ОЦЕНКА ИЗУЧЕННОСТИ УСЛОВИЙ ГОРОДСКОЙ ТЕРРИТОРИИ

ДЛЯ ИНЖЕНЕРНО-ГЕОЛОГИЧЕСКОГО КАРТОГРАФИРОВАНИЯ

Карфидова Е.А.,

ведущий научный сотрудник Института геоэкологии РАН, канд. геогр. наук;

Сизов А.П.,

советник Департамента земельных ресурсов города Москвы, канд. биол. наук

С принятием в 2004 г. нового Градостроительного кодекса Российской

Федерации начинается разработка концепции системной информатизации различных стадий и процессов градостроительной деятельности. В постановлении Правительства РФ от 9 июня 2006 г. № 363 «Об информационном обеспечении градостроительной деятельности» вводятся новые базовые понятия, среди которых особой значимостью выделяется «изученность природных и техногенных условий".

Введение понятия изученности природных и техногенных условий, безусловно, подразумевает необходимость развернутой постановки задачи, развитие формализации изученности, использование численных методов оценки и соответствующих методов картографирования.

Общая постановка задачи.

Формирование понятия изученности базируется на комплексном многоаспектном подходе, учитывающем множество влияющих факторов. Среди них необходимо выделить фактор полноты и качества необходимых инженерных изысканий для градостроительной деятельности. Источником информации для оценки изученности являются государственные картографические материалы и фонды данных инженерных изысканий. В фондах формируются сведения по горным выработкам – скважинам; графически сведения об изученности природных и техногенных условий должны отображаться на соответствующей актуализированной карте [1].

Принципиальное значение эти задачи приобретают в инженерногеологическом картировании урбанизированных территорий, особенно больших, как, например, Москвы. Логическая последовательность инженерногеологического картографирования включает:

заказ производителем работ фондовых данных;

построение на фоне картографической основы города карты фактического материала;

создание на ее основе тематической карты.

Введение оценки изученности природных и техногенных условий ставит принципиально новые задачи и наполняет новым содержанием карту фактического материала, требует методического внимания к этапам её разработки и используемым методам.

В такой постановке представляется методически важным выработать подход к оценке достаточности используемых фондовых данных на территории и отображению результатов на карте фактического материала. Оценка достаточности фондовых данных базируется на сравнении фактического использования данных с нормативными рекомендациями по необходимому количеству фондовых данных. Необходимое количество фондовых данных по буровым скважинам в виде точек наблюдения на 1 км2 регламентируется строительными правилами [2] в зависимости от категории сложности инженерно-геологических условий и масштаба инженерно-геологической съемки. Анализ существующих нормативно-технических документов показал необходимость экспертизы использованных фондовых данных в процессе инженерно-геологического картографирования. Цель экспертизы – проверка необходимого и достаточного количества использования фондовых данных для инженерно-геологического картографирования.

Предлагается следующая логическая схема процесса составления карты фактического материала (рис. 1).

ЕГКО Сбор и систе Анализ и Экспертиза матизация проверка использования вводимых фондовых Базы данных данных данных Составление карты фактического Геофонд материала Рис.1. Логическая схема процесса составления карты фактического материала.

В подготовке материалов для экспертизы предлагается использовать численные статистические методы обработки пространственных данных. С использованием геоинформационных технологий эти методы стали широко доступными для пользователей и достаточно эффективными. При составлении карты фактического материала использование расчетных материалов формирует ее новое качество и повышает информационную емкость.

Решение задачи во многом определяется состоянием используемых информационных ресурсов, и если Единая государственная картографическая основа (ЕГКО) предоставляется в цифровом виде, то фондовые материалы инженерных изысканий в настоящее время находятся в начальной стадии информатизации. В опубликованных результатах анализа производства пространственных данных в Российской Федерации технического комитета (ТК 22) «Информационные технологии» за 2005 г. содержится сравнительная оценка состояния проблемы по пяти основным блокам формирования пространственных данных:

1. Геодезии и картографии;

2. Учета объектов недвижимости;

3. Инженерных изысканий в строительной отрасли;

4. Градостроительной деятельности;

5. Природных ресурсов.

По совокупности рассмотрения (правовые основы деятельности, наличие геоданных, финансирование работ) в наихудшем состоянии находятся фонды инженерных изысканий для строительства.

В регламенте Геонадзора г. Москвы (2004 г.) установлен порядок осуществления контроля инженерно-геологических и инженерно-геодезических работ, в том числе порядок предоставления в пользование и использование материалов и данных, как правило, в виде копий или оригиналов без права выноса из помещений их постоянного хранения. Вопрос о предоставлении во временное пользование оригиналов материалов и данных Геофонда г. Москвы рассматривается отдельно. Из этого следует, что порядок использования данных Геофонда для инженерно-геологического картографирования территории Москвы четко не определен и его необходимо разрабатывать, с учетом развития уровня информатизации фонда и современных потребностей цифровой картографии.

Даже если ведется систематизированный ввод данных регистрации буровых скважин, в базе данных имеет место определенный временной лаг запаздывания, необходимый на регистрацию и ввод новых скважин, так что предлагаемый объем всегда меньше фактического. Эти обстоятельства определяют особенности постановки задачи.

Математическая постановка задачи.

Рассмотрим постановку задачи. Необходимо предложить эмпирические таксономические методы рационального классифицирования элементарных объектов территории на основе распределения точечной совокупности фондовых данных по скважинам. Название таксономических методов происходит от двух греческих слов: таксис - расположение, порядок; номос закон, правило, принцип.

Постановка задач таксономии получила развитие в начале 20-го века. В 50гг. в географических исследованиях похожие задачи ставились советскими учеными (Д.Л. Арманд, Н.А. Гвоздецкий, А.Г. Исаченко, С.В. Колесник, Ф.Н.

Мильков, Н.И. Михайлов, В.С. Преображенский, Н.А. Солнцев, В.Б. Сочава, в картографии - А.М. Берлянт и В.С. Тикунов). Наиболее близкими по постановке задач являются работы Ю.О. Зеегофера и Э.А. Лихачевой (Институт географии РАН) по урбанизированным территориям, в которых реализуются методы морфометрического анализа территории города на примере Москвы [3]. Эти ставшие классическими задачи в своем развитии позволили разработать постоянно-действующую модель подземных вод на территории Москвы. В последнее время понятия и методы таксономии находят применение для упорядочения и разбиения на группы объектов различной природы.

Выбор объекта классифицирования – элементарного объекта территории, как таксона, обосновывается преемственностью с методическими приемами определения геологической изученности территории и построения соответствующих картограмм, используемых в Министерстве природных ресурсов [4].

Данные о расположении скважин по отношению к отдельному таксону выступают в виде признаков, меру сходства или близости таксонов между собой возможно представить как обратную величину расстояния между признаками.

Поскольку метод вычисления конкретного расстояния принято называть метрикой, то в рассматриваемой задаче при первом приближении к задаче классификации таксонов, первой метрикой выступают расстояния от центра таксона до ближайших скважин.

В приложении для геоэкологического картографирования О.К. Мироновым реализованы схожие задачи на основе выбора в качестве объекта исследования скважины, к которым определяются их зоны доверия на территории [4-5]. Эти две задачи имеют много общего и, по сути, взаимно дополняют друг друга.

В отличие от классической постановки и большинства реализованных исследований, постановка рассматриваемой таксономической задачи должна реализоваться в условиях минимума информации из фонда, когда имеются только координаты и регистрационный номер скважины.

В решении поставленной задачи выделяем четыре последовательных этапа:

1. Анализ равномерности - кластеризации по планшетам, 2. Расчет удаленности скважин от таксона, 3. Классификация по средней удаленности скважин, 4. Выделение «пустых участков», проведение экспертизы.

Для решения задачи осуществляется сбор исходных картографических материалов по двум основным источникам: картографической основе города и фонду материалов комплексных инженерных изысканий для строительства (на территории г. Москвы - Геофонд). Организуется цифровой картографический фон используемой топоосновы, для зонирования территории по категории сложности инженерно-геологических условий вводятся данные о палеорельефе (долинах древних рек и тальвегов). Точечное распределение скважин, поступивших в распоряжение разработчика, формирует карту фактического материала.

В иерархической классификации организации картографирования выделяем: карту на всю территорию, номенклатурные листы и образующие номенклатурный лист планшеты по 1 км2.

Первый этап. Определим планшет как нулевой таксон, по которому делается первичная оценка распределения скважин; одновременно планшет является объектом организации работ по картографированию, по которому планируются трудозатраты.

Для примера возьмем таксон в размере одного планшета с 16-ю скважинами на 1 км2 (из строительных правил для карт масштаба 1:10000 при III категории сложности инженерно-геологических условий это необходимое и достаточное количество скважин) и построим их равномерное распределение в виде точек. Фактическое распределение скважин отличается от равномерного.

Его необходимо оценить по степени равномерности и кластеризации (в англоязычной литературе подобные задачи относятся к point pattern analysis).

Таксоном первого порядка определим квадрат, содержащий по нормативам 1 скважину, то есть 1/16 часть планшета.

В статистической практике экспресс-методов обычно используется метод расчета -квадрат критерия, но представляется более информативным метод оценки точечного распределения по квадратам /6/, в котором рассчитываются средние величины числа точек в квадрате, общая вариация распределения Var и оценка выборочной вариации среднего:

где: N – общее число точек выборки на территории, поделенной на k равных квадратов, Х ср - среднее число точек в квадрате, Var – общая вариация выборки, Varx - оценка выборочной вариации Х ср.

Оценки вариации среднего, близкие к 0, считаются равномерными, и чем больше значение оценки, тем больше кластеризация. Абсолютные значения вариации зависят от размера квадрата, но в относительном отношении позволяют выделить основные классы по степени кластеризации и сравнить выборки между собой [7].

Реализация задачи была экспериментально проверена для задач инженерногеологического картографирования территории Москвы по данным опорного участка в размере одного номенклатурного листа в составе 35 планшетов в разграфке 5*7. Общее число квадратов 560.

Построение гистограмм вариации распределения скважин позволяет получить представление о распространенности кластеризации по всем квадратам, входящим в планшеты номенклатурного листа.

Рис. 2. Гистограмма вариации распределения скважин точек по планшетам для одного номенклатурного листа.

На гистограмме можно четко выделить один планшет с почти равномерным распределением (0,5) и два планшета с высокой степенью кластеризации (более 15). Большая часть планшетов имеет случайное распределение с небольшой степенью кластеризации (от 1 до 4).

Для выделения классов целесообразно использовать распространенный в геоинформационных системах метод естественных границ Дженкса [8], в котором близкие по значениям данные группируются в один класс и минимизируются суммы квадратных отклонений по значениям внутри каждого класса.

При выборе числа классов рекомендуется рассчитывать индекс сравнения качества классификации, так называемый «goodness of variance fit (GVF)» по формуле [8]:

SDCM = SDAM-SDBC Где: SDAM – сумма квадратов отклонений внутри массива данных, SDBCсумма квадратов отклонений между классами, SDCM – сумма квадратов отклонений внутри класса.

При использовании этого метода минимизируются суммы отклонений значений внутри каждого класса, и осуществляется группировка близких по значениям данных.

Результаты анализа позволяют классифицировать по оценкам вариации планшеты, выделить квадраты с кластеризацией выше среднего, рассчитать площади кластерных участков и их удельный вес в планшетах.

Классификация планшетов по кластерности позволяет правильно организовать работу и оценить трудоемкость работы с планшетами. Участки с высокой степенью кластеризации требуют проведения отбора скважин из множества имеющихся скважин, расположенных близко межу собой.

В оформлении и печати карты фактического материала при работе с кластерными участками на планшете, необходимо либо вручную разносить идентификационные номера скважин, либо на карте вводить врезку в более крупном масштабе, в любом случае в организации работ необходимо принимать во внимание их большую трудоемкость.

номенклатурного листа приводится на рис.3.

Рис. 3. Пример результата расчета по первому этапу задачи.

Второй этап. На этом расчетном этапе вводится таксон второго порядка.

Таксон первого порядка – 1/16 часть планшета, или квадрат планшета, характеризуется центральным расположением скважины – наиболее удачным.

Таксон второго порядка является 1/4 таксона первого порядка с нецентральным, максимально удаленным расположением скважины от центра таксона.

Выделение таксонов возможно проводить с учетом краевых зон планшета (рис. 4).

Рис. 4. Соотношение таксонов первого и второго порядков.

Пример основан на равномерном распределении 16 скважин на 1 кв. км – необходимого и достаточного количества для карт масштаба 1 : 10 000 при III категории сложности инженерно-геологических условий/ На рисунке большие окружности фиолетового цвета представляют равные радиальные таксоны с радиусом r.

Расчет радиуса и стороны квадратной ячейки производится по следующей формуле:

Например, при n = 16 скважин расчетный радиус окружности r = 140 м.

Сторона квадратной ячейки l = 200. Таксоны квадратной ячейки не имеют перекрытия в отличие от радиальных таксонов. Основной чертой таксона первого порядка является центральное местоположение скважины – лучшее расположение. Следующий таксон определяется по противоположному свойству – наихудшего расположения скважины в наиболее отдаленном от центра ячейки месте. На рис.4 это малые окружности синего цвета. Малые окружности имеют радиус окружности 70 м и сторону ячейки 100 м.

В расчетной процедуре второго этапа выделим содержательную последовательность основных моментов, опуская технологические моменты.

Выбирается зона категории сложности инженерно-геологических условий.

Создается сеточный слой GRID с квадратными ячейками выбранных размеров таксона второго порядка.

Для каждой ячейки определяются линии, связующие центр ячейки с ближайшими скважинами, количество скважин ограничивается общими соображениями (5 - 10 скважин) и рассчитываются их длины (рис. 5).

По совокупности связующих линий рассчитываются статистические оценки по их длинам (средние, стандартные отклонения, коэффициент вариации и функции плотности распределения по удаленности скважин) (рис. 6).

Рис. 5. Расчет связующих линий и классификация ячеек сетки по величине среднего расстояния до 5 ближайших скважин.

относительная частота 0, Рис. 6. Относительные частоты распределения скважин в зависимости от среднего расстояния удаленности.

В легенде сетки задается классификация по средней дальности до ближайших скважин. При этом также важным является использование метода оптимизации Дженкса. При сравнении классификации по 3-5 классам выбирается вариант с наибольшим числом индекса GVF.

В процедуре расчета удаленности ближайших скважин используются два основных альтернативных параметра: число ближайших скважин и максимальный радиус дальности. Процедура расчета является рекурсивной:

анализ результата позволяет задать уточненные параметры для следующей итерации. На первой итерации лучше задать число ближайших скважин. Анализ результата расчета, построение плотности распределения скважин по удаленности (рис. 6) позволяет получить представление об удаленности скважин и на следующей итерации вводить уточненные параметры. Расчет может производиться по всей совокупности скважин или по выборкам одного типа скважин. Например, первая выборка содержит глубокие скважины, вторая – не глубокие скважины. Для первой выборки выбираем расчет на задании, например, 5 глубоких ближайших скважин. Для второй – расчет на ограничении максимального радиуса дальности, например, 250 м. В заключительной стадии расчеты объединяются.

Пример расчета по двум зонам категории сложности приводится на рис. 7.

На этом рисунке классификация ячеек показана с помощью изменения интенсивности цвета. Более насыщенный цвет характеризует большое количество скважин - хорошо изученные таксоны, таксоны с не достаточной изученностью показаны бледным оттенком.

Рис. 7. Пример расчета по двум категориям сложности и классификацией по 5 классам удаленности до ближайших скважин.

Третий этап. Для отдельно стоящих скважин определяются зоны доверия и для таксонов, содержащих одну скважину, средняя величина удаленности скважин заменяется величиной зоны влияния – например, 70 м, а для ближайших к ним таксонам, имеющим общую границу, соответственно на 105 м.

По скорректированным данным происходит окончательная классификация таксонов и объединение таксонов по классам в соответствующие зоны. Пример группировки по пяти классам средней удаленности скважин – d выглядит так: