Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань

The possibility of using some of the developed, modified, and adapted methodological tools of system analysis as components of the methodology of aerospace geomonitoring for solving environmental and ecological problems is shown. The above methods, namely: statistical criterion method, multicriteria...

Повний опис

Збережено в:

Бібліографічні деталі
Дата:	2020
Автори:	Khyzhniak, Anna V., Fedorovsky, Oleksandr D.
Формат:	Стаття
Мова:	Українська
Опубліковано:	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2020
Теми:	методи моделі аерокосмічний геомоніторинг системність міждисциплінарність структуризація дистанційне зондування Землі
Онлайн доступ:	https://journal.iasa.kpi.ua/article/view/198888
Теги:	Додати тег Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:	System research and information technologies
Завантажити файл:

Репозитарії

System research and information technologies

_version_	1867334403207725056
author	Khyzhniak, Anna V. Fedorovsky, Oleksandr D.
author_facet	Khyzhniak, Anna V. Fedorovsky, Oleksandr D.
author_institution_txt_mv	[ { "author": "Anna V. Khyzhniak", "institution": "Державна установа “Науковий центр аерокосмічних досліджень Землі Інституту геологічних наук Національної академії наук України”, Київ" }, { "author": "Oleksandr D. Fedorovsky", "institution": "Державна установа “Науковий центр аерокосмічних досліджень Землі Інституту геологічних наук Національної академії наук України”, Київ" } ]
author_sort	Khyzhniak, Anna V.
baseUrl_str	http://journal.iasa.kpi.ua/oai
collection	OJS
datestamp_date	2021-01-19T13:44:38Z
description	The possibility of using some of the developed, modified, and adapted methodological tools of system analysis as components of the methodology of aerospace geomonitoring for solving environmental and ecological problems is shown. The above methods, namely: statistical criterion method, multicriteria optimization method, analytical networks method, system dynamics method, fractal, and structural-texture analysis method. These methods are illustrated with specific examples of solving thematic problems, which, together with systematic, interdisciplinary, and structuring principles, are based on the methodology of aerospace geomonitoring for sustainable nature management and restoring the natural environment.
doi_str_mv	10.20535/SRIT.2308-8893.2020.2.02
first_indexed	2025-07-17T10:26:39Z
format	Article
fulltext	 А.В. Хижняк, О.Д. Федоровський, 2020 Системні дослідження та інформаційні технології, 2020, №2 27 УДК 528.88.04:504.064.2.001.5 DOI: 10.20535/SRIT.2308-8893.2020.2.02 МЕТОДИЧНІ ЗАСОБИ СИСТЕМНОГО АНАЛІЗУ ЯК СКЛАДОВІ МЕТОДОЛОГІЇ АЕРОКОСМІЧНОГО ГЕОМОНІТОРИНГУ РОЗВ’ЯЗАННЯ ПРИРОДОРЕСУРСНИХ І ЕКОЛОГІЧНИХ ЗАВДАНЬ А.В. ХИЖНЯК, О.Д. ФЕДОРОВСЬКИЙ Анотація. Показано можливість використання деяких розроблених, модифіко- ваних і адаптованих методичних засобів системного аналізу як складових ме- тодології аерокосмічного геомоніторингу для розв’язання природоресурсних і екологічних завдань, а саме це методи: статистичного критерію, багатокрите- ріальної оптимізації, аналітичних мереж, системної динаміки, фрактального і структурно-текстурного аналізу. Наведені методи ілюструються конкретними прикладами вирішення тематичних завдань, що поряд з принципами систем- ності, міждисциплінарості і структуризації є основою методології аерокосміч- ного геомоніторингу раціонального природокористування та відновлення навколишнього природного середовища. Ключові слова: методи, моделі, аерокосмічний геомоніторинг, системність, міждисциплінарність, структуризація, дистанційне зондування Землі. ВСТУП Сучасна концепція аерокосмічного геомоніторингу (АКГМ) полягає не тіль- ки в забезпеченні регулярних спостережень за станом довкілля, але й у до- слідженнях, спрямованих на отримання більш повних уявлень про об’єкт і супутні процеси на основі використання нових функціональних можливос- тей, які підвищують ефективність використання інформації АКГМ для розв’язання природоресурсних та екологічних завдань. У роботі показано можливість та доцільність застосування методичних засобів системного аналізу до розв’язання природоресурсних та екологічних завдань для забезпечення раціонального природокористування та віднов- лення навколишнього природного середовища. Вибір об’єкта дослідження обумовлений тим, що однією з наріжних та необхідних, проте недостатніх умов сталого розвитку є розв’язання приро- доресурсних та екологічних завдань для раціонального природокористуван- ня, а саме: а) добування і перероблення природних ресурсів, їх відтворення і відновлення; б) використання і охорона природних умов середовища життя; в) збереження, відтворення і раціональні зміни екологічного балансу природних систем, що є основою збереження природно-ресурсного потенці- алу розвитку суспільства [1]. ПОСТАНОВКА ПРОБЛЕМИ У роботі розглядається можливість та доцільність застосування методичних засобів системного аналізу до розв’язання природоресурсних та екологічних А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 28 завдань для забезпечення раціонального природокористування і відновлення навколишнього природного середовища. Це методи: статистичного крите- рію, багатокритеріальної оптимізації, аналітичних мереж, системної динамі- ки, фрактального і структурно-текстурного аналізу. Наведені приклади ви- рішення тематичних завдань: класифікації сільськогосподарських полів, комплексування оцінок, отриманих методами різних наукових дисциплін, детального оцінювання і вибору найбільш нафтогазоперспективної ділянки, оцінювання структури складових урболандшафту, комплексне оцінювання стану міського середовища та оцінювання динаміки змін руслових гирло- вих потоків, що поряд з принципами системності, міждисциплінарості і структуризації є основою методології аерокосмічного геомоніторингу раці- онального природокористування та відновлення навколишнього природного середовища. ВИКЛАД ОСНОВНОГО МАТЕРІАЛУ Метод статистичного критерію розв’язання природоресурсних і еколо- гічних завдань. Основною перевагою запропонованого методу на основі евристичного критерію перед іншими статистичними методами вважається структуризація складної задачі шляхом обчислення ступеня належності зна- чень параметрів досліджуваних об’єктів з даними об’єкта, взятого за еталон. У праці [2] для подання евристичного критерію розпізнавання класів об’єктів за результатами вимірювання їх інформативних ознак у статистич- них теоріях ідентифікації і розпізнавання застосовуються ймовірнісні і ста- тистичні методи, які використовуються для вирішення завдань оптимізації. Для розглянутих задач інтерес становить оброблення матеріалів багатозона- льних аерокосмічних знімків, експертних даних та різнорідних картосхем з метою класифікації об’єктів за відомими еталонами. Емпіричні дані вка- зують на те, що значення спектральної яскравості та вхідних даних )...( 111   kqqq конкретного досліджуваного об’єкта або групи об’єктів під номером q змінюються від поля до поля випадковим чином, набуваючи значень у колі своїх середніх значень. Відповідно до цього вектор q буде- мо вважати випадковим, координати якого є випадковими нормально розпо- діленими величинами. Відповідність указаних розподілів нормальному встановлюється за ви- бірковими значеннями за допомогою, наприклад, критерію Пірсона 2 , або критерію Колмогорова, або критерію Смірнова. Середні значення kqD , і середньоквадратичні kq, обчислюються за стандартними формулами:    Nq n nkq q kq N D 1 ,,, 1 ; 2 1 ,,,, 1 1           D N kqnkq N q kq q n , Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 29 де qN — обсяг вибірки для визначення невідомих параметрів випадкової величини, kq, ; nkq ,, — її вибіркові значення. Функція )(, kkq tP , яка є щільністю розподілу випадкової величини nkq ,, , має вигляд et kq kqk Dt kq kkqP      2 , 2 , 2 )( , , 2 1 )( , а багатовимірна щільність )(tPq розподілу вектора q визначається як до- буток  )()( 11 1 1 ),,()( 1 ktt ppttptp kqkqq q               kq K D kqk К k t e kq , 1)( 1 2 , 2 2 ,2 2 1 . Задане значення вектора ),,( 1 kXXX  розглядається як вибіркове значення деякого випадкового вектора q з невідомим значенням q, яке необхідно визначити. Це відповідає тому факту, що ділянка, яка розгляда- ється, має той чи інший ступінь навантаження з номером q . Мета дослідження полягає в тому, щоб вказати критерій, який дозво- лить з високою мірою упевненості визначити номер q за заданим значен- ням вектора X . При цьому повинно бути достеменно відомо, що ділянка, яка досліджується, має конкретний ступінь навантаження з номерами qk,,1 . Це означає, що із сукупності конкуруючих гіпотез qH у кількості q потрібно обрати ту, яка найбільше відповідає набору X . Остаточно отримуємо критерій у вигляді    Q r q X X P P r q C 1 )( )( . Кінцевим продуктом цього процесу є визначення класу досліджуваних об’єктів за максимальним значенням імовірності їх відношення до конкрет- ного об’єкта-еталона, відповідного класу та створення картосхеми, що хара- ктеризує результати вирішення поставлених завдань природокористування чи екології. Поданий метод застосовано для розв’язання задач із пошуку вуглевод- нів на суходолі за наявності двох і більше класів еталонів, для класифікації сільськогосподарських полів та оцінювання їх стану, для оцінювання техно- генного навантаження на гірничо-промислові території. Як приклад наведено результати класифікації сільськогосподарських полів методом статистичного критерію (рис. 1). А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 30 Для кожної з 5 культур (соняшник, кукурудза, соя, цукровий буряк, гречка) вибираються еталонні ділянки по 15 еталонних значень спектраль- них характеристик. Як видно з рис. 1, запропонований метод дає можливість отримати ре- зультати не лише загальної класифікації за культурами, а і їх відсоткової належності одна одній. Це розширює можливості подальшого оцінювання стану посівів конкретної сільськогосподарської культури. Метод багатокритеріальної оптимізації (МБО). Адаптований до розв’язання природоресурсних завдань на основі комплексування результа- тів, отриманих методами різних наукових дисциплін і створення міждисци- плінарного віртуального еталона. Адаптація методу для вирішення конкрет- ного завдання природокористування полягає у формуванні відповідного узагальненого критерію F та виборі функцій близькості S і відповід- ності f , які визначаються характером завдання [3]. Принциповою методологічною відмінністю методу МБО від прогнозу покладів вуглеводнів на основі традиційних прямопошукових показників у вигляді аномалій типу покладів полягає в тому, що в разі МБО належність досліджуваної ділянки до певного класу замінюється неперервною функці- єю належності. Саме вона визначає міру відповідності досліджуваної ділян- ки параметрам ділянки як еталон. Як еталон вибирається близька за геологічними і фізико-географічними умовами ділянка з установленою про- мисловою нафтогазоносністю. Зведемо початкову задачу до одноразової максимізації функції належ- ності, яка являє собою лінійну згортку власних критеріїв мінус штраф за порушення обмежень:    ab m j cjjcjic babafbabaF ),(),(),(),( 1 ; jl jrjl jljr a ba abs )( ),(   , де )],(1[),( cjjcjj baSbaf  — функція відповідності, яка описує ступінь збі- гу значень порівнюваних величин; ),( cj ba — ваговий коефіцієнт ознак С те рн я С он яш ни к К ук ур уд за С оя Б ра нк а С оя (з аб ур ) Ц ук ро ви й бу ря к Г ре чк а Н ал еж ні ст ь, % Рис. 1. Результати апробації методу статистичного критерію на сільськогосподарських полях Київської області Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 31 еталона, який відображає пріоритети інформативних ознак; ),( ba — функ- ція штрафу за те, що в досліджуваній ділянці наявні ознаки, які не належать даному еталону. Функція відповідності тим більша, чим менша різниця між значеннями інформативних ознак еталонної ділянки і характеристиками до- сліджуваної ділянки; ),( cjj baS — функція близькості, яка характеризує близькість окремих значень інформативних ознак досліджуваної ділянки до відповідних значень ознак віртуального еталона. Функція близькості дорівнює нулю, якщо значення ознак досліджува- них ділянок вищі або дорівнюють значенням характеристик еталона. Функ- ція штрафу дорівнює нулю, якщо в досліджуваній ділянці наявні ті і тільки ті ознаки, які є на еталонній ділянці, і зростає зі збільшенням кількості не- збіжних ознак. Як приклад на рис. 2 наведено результати міждисциплінарної оцінки нафтогазоперспективності ділянок Хухринсько-Чернетчинської площі, отриманих комплексуванням оцінок методами різних наукових дисциплін на основі адаптованого методу багатокритеріальної оптимізації з віртуаль- ним еталоном [4]. Метод аналітичних мереж (МАМ). Цей метод модифікований для розв’язання природоресурсних і екологічних завдань в умовах відсутності еталонів. Вибір методу обумовлений тим, що МАМ дозволяє обробляти більш різноманітні і складні структури з урахуванням залежності між рів- нями і зворотними зв’язками між елементами рівнів, тим самим досягаючи більшої об’єктивності і достовірності в прийнятті рішень. Метод аналітич- 1 2 3 4 5 6 Рис. 2. Результати оцінювання нафтогазоперспективносності ділянок Митяївської та Хухринсько-Чернетчинської площ 1, отриманих методами різних наукових дисциплін (спектрометричним 2, морфоструктурним 3, структурно-стратиграфічним 4, геохіміч- ним 5); результат комплексування оцінок нафтогазоперспективності ділянок цієї території, поданих картосхемою 6 у відносних градаціях яскравості (чорний колір відповідає максимальному значенню нафтогазоперспективності) А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 32 них мереж використовують для детального аналізу у випадках прийняття відповідальних рішень. У мережевих задачах компоненти розглядаються як взаємодійні об’єкти, які впливають один на одного щодо чітко сформульо- ваного керувального критерію. Будь-який розв’язок в МАМ зображено у вигляді орієнтованої мережі [5]. Метод аналітичних мереж складається з декількох кроків. Крок 1. Визначення експертами в предметній галузі пріоритетів, за якими оцінюватимуться досліджувані об’єкти. Оцінка проводилася за шка- лою інтенсивності від 1 до 9, запропонованою Т. Сааті [6]. Формується ме- режева структура },...,,{ 21 t N ttt tCCCS  критеріїв та факторів t jF , t fNj ,...,1 і альтернативних варіантів розв’язків t iA , t aNi ,...,1 у момент часу TT t  , де кластер t iС містить t in елементів, },...,,{ 21 t in t i t i t i t i xxxC  , tNi ,...,1 . Для SCC t j t i  , задається значення функціонала впливу }1,0{:  ttt SSI : .,...,1, ,,0 ,,1 випадкуіншомув якщо ),( tt jt j t i t еNji C CCI      Крок 2. Будуються взаємозв’язки між критеріями та альтернативами і за кожним вносяться експертні оцінки. Для всіх кластерів t iС і t jC за умови, що 1),( t j t i t CCI , будуються матриці попарних порівнянь елементів класте- ра t jC відносно p-го елемента кластера t iС . Попарні порівняння кластерів проводилися за всіма критеріями керува- льної ієрархії. Крок 3. Розраховуються суперматриці і граничні матриці елементів взаємозв’язку. Для кожного узагальненого критерію будується суперматри- ця, у якій послідовно розміщуються всі кластери і елементи, що в них міс- тяться, зверху вниз по вертикалі і зліва направо по горизонталі: ijiii j j j WWWC WWWC WWWC CCC W     21 222212 112111 21 ...  Елементи ijW у суперматриці називаються блоками і являють собою матриці парних порівнянь, ji CC , — критерії, nji ,,2,1,  . Крок 4. Використовуючи стандартну адитивну (імовірнісну) формулу (additive (probabilistic)) з урахуванням узагальнених критеріїв і експертних оцінок за пріоритетами вибраних критеріїв на основі кінцевого ранжування об’єктів, отримують фінальні результати оцінки: )1()1( R AR C AC B AB Add A iiii PPPF  , Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 33 де  — вагові коефіцієнти; P — значення пріоритетів; jA — i-а альтерна- тива, якщо ni ,,2,1  ; B — вигоди; C — затрати; R — ризики. Модифікацію та адаптацію методу аналітичних мереж апробовано на конкретних природоресурсних та екологічних завданнях: оцінювання сіль- ськогосподарських полів, ранжування стану міських районів та детальне оцінювання ділянок на нафтопродуктивність на суходолі та шельфі. Як приклад подано аналітичну модель детального оцінювання і вибору найбільш нафтогазоперспективної ділянки з двох ділянок (А і В), які отри- мали на першому етапі оцінювання найвищий бал за цільовою функцією належності F (рис. 3). Для визначення найбільш нафтогазоперспективної ділянки на основі МАМ проводиться структурування проблеми шляхом створення мережевої моделі, на основі якої визначаються взаємозв’язки між запропонованими альтернативами і узагальненими критеріями вибору. Вибір цього методу зумовлено тим, що МАМ дозволяє обробляти більш різноманітні і складні структури з урахуванням залежності між рів- нями і зворотними зв’язками між елементами рівнів, тим самим досягаючи більшої об’єктивності і достовірності в прийнятті рішень. МАМ використо- вують для детального аналізу у випадках прийняття відповідальних рішень. У мережевих задачах компоненти розглядаються як взаємодійні об’єкти, які впливають один на одного щодо чітко сформульованого керувального кри- терію. Будь-який розв’язок в МАМ подано у вигляді орієнтованої мережі, на відміну від методу аналізу ієрархій (МАІ), де потоки строго напрямлені зверху вниз. Метод фрактального аналізу. Адаптований для оцінювання і прогно- зу розвитку варіабельності різних складових природних систем. Фракталь- ний аналіз відкриває нові можливості для отримання об’єктивної геодинамі- чної інформації на основі реальних даних, оцінює зміну і структуру досліджуваного процесу або об’єкта, періодичність розподілу геометрич- них, фізичних та інших характеристик. Уведення мультифрактальних пара- Рис. 3. Модель МАМ детального оцінювання і вибору (однієї з двох) ділянок території для подальших нафтогазопошукових робіт Детальна оцінка і вибір ділянки для наступних нафтогазопошукових робіт Ризики Затрати Нафтогазоперспективність Вигоди для: - нафтової компанії; - надр Землі Характеристики: - геологічні; - геоморфологічні; - неотектонічні; - біологічні; - економічні та ін. Падіння ціни на нафту Матеріальні Часові В А Пуста свердловина Узагальнені критерії відбору Альтернативні ділянки А В А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 34 метрів дозволяє оцінити ступінь впорядкованості та стійкості системи до зовнішнього впливу, що неможливо визначити звичайними іншими статис- тичними методами. Як кількісну міру, яка описує структуру складових об’єкта, використовують фрактальну розмірність Реньї Dq, яка показує, на- скільки щільно і рівномірно елементи даної множини заповнюють евклідо- вий простір. Значення D(q) — інваріантне до розміру вибірки, площі, масш- табу [7]. Можливість використання фрактального аналізу для оцінювання варіа- бельності складових досліджуваного об’єкта встановлювалося перевіркою виконання двох умов: степеневою залежністю зростання компонентів стати- стичної суми qZ від розміру вибірки iN і не зростаючим видом функції спе- ктра узагальнених розмірностей Dq, динаміка змін яких характеризує зако- номірності росту і еволюції процесу: 1)(,,),( 1 )( 1      n i i i q n i q iq ip N N pNpqNZ , де N — загальний обсяг вибірки (загальна кількість складових на обра- ної площі); iN — кількість i-го типу складових у вибраній площі N ; n — кількість усіх типів складових, кількість яких залежить від N ; ip — імовір- ність належності даного типу складової у вибірці в i -му типі; q — ступінь моменту (статистичної суми), яка набуває цілочислових значень у діапазоні 0, maxmaxmax  qqqq . N p N qNZ qNqqNZ n i q i q q log log log )],([log )(,log)()],([log 1   ; 1, 1 )(     q q q Dq , якщо 1q . Функція qD показує наскільки неоднорідним є розподіл складових урболандшафтах за типами і наскільки цей розподіл відрізняється від рів- номірного. Функцію qD називають спектром узагальнених розмірностей Реньї мультифрактала (Sala N., 2000). Якщо q , основний внесок за- безпечують складові з найбільшими значеннями ip , а якщо q , — з малими значеннями ip , типи складових, які трапляються рідше. На практиці обмежуються розглядом десятьох значень цілих чисел q . Як приклад, виконано оцінювання структури складових урболандшаф- ту території міста Києва за період 1984–2013 рр. на основі космічної інфор- мації дистанційного зондування Землі (ДЗЗ) і розробленої мультифракталь- ної моделі (рис. 4). Результати дослідження показали, що розвиток Києва відбувається за рахунок перетворення, ущільнення і більш раціонального використання внутрішньої структури складових без істотного розширення меж міської території, що незмінно позначається на екологічному стані міського середовища [8]. Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 35 Із графіка (рис. 4) можна зробити висновок, що максимальна варіабель- ність за аналізований період часу виявляється за від’ємних значень q індек- сів qD . Метод системної динаміки. Цей метод модифікований асиміляцією космічної інформації ДЗЗ і доповнюванням рівняння для обчислення і моде- лювання прогнозування розвитку екологічного стану промислових терито- рій запропонував Дж. Форрестор [9] для кількісного аналізу складних сис- тем, що мають множинні внутрішні зв’язки між елементами (модулями) системи. Відмінністю методу є побудова динамічної моделі об’єкта керу- вання на основі експертних даних і причинно-наслідкових відношень між модулями в модельній системі і на цій основі широка можливість моделю- вання процесу розвитку. Метод полягає в розробленні концептуальної моде- лі та формуванні математичної моделі, яку складають математичні рівняння, що описують баланс впливів у системі, заснований на причинно- наслідкових зв’язках у системі. При цьому вирішуються чотири типи за- вдань: аналізування і засвоєння інформації, прогнозування і планування. Завдання засвоєння інформації дозволяє оцінити параметри моделі і за да- ними спостережень відтворити її просторово-часову структуру. Завдання прогнозування мають стандартне формулювання і схему реалізації: за зада- ними значеннями вхідних параметрів. За допомогою моделей розрахову- ються функції стану, які характеризують поведінку системи у просторі та часі. Формально математичний опис динаміки системних рівнів моделі зво- диться до пов’язаної системи нелінійних диференціальних рівнянь першого порядку вигляду 00 )(), ),(),(( / xxpxx  ttttFdtd , де )(tx — вектор-функція рівнянь (змінних стану); )(tp — вектор-функція параметрів системи; )),(),(( tttF px — нелінійна в загальному випадку неста- ціонарна вектор-функція, яка в переважній більшості випадків являє собою Рис. 4. Графіки залежності qD від q за окремі роки спостережень Dq q А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 36 різницю між темпами (потоками, швидкостями) позитивних і негативних зворотних зв’язків;   )),(),(( – ),),(( )),(),(( tttftttftttF pxpxpx  , де )),(),(( tttf px — швидкості додатних зворотних зв’язків, які містять фактори, що зумовлюють зростання змінної x; )),(),(( tttf px — швидкості від’ємних зворотних зв’язків, які містять фактори, що зумовлюють змен- шення змінної x. Даний метод апробовано на території міста Києва для комплексного оцінювання стану міського середовища з урахуванням соціальних, економі- чних та екологічних показників [10]. У результаті отримано інтегральний показник стану довкілля міста F та прогнозну картину до 2025 р. (рис. 5). Структурно-текстурний аналіз. Цей аналіз адаптовано до дешифру- вання космічних знімків природних і техногенних ландшафтів та об’єктів. За простотою і компактністю описів структурно-текстуровані ознаки значно перевершують морфологічні ознаки; їх можна порівняти з інваріантами мо- ментів або стохастичними інваріантами. Текстурні характеристики, незва- жаючи на сезонну погодну мінливість, зберігають якісну і кількісну оцінку протягом усього часу [11]. Текстура виражається оцінками статистик енер- гетичних і просторово-енергетичних розподілів (амплітудних і амплітудно- фазових ознак), автокореляційних і взаємокореляційних функцій (кореля- ційних ознак), спектрів просторових частот (спектральних ознак) або геометричних і енергетичних параметрів Реона — локальних ознак. В осно- ву текстурних ознак покладено поняття текстури — найважливішої характе- ристики зорових моделей зображень. Під час дешифрування космічних зображень ландшафтних зон за струк- турно-текстурованми ознаками зображення досить точно апроксимуються експонентними функціями. Це дозволяє як стохастичну модель зображень 1 Рис. 5. Результати моделювання стану довкілля міста Києва (суцільна лінія) та прогнозна оцінка (пунктирна лінія) Роки F , у м . о д. - Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 37 використовувати випадковий двовимірний марковський процес. Математи- чною формою опису марковської моделі зображення є матриця суміжних імовірностей значень яскравості космічного знімка. Найчастіше у практиці ДЗЗ застосовують такі текстурні перетворення: — лінійні ортогональні перетворення: Фур’є, Адамара, Хаара та ін. Те- кстурованим спектром є відповідно спектр Фур’є, Адамара, Хаара та ін., а текстурною частотою — його двовимірний аргумент; — автокореляційні перетворення. Текстурованим спектром є автокоре- ляційна функція, а текстурною частотою — двовимірне зміщення; — перетворення до гістограми. Текстурованим спектром є гістограма яскравості, а роль одновимірної текстурної частоти виконує значення яскра- вості. Зазвичай використовуються похідні текстурні ознаки (наприклад, се- реднє, дисперсія). Як інформативні текстурні характеристики зображень перевірено кіль- ка десятків різних параметрів Хараліка [12] і обрано для подальшого вико- ристання п’ять найбільш інформативних з них (Contrast, Sum Variance, Sum Entropy, Entropy, Difference Entropy) як для пошуку вуглеводнів, так і для виявлення аномалій природного і техногенного походження. Одним з інформативних ознак СТА є просторово-частотний спектр (ПЧС). Як ПЧС найчастіше використовується двовимірний спектр Фур’є. Складові ПЧС ),( mnC обчислюються за методом дискретного двовимірного перетворення Фур’є відповідно до виразу [13]  )/()/(exp),( 1 ),( 1 0 1 0 BmyAnxyxD BA mnC B y A x         , де mn, — номери просторових гармонік по осях YX , ; yx, — номери пік- селів у межах виділеного фрагмента по осях YX , ; ),( yxL — розподіл яск- равості в зображенні; BA, — кількість відліків по осях YX , . Для визначення напрямку лінійних елементів зображення використову- ється залежність нормованої азимутальної спектральної густини (АСГ) ене- ргетичного спектра від кутового напрямку  . Обчислюється АСГ за фор- мулою [13]       0 2/ 2/ ),()( ddrrSS , де ),( rS  — значення енергетичного спектра зображення в точці ),( r ; 2/)/(arctg  xy NN — кут напрямку двовимірної частоти в полярних координатах, зміщений на 90; yx NN , — проекції двовимірної частоти про- сторового спектра на осі YX , відповідно; 22 yx NNr  — модуль просто- рової частоти або її радіус у полярних координатах. На прикладі Дніпра і Дунаю наведено результати оцінювання динаміки змін руслових гирлових потоків на основі методу АСГ (рис. 6) [13]. А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 38 На відміну від Дніпра АСГ Кілійського гирла Дунаю за 2015 р. значно змінилася порівняно з 1986 р. як щодо зменшення інтенсивності, так і азимутального розташування піків ПЧС. ВИСНОВКИ На основі викладеного матеріалу обґрунтовано можливості та доцільність застосування методичних засобів системного аналізу до розв’язання приро- доресурсних і екологічних завдань для забезпечення раціонального приро- докористування та відновлення навколишнього природного середовища. Створення на цій основі методології дозволить значно розширити функціона- льні можливості і підвищити ефективність аерокосмічного геомоніторингу. Розглянуті методи далеко не вичерпують можливості системного аналі- зу; це лише деяка частина його математичного арсеналу, яка освоєна у від- ділі системного аналізу ЦАКДЗ для вирішення конкретних тематичних за- вдань природокористування та екології на основі матеріалів аерокосмічного знімання, і може мати продовження. ЛІТЕРАТУРА 1. В.И. Лялько, и др., “Использование данных спутниковой съемки для изучения природоресурсных проблем”, Космічні дослідження в Україні 2002–2004, Київ, 2004, c. 7–14. S()  ДніпроS()  Дунай Рис. 6. Оцінювання динаміки змін руслових гирлових потоків за 1986–2015 рр. Методині засоби системного аналізу як складові методології аерокосмічного… Системні дослідження та інформаційні технології, 2020, № 2 39 2. A.I. Arkhipov, N.M. Glazunov, and A.V. Khyzhnyak, “Heuristic Criterion for Class Recognition by Spectral Brightness”, Cybernetics and Systems Analysis, vol. 54, is- sue 1, pp. 94–98, 2018. doi: 10.1007/s10559-018-0010-7 3. А.Д. Федоровский, Л.Ф. Даргейко, В.П. Зубко, и В.Г. Якимчук, “Системный подход к оценке эффективности аппаратурных комплексов дистанционного зондирования Земли”, Космічна наука i технология, т. 7, № 5–6, c. 75–79, 2001. 4. А.В. Хижняк, Т.А. Єфіменко, О.І. Архіпов, О.В. Томченко, К.Ю. Суханов, и О.Д. Федоровський, “Евристичні методи оцінки нафтогазоперспективності ділянок досліджуваної території на основі міждисциплінарної інтеграції ае- рокосмічної і наземної інформації (на прикладі Дніпровсько-Донецької запади- ни)”, Український журнал дистанційного зондування Землі, № 9, c. 24–28, 2016. 5. Т. Саати, Принятие решений при зависимостях и обратных связях: аналити- ческие сети. Москва: Книжный дом «ЛИБРОКОМ», 2009. 6. Т. Саати, Принятие решений. Метод анализа иерархий. Москва: Радио и связь, 1993. 7. Б. Мандельброт, Фрактальная геометрия природы. Москва–Ижевск, 2010. 8. А.В. Соколовська, “Мультифрактальний аналіз варіабельності структури складових міських територій на основі космічної інформації ДЗЗ (на прикладі міста Києва за 1986–2011 рр.)”, Доповіді Національної академії наук України, №12, c.187–194, 2013. 9. J.W. Forrester, “Counterintuitive behavior of social systems”, Technology Review, vol. 73, pp. 52–68, 1971. 10. А.В. Соколовська, О.В. Нікітенко, и О.Д. Федоровський, “Системне моделювання і прогноз стану довкілля міста Києва на основі статистичних даних космічного геомоніторингу і наземних спостережень”, Системні дослідження та інформаційні технології, № 4, c. 60–68, 2014. 11. А.Д. Федоровский, В.Г. Якимчук, С.А. Рябоконенко, И.П. Пахомов, и К.Ю. Суханов, “Дешифрирование космических снимков ландшафтных ком- плексов на основе структурно-текстурного анализа”, Космічна наука і технологія, т. 8, № 2/3, с. 76–83, 2002. Доступно: https://doi.org/10.15407/ knit2002.02.076 12. R.M. Haralick, “Statistical and structural approaches to texture”, Proc. IEEE, vol. 67, no. 5, pp. 786, 1979. 13. О.Д. Федоровський та ін., “Космічний моніторинг водних потоків гирлових об- ластей річок (на прикладі Дніпра та Дунаю)”, Космічна наука і технологія, т. 23, № 2, с. 11–16, 2017. Доступно: https://doi.org/10.15407/knit2017.02.011 Надійшла 25.07.2020 INFORMATION ON THE ARTICLE A.V. Khyzhniak, ORCID: 0000-0002-8637-3822, State Institution “Scientific Centre for Aerospace Research of the Earth of the Institute of Geological Science of the National Academy of Sciences of Ukraine”, e-mail: avsokolovska@gmail.com. O.D. Fedorovsky, ORCID: 0000-0003-3611-546X, State Institution “Scientific Centre for Aerospace Research of the Earth of the Institute of Geological Science of the National Academy of Sciences of Ukraine”, e-mail: adfedorovsky@ukr.net. METHODOLOGICAL APPROACHES OF SYSTEM ANALYSIS AS COMPONENTS OF THE METHODOLOGY OF AEROSPACE GEOMONITORING FOR SOLVING NATURAL RESOURCES MANAGEMENT AND ENVIRONMENTAL PROBLEMS / A.V. Khyzhniak, O.D. Fedorovsky Abstract. The possibility of using some of the developed, modified, and adapted methodological tools of system analysis as components of the methodology of aero- space geomonitoring for solving environmental and ecological problems is shown. The above methods, namely: statistical criterion method, multicriteria optimization method, analytical networks method, system dynamics method, fractal, and struc- tural-texture analysis method. These methods are illustrated with specific examples of solving thematic problems, which, together with systematic, interdisciplinary, and structuring principles, are based on the methodology of aerospace geomonitoring for sustainable nature management and restoring the natural environment. Keywords: methods, models, system analysis, aerospace geomonitoring, interdisci- plinarity, structuring, Earth remote sensing. А.В. Хижняк, О.Д. Федоровський ISSN 1681–6048 System Research & Information Technologies, 2020, № 2 40 МЕТОДИЧЕСКИЕ СРЕДСТВА СИСТЕМНОГО АНАЛИЗА КАК СОСТАВЛЯЮЩИЕ МЕТОДОЛОГИИ АЭРОКОСМИЧЕСКОГО ГЕОМОНИТОРИНГА РЕШЕНИЯ ПРИ- РОДОРЕСУРСНЫХ И ЭКОЛОГИЧЕСКИХ ЗАДАЧ / А.В. Хижняк, А.Д. Федоровский Аннотация. Показана возможность использования некоторых разработанных, модифицированных и адаптированных методических средств системного ана- лиза как составляющих методологии аэрокосмического геомониторинга для решения природоресурсных и экологических задач, а именно это методы: ста- тистического критерия, многокритериальной оптимизации, аналитических се- тей, системной динамики, фрактального и структурно-текстурного анализа. Приведенные методы иллюстрируются конкретными примерами решения те- матических задач, которые наряду с принципами системности, междисципли- нарности и структуризации являются основой методологии аэрокосмического геомониторинга рационального природопользования и восстановления окру- жающей среды. Ключевые слова: методы, модели, системный анализ, аэрокосмический гео- мониторинг, междисциплинарность, структурирование, дистанционное зонди- рование Земли. REFERENCES 1. V.I. Lyalko and et al., “Using satellite data to study natural resource issues ”, Space Re- search in Ukraine, 2002–2004, Kyiv, pp. 7–14, 2004. 2. A.I. Arkhipov, N.M. Glazunov, and A.V. Khyzhnyak, “Heuristic Criterion for Class Recognition by Spectral Brightness”, Cybernetics and Systems Analysis, vol. 54, issue 1, pp. 94–98, 2018. doi: 10.1007/s10559-018-0010-7. 3. A.D. Fedorovsky, L.F. Dargeyko, V.P. Zubko, and V.G. Yakimchuk, “A system ap- proach to the estimation of the efficiency of hardware complexes for remote earth sound- ing”, Space Science and Technology, vol. 7, no. 5–6, pp. 75–79, 2001. Available: https://doi.org/10.15407/knit2001.05.075. 4. A. Khizhnyak, T. Yefimenko, A. Arkhipov, O. Tomchenko, K. Sukhanov, and O. Fe- dorovsky, “Heuristic methods of assessment of sites within oil and gas prospective areas based on interdisciplinary integration of aerospace and surface information (as exempli- fied by the Dnieper-Donetsk basin)”, Ukrainian Journal of Remote Sensing, no. 9, pp. 24–28, 2016. 5. Thomas L. Saaty, Decision making with dependence and feedback. The analytic process. Moscow: LKI Publishing House, 2008. 6. Thomas L. Saaty, Making decisions. Method of hierarchy analysis. Moscow: Radio and svyaz’, 1993. 7. B. Mandelbrot, The Fractal Geometry of Nature. Moscow: Institute for Computer Re- search, 2002. 8. A.V. Sokolovska, “Multifractal analysis of a variability of the structure of urban areas components based on the information remotely sensed from space (the case of Kyiv from 1986 till 2011)”, Reports of the National Academy of Sciences of Ukraine, no. 12, pp. 187–194, 2013. 9. J.W. Forrester, “Counterintuitive behavior of social systems”, Technology Review, vol. 73, no. 3, pp. 52–68, 1971. 10. A.V. Sokolovska, O.V. Nikitenko, and O.D. Fedorovskyi, “ System modeling and fore- cast of environmental conditions of Kyiv based on statistical data of space monitoring and ground-based observations ”, System Research & Information Technologies, no. 4, pp. 60–68, 2014. 11. O.D. Fedorovskyi, V.G. Yakimchuk, S.A. Ryabokonenko, I.P. Pakhomov, and K.Yu. Sukhanov, “Interpreting space images of landscape systems on the basis of structural analysis” Space Science and Technology, vol. 8, no. 2–3, pp. 76–83, 2002. Available: https://doi.org/10.15407/knit2002.02.076 12. R.M. Haralick, “Statistical and structural approaches to texture”, Proc. IEEE, vol. 67, no. 5, pp. 786, 1979. 13. O.D. Fedorovskyi and et al., “Space monitoring of water stream in estuarial areas (by the example of the Dnieper and the Danube)”, Space Science and Technology, vol. 23, no. 2, pp. 11–16, 2017. Available: https://doi.org/10.15407/knit2017.02.011.
id	journaliasakpiua-article-198888
institution	System research and information technologies
keywords_txt_mv	keywords
language	Ukrainian
last_indexed	2025-07-17T10:26:39Z
publishDate	2020
publisher	The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute"
record_format	ojs
resource_txt_mv	journaliasakpiua/7b/4eacbc5353c773e3e4b7e2bf0575fe7b.pdf
spelling	journaliasakpiua-article-1988882021-01-19T13:44:38Z Methodological approaches of system analysis as components of the methodology of aerospace geomonitoring for solving natural resources management and environmental problems Методические средства системного анализа как составляющие методологии аэрокосмического геомониторинга решения природоресурсных и экологических задач Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань Khyzhniak, Anna V. Fedorovsky, Oleksandr D. методи моделі аерокосмічний геомоніторинг системність міждисциплінарність структуризація дистанційне зондування Землі methods models system analysis aerospace geomonitoring interdisciplinarity structuring Earth remote sensing методы модели системный анализ аэрокосмический геомониторинг междисциплинарность структурирование дистанционное зондирование Земли The possibility of using some of the developed, modified, and adapted methodological tools of system analysis as components of the methodology of aerospace geomonitoring for solving environmental and ecological problems is shown. The above methods, namely: statistical criterion method, multicriteria optimization method, analytical networks method, system dynamics method, fractal, and structural-texture analysis method. These methods are illustrated with specific examples of solving thematic problems, which, together with systematic, interdisciplinary, and structuring principles, are based on the methodology of aerospace geomonitoring for sustainable nature management and restoring the natural environment. Показана возможность использования некоторых разработанных, модифицированных и адаптированных методических средств системного анализа как составляющих методологии аэрокосмического геомониторинга для решения природоресурсных и экологических задач, а именно это методы: статистического критерия, многокритериальной оптимизации, аналитических сетей, системной динамики, фрактального и структурно-текстурного анализа. Приведенные методы иллюстрируются конкретными примерами решения тематических задач, которые наряду с принципами системности, междисциплинарности и структуризации являются основой методологии аэрокосмического геомониторинга рационального природопользования и восстановления окружающей среды. Показано можливість використання деяких розроблених, модифікованих і адаптованих методичних засобів системного аналізу як складових методології аерокосмічного геомоніторингу для розв’язання природоресурсних і екологічних завдань, а саме це методи: статистичного критерію, багатокритеріальної оптимізації, аналітичних мереж, системної динаміки, фрактального і структурно-текстурного аналізу. Наведені методи ілюструються конкретними прикладами вирішення тематичних завдань, що поряд з принципами системності, міждисциплінарості і структуризації є основою методології аерокосмічного геомоніторингу раціонального природокористування та відновлення навколишнього природного середовища. The National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" 2020-09-25 Article Article application/pdf https://journal.iasa.kpi.ua/article/view/198888 10.20535/SRIT.2308-8893.2020.2.02 System research and information technologies; No. 2 (2020); 27-40 Системные исследования и информационные технологии; № 2 (2020); 27-40 Системні дослідження та інформаційні технології; № 2 (2020); 27-40 2308-8893 1681-6048 uk https://journal.iasa.kpi.ua/article/view/198888/219285 Copyright (c) 2021 System research and information technologies
spellingShingle	методи моделі аерокосмічний геомоніторинг системність міждисциплінарність структуризація дистанційне зондування Землі Khyzhniak, Anna V. Fedorovsky, Oleksandr D. Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title	Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title_alt	Methodological approaches of system analysis as components of the methodology of aerospace geomonitoring for solving natural resources management and environmental problems Методические средства системного анализа как составляющие методологии аэрокосмического геомониторинга решения природоресурсных и экологических задач
title_full	Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title_fullStr	Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title_full_unstemmed	Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title_short	Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
title_sort	методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань
topic	методи моделі аерокосмічний геомоніторинг системність міждисциплінарність структуризація дистанційне зондування Землі
topic_facet	методи моделі аерокосмічний геомоніторинг системність міждисциплінарність структуризація дистанційне зондування Землі methods models system analysis aerospace geomonitoring interdisciplinarity structuring Earth remote sensing методы модели системный анализ аэрокосмический геомониторинг междисциплинарность структурирование дистанционное зондирование Земли
url	https://journal.iasa.kpi.ua/article/view/198888
work_keys_str_mv	AT khyzhniakannav methodologicalapproachesofsystemanalysisascomponentsofthemethodologyofaerospacegeomonitoringforsolvingnaturalresourcesmanagementandenvironmentalproblems AT fedorovskyoleksandrd methodologicalapproachesofsystemanalysisascomponentsofthemethodologyofaerospacegeomonitoringforsolvingnaturalresourcesmanagementandenvironmentalproblems AT khyzhniakannav metodičeskiesredstvasistemnogoanalizakaksostavlâûŝiemetodologiiaérokosmičeskogogeomonitoringarešeniâprirodoresursnyhiékologičeskihzadač AT fedorovskyoleksandrd metodičeskiesredstvasistemnogoanalizakaksostavlâûŝiemetodologiiaérokosmičeskogogeomonitoringarešeniâprirodoresursnyhiékologičeskihzadač AT khyzhniakannav metodičnízasobisistemnogoanalízuâkskladovímetodologííaerokosmíčnogogeomonítoringurozvâzannâprirodoresursnihíekologíčnihzavdanʹ AT fedorovskyoleksandrd metodičnízasobisistemnogoanalízuâkskladovímetodologííaerokosmíčnogogeomonítoringurozvâzannâprirodoresursnihíekologíčnihzavdanʹ

Методичні засоби системного аналізу як складові методології аерокосмічного геомоніторингу розв’язання природоресурсних і екологічних завдань

Репозитарії

Схожі ресурси