Сергей Михайлов, Оганес Таргулян
GREENPEACE Россия, Москва,
тел.: 257 41 16, E-mail: gis@diala.greenpeace.org
Нефтяной проект Гринпис России существует с 1999 г. В его рамках осуществляется работа, направленная на предотвращение утечек нефти при добыче и транспортировке и рекультивацию ранее загрязненных территорий.
Ежегодные потери нефти в России в результате утечек из нефтепроводов оцениваются в 5 % от объема добычи. При ежегодной добыче 300 млн. тонн объем утечек достигает 15 млн. т/год. По данным департамента экологии Министерства энергетики РФ, количество утечек нефти из нефтепроводов в 1999 г. составило более 29 тысяч. В декабре 2000 г. на Парламентских слушаниях, посвященных экологической безопасности в нефтегазовой промышленности, в материалах, представленных Комитетом по экологии Государственной Думы РФ, приводились данные о ежегодных потерях 17-20 млн. тонн нефти. Широкую известность (в основном благодаря публикациям в западных СМИ) получила авария нефти из трубопровода Возей-Головные Сооружения в республике Коми в 1994 г., связанная с разливом около 100 000 тонн нефти. На ликвидацию этого разлива Мировой банк и Европейский банк реконструкции и развития выделили 99 и 25 млн. долл. Проведенные в 2000 г. исследования Гринпис показали, что площадь рекультивированных территорий составляет в лучшем случае около 50 %. Однако, столь крупные аварии происходят не часто, в основном утечки нефти происходят при авариях на небольших внутри- или межпромысловых нефтепроводах (рис. 1).
Рис. 1. Аварии на промысловых трубопроводах – основная причина разливов нефти.
Наиболее загрязненными являются территории нефтедобычи Западной Сибири, начало разработки которых относится к концу 60-х — началу 70-х годов, когда вопросам экологической безопасности уделялось минимальное значение. Только в Ханты-Мансийском округе Тюменской обл. за 25 лет было добыто более 6 млрд. тонн нефти. Символом «нефтяного» благополучия стал «Самотлор» – одно из крупнейших в мире месторождений нефти, расположенное в Нижневартовском районе Тюменской обл. Свободно фонтанирующая нефть приносила огромные доходы казне и продлила финансовое благополучие СССР на десятилетие.
В настоящее время изрядно истощившиеся недра «Самотлора» дают все меньше нефти, а на изношенных временем нефтепроводах происходит в среднем 10 аварий в день (материалы Парламентских слушаний, 5 декабря 2000). По данным Карты экологического состояния Нижневартовского района площадь «замазученных» территорий составляет 400 кв. км.
В августе 2000 г. Гринпис организовал в окрестностях г. Нижневартовск международный лагерь, где представители 6 стран собирали разлившуюся нефть. В то же время, Гринпис и консалтинговая фирма IWACO отбирали образцы для анализов и осуществляли подготовительные полевые работы для дешифрирования спектрозональных космических снимков района месторождения Самотлор, целью которого было составление карты нефтяных разливов на эту территорию.
Рис. 2. Фрагмент снимка LANDSAT на территорию Самотлорского месторождения.
Для решения этой задачи было решено составить карту нефтяных разливов на основе дешифрирования космического снимка. Был выбран снимок LANDSAT-7 от 1 июля 1999 г. В качестве рабочего инструмента для дешифрирования использовался программный пакет ERDAS IMAGINE (рис. 2).
Дешифрирование проводилось в несколько этапов. Первым было полевое обследование района работ с целью выявления общего состояния территории, описания основных типов естественных и антропогенных ландшафтов, характерных для данной территории. Полевое обследование показало, что территория Самотлорского месторождения, включающая окрестности озер Самотлор, Белое и Кымыл, действительно сильно загрязнена нефтью. Причем, наряду со старыми, частично рекультивированными и зарастающими разливами 10-20-летней давности, было выявлено огромное количество новых разливов нефти, происходящих, чаще всего, вследствие разрывов промысловых трубопроводов. Изначально было сделано предположение, что свежие разливы должны выделяться на снимке достаточно легко, так как они имеют открытую нефтяную поверхность, а глубина нефтяного слоя может достигать нескольких десятков сантиметров. В дальнейшем оказалось, что это действительно так – границы свежих разливов выделялись легко, причем для их построения можно было использовать автоматические методы, такие, например, как «выращивание региона из затравки» и «автономная классификация». Ситуация со старыми разливами была существенно более сложной, так как они были представлены на снимке контурами со сложной внутренней структурой и с различными значениями яркости в разных каналах. Это объясняется тем, что поверхность старых разливов формируется из участков битумной корки и возобновляющейся растительности, а также заболоченных участков и участков с открытой водной поверхностью.
При обследовании местности различные объекты, представленные на снимке (5-10 участков для каждого класса), были привязаны при помощи GPS и положены на карту. В дальнейшем эта карта послужила основой для дешифрирования космического снимка.
На первом этапе дешифрирования был проведен визуальный анализ снимка с целью выделения объектов, различных по оптической плотности, цвету и внутренней структуре, а также предварительная интерпретация этих объектов на основе полевых данных. Из полученного множества контуров были выделены те, которые с высокой степенью вероятности можно было отнести к нефтяным разливам. Анализ снимка позволил подобрать комбинацию каналов, которая лучше всего соответствует задаче выделения загрязненных нефтью территорий, в данном случае это были каналы 1, 4, 7 (рис. 3).
Рис. 3. Фрагмент снимка с комбинацией каналов 1-4-7, наиболее удобной для визуального дешифрирования.
Затем был построен слой AOI, отдельные контура которого включали наиболее характерные объекты разных классов. Построение слоя AOI производилось частично автоматически, частично вручную – в основном для контуров со сложной внутренней структурой, в частности — для старых разливов. Затем на основе AOI была составлена сигнатура, которая позволила проанализировать спектральные характеристики выделенных объектов путем сравнения гистограмм яркости и положения объектов на feature space image для разных комбинаций каналов. Этот этап включал несколько итераций, в ходе которых последовательно уточнялись границы объектов и корректировался слой рабочей области AOI (рис. 4).
Рис. 4. Пример анализа эталонов для выделения объектов на снимке.
На основе сигнатуры, откорректированной на предыдущем этапе, была проведена классификация снимка (supervized classification). Результаты классификации после сравнения их с визуально выделяемыми объектами были признаны удовлетворительными. Классы пикселов, соответствующие старым и новым нефтяным разливам, были вынесены в отдельный слой, на основе которого была составлена карта предварительных результатов дешифрирования (рис. 5).
Рис. 5. Предварительные результаты, полученные с помощью классификация с обучением.
За этим последовал этап полевой проверки результатов дешифрирования, в ходе которого определялась принадлежность сомнительных контуров к тому или иному классу, а также проверялась правильность выделения границ разливов. Всего было обследовано порядка пятидесяти точек. По всем точкам были сделаны описания и фотографии, а также точная привязка при помощи GPS.
По окончании полевых работ была произведена необходимая корректировка результатов дешифрирования. Полученный растровый слой, отражающий реальное расположение нефтезагрязненных территорий, был в дальнейшем обработан инструментами ГИС анализа ERDAS IMAGINE с целью устранения «мусорных» пикселов и объединения «незамкнутых» контуров, в основном относящихся к старым разливам нефти.
Рис. 6. Окончательные результаты дешифрирования. Более ярким цветом показаны свежие нефтяные разливы.
В результате проведенной работы была создана карта нефтяных разливов на район Самотлорского месторождения (рис. 6), которая показала, что значительная часть территории – более 10,5 тысяч га — загрязнена нефтью, причем более 10 процентов загрязненной территории приходится на свежие разливы нефти, образовавшиеся за последние 2-3 года. Это свидетельствует об остроте экологических проблем в районах нефтедобычи и в целом в Западно-Сибирском регионе.
