные объекты меньшего минимального размера отображаются бледно-голубым цветом. Объекты, для которых рассчитываются зоны влияния, отображаются чередующимися цветами, а границы зоны влияния (линии водораздела) - черным. Информационная панель под окном карты позволяет устанавливать буферные зоны как для переднего плана, так и для фона.

Зоны влияния – весьма «говорящая» характеристика, которая может быть использована для определения ареалов распространения действия самых разных свойств ЗИ, в том числе, относящихся к экологическим сервисами, и прежде всего, разумеется – рекреационной функции.

Рис. 18.24 Зоны влияния элементов ЗИ Москвы: слева – минимальные учитываемые объекты 5000 пикс. (8 га) слева, в центре –300 пикс (5 га), справа - 100 пикселей (1,6 га)

Минимальная площадь: зоны влияния рассчитываются для объектов переднего плана, размер которых больше или равен заданной минимальной площади в пикселях. Порог малых объектов, исключаемых из расчета, может быть установлен с помощью раскрывающегося меню MSPA SETTINGS - EdgeWidth. Можно либо выбрать заранее определенное значение (5000), либо указать пользовательское значение в строке раскрывающегося меню. Новое пользовательское значение будет присвоено только после нажатия клавиши Enter.

Proximity|Близость - последний инструмент группы Distance:эта опция позволяет измерять близость между соседними объектами. Как и в случае с зонами влияния, объекты интереса определяются с 8-связностью и минимальной площадью, которую можно задать с помощью параметра EdgeWidth. Объекты меньшего минимального размера отображаются светло-синим цветом, а линия водораздела-черным. При просмотре изображения с помощью указателя мыши информационная панель под окном карты будет отображать идентификатор компонента и связанную с ним область в пикселях, если мы находимся в фоновом режиме или над пропущенным объектом переднего плана.

Рис. 18.25 Основные результаты процедуры Proximity: слева - карта близости, справа - фрагмент карты

18.7. Реализация темы MSPA анализа в ArcMAP10.x

Популярность MSPA анализа привела к разработке специального модуля для наиболее популярных ГИС - как проприетарных, так и условно бесплатных. Существует такой модуль и для ArcMAP10.x он доступен по адресу GuidosToolbox. После установки модуль встраивается и становится доступным в каталоге ArcMAP10.x.

Для корректной работы модуля необходима подготовка исходного файла, который должен быть трансформирован в 8-битный файл с тремя значениями 0 - окружающий фон, 1- задний план сцены, 2 - передний план.

Рис. 18.26 Базовый 8-битный атрибутированный растровый слой с тремя значениями:серый - окружающий фон, фиолетовый- задний план сцены, зеленый - передний план.

Плагин MSPA позволяет получить только собственно файл структурного анализа, т.е., то, что соответствует - морфологическому пространственному анализу Группы Pattern "материнской" программы. Настройке подлежат все опции:

Foreground connectivity: учет связи между 8 или 4 пикселями
Effective edge width: ширина "опушки" или эффективного края -1,2,3,4,5
Transition: возможность перехода или внешней связи - 1,0
Intext: возможность внутренней связи с элементом переднего плана в пределах разрыва

Таким образом плагин обеспечивает "перебор" 40 вариантов расчета с разным опциями. Результат расчета - цветовые карты color map с таблицей значений.

Рис. 18.27 Результат работы MSPA плагина в ArcMAP10.x - цветовая карта и таблица файла.

Программа GTB предоставляет множество разных инструментов в распоряжение пользователя. Естественно, что они используются последовательно в соответствии с разными задачами. Одно из самых востребованных направлений исследования - диагностика зеленой инфраструктуры мегаполисов и обоснование планировочных решений по ее оптимизации, (см., например, работу китайских специалистов [Wei et al., 2018]. Однако MSPA-анализ можно использовать и для задач типологии рисунка освоения территорий (оценивая соотношение распаханных и нераспаханных пространств, или залесенных и безлесных территорий и т.д.). Несмотря на кажущуюся сложность набор инструментов GTB позволяет специалистам извлечь из сравнительно доступных данных целый ряд весьма полезных метрик и индикаторов.

18.8. Реализация темы MSPA анализа в SAGA GIS

Инструменты для проведения структурного анализа "встроены" сегодня практически во все популярные геоинформационные системы. Другое дело, что они могут быть рассредоточены по разным группам (наборам) операций и, возможно, не предоставляют такого широкого выбора как Guidos Tool Box. Тем не менее, основные действия, прежде всего определение численности и статистик для "патчей" разных классов, а также расчет их размерности и дифференциация на структурно-функциональные типы, могут быть осуществлены в самых разных ГИС. Рассмотрим эти возможности на примере SAGA GIS.

В качестве исходного слоя для анализа используем все тот же бинарный растр. полученный из Tree Cover в границах "Старой Москвы". Первое действие, которое позволяет оценить площади, занимаемые пикселями разных классов (фона и ЗИ) может быть осуществлено с помощью инструмента Aggregation Index группы Analysis набора Grid.

Рис. 18.28 Диалоговое окно инструмента SAGA GIS

Единственная опция, подлежащая контролю - Max.Number of Classes|Максимальное число классов для бинарного растра выставляется "2". На выходе - простая таблица, содержащая четыре поля значений Class - номера классов, Area - общее число пикселей класса, Area% (проценты пикселей классов от общей площади) и Aggregation Index - собственно Индекс Агрегирования

Рис. 18.29 Выходная таблица Aggregation Index

Индекс Агрегирования считается независимым от общего числа фрагментов класса, и масштаба. Предполагается, что класс с самым высоким уровнем агрегации (AI =1) состоит из пикселей, разделяющих все возможные ребра при прямоугольной форме пикселя - со всех четырех сторон находятся пиксели того же класса. Наоборот, полностью дезагрегированные пиксели (т.е., когда пиксель не граничит ни с одним пикселей своего класса) формируют класс с AI=0. В представленном случае "фон" выглядит практически полностью агрегированным, а зеленая инфраструктура - несколько менее агрегированной, и это связано с тем, что пиксели "зеленки" могут действительно существовать отдельно (представим маленький скверик) в городской среде.

Другой полезный инструмент структурного анализа в SAGA GIS - связан с моделированием фрагментированности. В SAGA GIS пользователю предлагается три варианта исследования данного свойства - Fragmentation|Alternative, Fragmentation|Standard Fragmentation Classes from Density and Connectivity авторства О. Конрада [O.Conrad, 2008]. Последний (как следует из названия) предполагает предварительное определения Плотности и Связанности. Два первых дают приблизительно аналогичные результаты.

Инструмент Fragmentation|Alternative "работает" с классифицированным растром и имеет набор опций, которые должны настраиваться пользователем в зависимости от задач и характера исходных данных.

Рис. 18.30 Диалоговое окно инструмента Fragmentation (Alternative) SAGA GIS

Важной является опция Class identifier, поскольку SAGA GIS "видит" класс переднего плана (т.е., ЗИ) как Z2, а фон как Z1, поэтому если исследуются структура ЗИ, то в следует выставить "2". На выходе - цветовая карта структуры с шестью значимыми классами. которые описываются на основе параметров Density|Плотность, Connectivity|Связанность следующим образом:

1. core (ареал. "ядро"),
2. interior (внешняя "каемка" ареала) Density = 1.0,
3. edge (периферия, окружающая ареал) Density > 0.6 and Density - Connectivity,
4. perforated, ("окно"") Density > 0.6 and Density - Connectivity > 0,/li>
5. transitional (переходная зона),
6. patch (пограничная с фоном зона).

Рис. 18.31 Фрагмент цветовой карты фрагментации и легенда

Таким образом инструмент позволяет решить основную задачу - выделить из элементов ЗИ те, которые имеют обширные внутреннюю зону и защищены достаточным внешним буфером, и те, которые находятся в окружении фона и подвержены различным видам внешнего воздействия. Поскольку дифференциация типов осуществляется на основе параметров плотности и связанности, то их изменение (в соответствующих позициях диалогового окна Mininmum Density Maximum Density, а также Neihborhood) позволяют получать диверсифицировать результат (например, в зависимости от представлений о ширине экранирующего буфера или минимального размера базовых резерватов).

Дополнительными результатами работы инструмента являются таблица данных классов, содержащая параметры общего числа пикселей, площади и доли в %, а также отдельные карты плотности и связанности элементов переднего плана

Рис. 18.32 Выходная таблица данных инструмента Fragmentation (Alternative)

Рис. 18.33 Фрагмент цветовой карты связанности connectivity и легенда

В SAGA GIS есть также специальный инструмент для моделирования динамики - двух противоположно направленных процессов Expand|Расширения Shrink|Cъеживания для элементов переднего плана и фона, который так и называется Shrink and Expand. Процессы можно воспроизводить как по отдельности (скажем прогнозировать как изменится конфигурация ЗИ при застройке), так за один "прогон". Но, на наш взгляд, инструмент не добавляет "нового" знания, поскольку эти же процессы можно изучать просто изменяя параметры инструмента фрагментации.