Випадкові ліси та живі дерева

22 тис. гектарів займають в межах Кривого Рогу території з добре розвиненою деревною рослинністю: парки, сквери, житлова забудова, лісозахисні смуги, неорганізовані зарості. Це становить приблизно 46% від загальної площі міста! Якщо додати сюди територію із трав’яною рослинністю, то загальна площа зелених зон становитиме 71% від площі Кривого Рогу.

Не дивлячись на сучасну політику тотального “омолодження” дерев у житловій та парковій зонах, яка часто призводить до загибелі дерев, загальна “зеленість” Кривого Рогу вражає! Це досягається за рахунок багатьох складових. Найбільшим є внесок міських парків, скверів та лісозахисних насаджень. Проте, дуже вагомим є також внесок неорганізованих дикорослих насаджень, приватного житлового сектору, а також – дачних кооперативів. Всі ці складові дозволяють забезпечити високий рівень засадження територій деревами та певною мірою є запобіжником від швидкого знищення деревної рослинної маси.

Що стосується інших складових криворізької рослинної екосистеми, то й тут площа територій із бодай якою рослинністю доволі велика. Так, загальна площа територій з трав’яною рослинністю становить приблизно 12 тис.га. Це 25% від загальної площі міста! Сюди входять газони, пустирі, зарості очеретів.

Таким чином, ми можемо констатувати, що 71% території Кривого Рогу вкрито травами та деревами. Причому із доволі високою щільністю рослинного покриву. Невкритими рослинністю залишається лише 29% території: кар’єри, відвали, промислові майданчики, великі автомобільні дороги та дахи висотних будівель, а також – водна поверхня.

Моє дослідження не лише підтвердило величезний рекреаційний та загальноекологічний потенціал зелених зон Кривого Рогу. Воно також, на жаль, констатувало вкрай занедбаний стан міських територій. Особливо пригнічує всюдисуще сміття! Де б я не побував під час свого дослідження, всюди я натикався на купи побутового та будівельного сміття. Навіть у непролазних хащах зустрічаються пивні бляшанки, дране лахміття та зношене взуття! Годі й казати про території з безперешкодним пішохідним доступом. І це вже не кажучи про “дикі” сміттєзвалища, які були створені місцевим населенням.

Щоб порахувати загальну площу територій з різними типами покриття мною було виділено 9 умовних класів покриву міських територій. В якості еталонних ділянок для цих класів було обрано конкретні ділянки в межах Кривого Рогу. Оскільки моє дослідження було спрямоване на визначення рослинного покриву, я детально не розглядав “нецікаві” мені невкриті рослинністю ділянки. Все, що майже позбавлене рослинності мною було записано або у клас “Тверда поверхня”, або у клас “Вода”.

Умовний клас покриву території	Деякі приклади еталонних ділянок
Bulrush (Очерети) – суцільні зарості очеретів	Зарості очеретів на вул.Хасанська	Границя між водою та очеретами. Пішохідний мост через р.Саксагань біля вул.Галілея	Зарості очеретів. Пішохідний мост через р.Саксагань біля вул.Дідро	Невеличкий масив очеретів у лісі. В районі автомобільного мосту на вул.Січеславська
Burned Area (Випалена територія) – ділянки вигорілої внаслідок пожеж рослинності	Фотографій немає. Я орієнтувався на усні повідомлення мешканців міста.
Forest (Ліс) – щільні деревні насадження з кущами та травами	Ліс зі щільними кущами. В районі автомобільного мосту на вул.Січеславська	Ліс зі щільними кущами. В районі вул.Фадєєва	Галявина у щільному лісі. Неподалік вул.Нікопольське шосе	Ліс зі щільними кущами. Неподалік вул.Нікопольське шосе
Lawn (Газон) – ділянки низькотрав’я	Зелений газон біля будівлі міськвиконкому	Стадіон загальноосвітньої школи №66. Вул.Вокзальна	Пожухлий газон на вул.Українська	Газони у сквері біля вул.Тамбовська
Park (Парк) – нещільні деревні насадження без кущів	Парк біля колишнього кінотеатру “Дружба”. Вул.Магістральна	Парк імені Ю.Гагаріна	Парк біля колишнього кінотеатру “Дружба”. Вул.Магістральна	Парк зі щільними деревами біля музею трудової слави ПрАТ “ПівнГЗК”. Вул.Черкасова
Solid (Тверда поверхня) – буль-які тверді поверхні: дороги, бетон, оголені ґрунти, скельні породи, промислові об’єкти (кар’єри, відвали тощо)	Тверде покриття біля будівлі міськвиконкому	Пустир та забудова біля вул.Нікопольське шосе	Дорога по вул.Прорізна	Промислова зона навколо кар’єру “Північний”
Village (Приватний сектор) – щільна суміш дерев, трав, твердих поверхонь, побудов та споруд. Така суміш різнородних об’єктів в межах одного пікселю космічного знімку призводить до специфічного відбиття як оптичних так і радарних хвиль. Найбільш зрозумілим представником цього класу є власне житлова одноповерхова забудова. Хоча ділянки класу “Приватний сектор” наявні також на прибудинкових територіях високоповерхової забудови.	Приватний сектор по вул.Нестерова	Вид на приватний сектор по вул.Херсонська	Приватний сектор по вул.Тамбовська	Приватний сектор по вул.Запорізька
Wasteland (Пустир) – ділянки високотрав’я з поодинокими деревами	Пустир біля насосної станції на вул.Галілея	Галявина між дібровами. Район вул.Керченська	Пустир біля промислової площадки шахти “Октябрська”. Район вул.Фадєєва	Закинутий стадіон (?) в районі вул.Фадєєва
Water (Вода) – будь-які відкриті водні поверхні (ріки, ставки, відстійники тощо)	Ріка Саксагань біля вул.Фадєєва	Границя між водою та очеретами. Пішохідний мост через р.Саксагань біля вул.Галілея	Ріка Саксагань. В районі автомобільного мосту на вул.Січеславська	Вид на затоплений кар’єр біля вул.Рубіжна

На основі еталонних ділянок я сформував учбову та тестову вибірки для класифікації території. Загальна кількість еталонних ділянок становить 1070. Ці ділянки покривають собою 25258 пікселів космічного знімку (розмір одного пікселю – 10Х10 м).

Із окремих пікселів в межах учбових ділянок кожного умовного класу було сформовано учбову та тестову вибірки. До тестової вибірки за допомогою генератора випадкових чисел відібрано 1200 пікселів кожного класу. З увагою на те, що для класу “Випалена територія” наявно лише 871 піксель – при формуванні учбової вибірки застосовано “вибірку з поверненням”. Таким чином – у тестовій вибірці для цього класу не залишилось унікальних пікселів. Проте це майже не вплинуло на кінцевий результат. Слід також додати, що використання вибірки з поверненням призвело до того, що і для інших класів можливі дублювання “учбових” та “тестових” пікселів.

Для проведення дослідження мною застосовано супутникові знімки космічних апаратів Sentinel-1A, Sentinel-2A та Landsat-8. В якості основного взято знімок космічного апарату Sentinel-2A від 8 серпня 2017 року. Додатково залучено знімок космічного апарату Sentinel-1A від 7 серпня та інфрачервоні теплові канали зі знімку супутника Landsat-8 від 12 серпня 2017 року. Також на кінцевій стадії дослідження було додано знімок у ближньому інфрачервоному (вегетаційному) діапазоні космічного апарату Sentinel-2A від 30 квітня 2017 року. Залучення весняного знімку дозволило більш точно відділити зарості очеретів від парків та лісів.

Міську межу Кривого Рогу взято з проекту OpenStreetMap. При цьому не враховано територію селища “Авангард”. Класифікація типів покриву території в межах селища “Авангард” не здійснювалась і площа селища в загальній площі дослідженої території не враховувалась.

В якості алгоритму класифікації мною вибрано Random Forest (“Випадковий ліс“) із однойменної бібліотеки мови програмування R. Кількість дерев у вирощеному мною класифікаційному лісі становить 350, кожне дерево вирощувалось на основі 4 змінних (окремі канали супутникових знімків). При цьому точність класифікації при перевірці на учбовій вибірці досягає 96,22%. Так звана помилка “Out of Bag Error” становить лише 3,78%. Перевірка на тестовій вибірці показує загальну точність класифікації 93,95%. Це доволі висока точність для подібних досліджень зважаючи на високу детальність класифікаційної карти (10Х10 м). Проте, точність детектування окремих класів значно відрізняється. Найбільшу похибку показують класи “Газон” (25,15%), “Парк” (11,45%) та “Ліс” (9,78%). Ясна річ, що через похибку класифікації не обійшлось без помилок на кінцевій класифікаційній карті. Так, наприклад, деякі ділянки східних бортів криворізьких кар’єрів було класифіковано як “Вода”. Це пов’язано із тим, що східні борти знаходяться у затінку при оптичній зйомці та у затінку при радарному опромінюванні території. Також до класу “Вода” потрапили одиничні пікселі в межах житлової забудови. Це також пов’язано із затінком від будівель. У таблиці нижче наведено результати перевірки класифікаційної моделі на тестовій вибірці. У рядках таблиці містяться передбачені значення класів, у стовпцях – реальні значення класів. Похибка детектування кожного окремого класу визначається як відношення між “неправильними” та “правильними” відповідями класифікаційної моделі.

За результатами класифікації усієї території Кривого Рогу мною отримано класифікаційну карту. Маючи цю карту ми можемо порахувати кількість пікселів кожного умовного класу в межах території Кривого Рогу. А знаючи площу одного пікселю (100 кв.м) ми можемо обчислити загальну площу кожного умовного класу. У таблиці наведено округлені площі виділених мною класів.

Загальний вигляд фінальної класифікаційної карти зображено нижче. З он-лайн версією карти можна ознайомитись тут.

Умовні класи ландшафтного покриву території Кривого Рогу

На останок хочу послатись на програмні засоби, які я використовував під час свого дослідження. Для калібрування радарного знімку я використав геоінформаційну платформу Sentinel Application Platform (SNAP). Завантаження та обробка оптичних знімків виконана з використанням плагіну Semi-Automatic Classification Plugin для геоінформаційної системи QGIS. Основний обсяг роботи з суміщення космічних знімків, виділення учбових ділянок та формування учбової вибірки виконано в геоінформаційній системі SAGA GIS. Побудову та аналіз класифікаційної моделі я робив у мові програмування R. Кінцеве графічне оформлення класифікаційної карти виконано в геоінформаційній системі QGIS.

Подібні дослідження вимагають не тільки багато часу. Вони потребують також певних фінансових витрат (транспорт). Я буду дуже вдячний, якщо читачі матеріально підтримають блог DataStory та його автора. Зробити свій внесок можна через меню пожертв зліва зверху на головній панелі сайту.