Зсувні процеси належать до поширених екзогенних геологічних процесів в Українських Карпатах. Найбільш поширеними тут є мілкі зсуви-спливи у флішових товщах, що активізуються під час інтенсивних атмосферних опадів. У чинних регіональних моделях зсувної сприйнятливості лісовий покрив здебільшого враховується у спрощеному бінарному вигляді «ліс / не ліс», що є недостатнім для Карпатського регіону з його високою лісистістю (50–70 %) та значними історичними змінами лісового покриву. Це обґрунтовує необхідність розроблення комплексного кількісного підходу до параметризації лісу як самостійного блоку моделі.
Базовий полігон дослідження розмірами 25 × 25 км розташований у східній частині Закарпатської області, у верхів’ї басейну р. Теребля, між хребтами Красна та Пішконя. Згідно з кадастровими даними ДНВП «Геоінформ України», на полігоні зареєстровано 236 зсувів. Територія характеризується типовими для Карпат стрімкими схилами (переважно 20–40°), флішовою будовою, високим рівнем зволоження, середніми абсолютними висотами близько 650 м н. р. м. та максимальними відмітками до 1300 м.
Запропонована модель зсувної сприйнятливості (LSA, Landslide Susceptibility Assessment) поєднує сучасні методи машинного навчання, кількісне статистичне калібрування факторів та багатовимірний аналіз структури предикторів. Її побудовано на системі факторних характеристик, об’єднаних у п’ять тематичних блоків: морфометричний (крутизна схилу, експозиція, абсолютна висота, профільна кривина [5]) на основі цифрової моделі рельєфу ALOS AW3D30; гідрологічний (близькість до водотоків за даними MERIT Hydro [10]); лісовий (щільність лісового покриву, близькість до межі лісу, тип лісу, амплітуда NDVI, втрати лісу 2001–2023 рр., частка лісу вище по схилу) за продуктами Hansen Global Forest Change [2], ESA WorldCover [8] та Copernicus Global Land Cover [9]; геологічний (літологія, близькість до тектонічних розломів) і кліматичний (середньорічна сума опадів). Виокремлення лісового блоку як самостійного структурного компонента із шістьма предикторами є ключовою особливістю дослідження.
Для калібрування факторних шарів у моделі використано метод частотного співвідношення (Frequency Ratio, FR). Його ідея полягає в об’єктивному оцінюванні ймовірності виникнення зсуву в межах класів кожного фактора на основі просторового співпадіння задокументованих зсувних проявів із цими класами. Кореляційний аналіз виявив єдиний осередок сильного зв’язку — між абсолютною висотою та середньорічною сумою опадів (r = 0,96), що закономірно з огляду на орографічний характер опадів у Карпатах. Діагностика VIF (Variance Inflation Factor) підтвердила надлишковість: для висоти та опадів значення сягали 15,3 і 14,5 відповідно, перевищуючи критичний поріг 10 [6]. Оскільки опади виявилися статистично надлишковими відносно висоти, а висота є первинним і фізично краще інтерпретованим чинником, із подальшого розгляду вилучено фактор річної суми опадів.
Оцінювання інформативності показало, що найменший внесок мають три фактори лісової групи — втрати лісу, наявність лісу вище по схилу та амплітуда NDVI. З огляду на низьку та нестабільну інформативність ці три фактори також вилучено.
Для об’єктивного визначення вагових коефіцієнтів десяти підсумкових факторів застосовано метод оцінки важливості факторів за алгоритмом випадкового лісу (Random Forest Feature Importance) [1]. Ансамбль будується з 300 дерев на основі збалансованої навчальної вибірки (135 точок присутності зсувів і 159 точок псевдо-відсутності, разом 294 спостереження); цільовою змінною є бінарна ознака «присутність/відсутність зсуву», а предикторами — десять FR-каліброваних шарів. Розраховані ваги наведено в таблиці 1.
Таблиця 1 – Десять підсумкових факторів моделі зсувної сприйнятливості та їх вагові коефіцієнти за методом Random Forest Feature Importance
Інтегральний проксі-індекс сприйнятливості обчислюється як зважена сума FR-каліброваних факторних шарів:
де wᵢ — нормалізована вага i-го фактора, Fᵢ — FR-калібрований i-й факторний шар.
Застосування моделі до базового полігону показало, що 40,2 % території належить до класів високої та дуже високої сприйнятливості, а 74,6 % задокументованих зсувів сконцентровано у класах 4–5. Валідація на незалежній тестовій вибірці засвідчила, що 88,1 % тестових зсувів потрапили до класів середньої, високої та дуже високої сприйнятливості за коефіцієнтів просторового збагачення 2,57 (клас 5) і 1,32 (клас 4) та значень AUC ROC 0,72 (success-rate) і 0,69 (prediction-rate), що відповідає добрій якості моделі.
Блок природоохоронного статусу території (Nature Protection Status, NPS) — запропонований показник, що кількісно оцінює природоохоронну цінність окремих ділянок у контексті індексу природоохоронного пріоритету. NPS формується на основі офіційного юридичного статусу ділянки (її приналежності до системи ПЗФ та категорій IUCN [3, 4].
На основі змодельованої зсувної сприйнятливості та показника NPS обчислено інтегральний індекс природоохоронного пріоритету, що характеризує потенційні втрати природоохоронної цінності екосистем у зонах активізації зсувно-ерозійних процесів:
Формула містить два поєднані компоненти: LSA визначає природний потенціал розвитку зсувних процесів, а NPS — природоохоронну цінність ділянки за її формальним статусом у системі ПЗФ. Паралельно обчислено показник ризику для населення та інфраструктури, що, на відміну від індексу природоохоронного пріоритету, відповідає класичній структурі ризику:
де Exposure — інтегральна просторова експозиція (зважена сума експозиції населення, забудови та дорожньої мережі за вагами 0,45 : 0,30 : 0,25), а populationVulnerability - демографічна вразливість як частка залежних вікових груп (діти до 14 років і особи від 65 років) за даними WorldPop.
Висновки
1. Розроблено гібридну геоінформаційну модель зсувної сприйнятливості території Українських Карпат, що поєднує статистичний метод Frequency Ratio для калібрування факторних шарів із методом машинного навчання Random Forest Feature Importance для визначення вагових коефіцієнтів і повністю реалізована на хмарній платформі Google Earth Engine.
2. Уперше для території Українських Карпат лісовий покрив виокремлено як самостійний структурний блок моделі з кількісною параметризацією. У модель увійшли 10 підсумкових предикторів із домінуванням морфометричного (≈49,7 %) та лісового (≈25,9 %) блоків, причому провідним лісовим фактором є показник близькості до межі лісу.
3. Запропоновано індекс природоохоронного пріоритету на основі показника природоохоронного статусу території (NPS), що дає змогу просторово пріоритизувати моніторинг зсувонебезпечних зон у межах об’єктів природно-заповідного фонду.
Список літератури
1. Breiman L. Random Forests. Machine Learning. 2001. Vol. 45, No. 1. P. 5–32.
2. Hansen M. C., Potapov P. V., Moore R. et al. High-Resolution Global Maps of 21st-Century Forest Cover Change. Science. 2013. Vol. 342, No. 6160. P. 850–853.
3. Dudley N. (ed.) Guidelines for Applying Protected Area Management Categories. Gland, Switzerland : IUCN, 2008. 86 p.
4. Gorelick N., Hancher M., Dixon M. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone. Remote Sensing of Environment. 2017. Vol. 202. P. 18–27.
5. Zevenbergen L. W., Thorne C. R. Quantitative analysis of land surface topography. Earth Surface Processes and Landforms. 1987. Vol. 12, No. 1. P. 47–56.
6. O’Brien R. M. A Caution Regarding Rules of Thumb for Variance Inflation Factors. Quality & Quantity. 2007. Vol. 41, No. 5. P. 673–690.
7. Wang J. F., Li X. H., Christakos G. et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region, China. International Journal of Geographical Information Science. 2010. Vol. 24, No. 1. P. 107–127.
8. Zanaga D., Van De Kerchove R., De Keersmaecker W. et al. ESA WorldCover 10 m 2021 v200. Zenodo, 2022.
9. Buchhorn M., Lesiv M., Tsendbazar N.-E. et al. Copernicus Global Land Cover Layers — Collection 2. Remote Sensing. 2020. Vol. 12, No. 6. Article 1044.
10. Yamazaki D., Ikeshima D., Sosa J. et al. MERIT Hydro: A high-resolution global hydrography map based on latest topography dataset. Water Resources Research. 2019. Vol. 55, No. 6. P. 5053–5073.
______________________________
Науковий керівник: Чепурний Ігор Валерійович, кандидат геологічних наук, доцент, Івано-Франківський національний технічний університет нафти і газу, м. Івано-Франківськ, Україна
|
Голосування 
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter