Гибридные алгоритмы геопространственного анализа точек расположения плотин в задачах защиты охраняемых районов

Цель. В последние десятилетия критерии определения потенциальных районов для строительства плотин развивались рука об руку с технологическими инструментами, такими как географические информационные системы (ГИС). Однако критерии сохранения охраняемых районов во многих случаях не учитываются, поэтому биоразнообразию окружающей среды наносится ущерб, который может стать непоправимым. В данной работе представлена оптимизация процесса обнаружения ключевых точек местности путем разработки гибридного алгоритма геопространственного анализа в QGIS. Цель состоит в том, чтобы ускорить вычислительное время, которое является критической переменной для всего процесса обнаружения ключевых точек, и предложить потенциальные области, которые не представляют опасности для биоразнообразия.
Метод. Используемая стратегия базируется на двух фундаментальных предпосылках: выделении вершин пространственных объектов (рек) и анализе расстояний между пространственными объектами (реки и прилегающие территории). Извлечение вершин позволяет получить потенциальные точки, а анализ расстояния позволит выделить из них те точки, которые находятся в диапазоне, допустимом для расположения плотины при условии нанесения наименьшего возможного ущерба биологическому разнообразию прилегающей территории. Валидация алгоритма была проведена на примере гидрологической сети муниципалитета Маникарагуа, Куба.
Результат. Полученные результаты сравнивались с точки зрения использованного времени расчета, количества извлеченных допустимых вершин и процента уменьшения общего числа областей. Это сравнение проводилось при использовании одного, двух и трех векторных слоев (.shp) с пространственными объектами, представляющими стратегические охраняемые территории.
Вывод. Полученные результаты показали, что чем более репрезентативны используемые космические данные (.shp), тем эффективнее будут результаты, полученные алгоритмом по отношению к задачам охраны окружающей среды. Достигнуто снижение до 13% от первоначально обнаруженных ключевых точек.

1. Pokhrel Y. и др. A Review of the Integrated Effects of Changing Climate, Land Use, and Dams on Mekong River Hydrology // Water. Multidisciplinary Digital Publishing Institute, 2018. Т. 10, № 3. С. 266 DOI:10.3390/w10030266.

2. Всемирный фонд дикой природы (WWF). Плотины и развитие: новая методическая основа для принятия решений // Отчет всемирной комиссии по плотинам. Москва, 2009. 200 с.

3. Абдразаков Ф., Панкова Т., Орлова С. Прогнозирование вероятности и возможных последствий аварий на плотине // Вестник БГТУ им. В.Г. Шухова. 2019. Т. 4, № 1. С. 65–72 DOI:10.12737/article_5c50620ee70624.66669200.

4. Azimi Sardari M.R. и др. Modeling the Impact of Climate Change and Land Use Change Scenarios on Soil Erosion at the Minab Dam Watershed // Sustainability. Multidisciplinary Digital Publishing Institute, 2019. Т. 11, № 12. С. 3353 DOI:10.3390/su11123353.

5. QGIS project. QGIS Documentation v: 3.4 [Эл. ресурс] //Vector general: Merge vector layers. 2020.URL: https://docs.qgis.org/3.4/en/docs/user_manual/processing_algs/qgis/vectorgeneral.html?highlight=merge#mergevector-layers.

6. Baghdadi N., Mallet C., Zribi M. QGIS and Generic Tools // QGIS and Generic Tools. 1-е изд. / под ред. Wiley. 2018. Т. 1. С. DOI:10.1002/9781119457091.

7. Kim Y.-K. A Study on Urban Land Cover Classification Using Object-based Image Analysis (OBIA) Techniques // J. Korean Cadastre Inf. Assoc. The Korean Cadastre Information Association, 2020. Т. 22, № 1. С. 122–144 DOI:10.46416/JKCIA.2020.04.22.1.122.

8. QGIS project. QGIS Documentation v:3.4 [Электронный ресурс] // Vector geometry: Extract vertices. 2020.URL://docs.qgis.org/testing/en/docs/user_manual/processing_algs/qgis/vectorgeometry.html#id180.

9. Vazquez S.R., Mokrova N. V. Comparison of Applicability of Different Computational Geometry Algorithms for the Detection of Vertices in River Layers in GIS Systems // 2020 International Multi-Conference on Industrial Engineering and Modern Technologies (FarEastCon). IEEE, 2020. С. 1–4 DOI:10.1109/FarEastCon50210.2020.9271660.

10. Vázquez S.R., Mоkrova N. V. Vector-spatial analysis of gis application layers for placing strategic points in dam design // Строительство и техногенная безопасность. 2021. № 20(72). С. 43–51 DOI:10.37279/2413-1873-2021-20-43-51.

11. ESRI. ArcGIS Pro [Электронный ресурс] // Как инструменты близости вычисляют расстояние. 2020. URL: https://pro.arcgis.com/ru/pro-app/tool-reference/analysis/how-near-analysis-works.htm.

12. Bojarska K. и др. Winter severity and anthropogenic factors affect spatial behaviour of red deer in the Carpathians // Mammal Res. Springer, 2020. Т. 65, № 4. С. 815–823 DOI:10.1007/s13364-020-00520-z.

13. Hysa A. Classifying the Forest Surfaces in Metropolitan Areas by Their Wildfire Ignition Probability and Spreading Capacity in Support of Forest Fire Risk Reduction // Integrated Research on Disaster Risks. Springer, Cham, 2021. С. 51–70 DOI:10.1007/978-3-030-55563-4_4.

14. Cuban Environment Agency (AMA). Integrating management of watersheds and coastal area in caribbean small island developing states. Ciudad de la Habana, 2001. 40 с.