По оценкам международного энергетического агентства, в 2016-2017 годах мир прошел пик добычи традиционной нефти. Причины этого кроются не столько в исчерпании ресурсного потенциала, сколько в замедлении прироста спроса и появлении более конкурентных запасов нетрадиционной нефти: еще недавно технологически и экономически практически недоступной человечеству, а сегодня ставшей неотъемлемой частью глобального предложения нефти. По итогам 2018 года нетрадиционная нефть заняла порядка 10% в общемировом объеме производства нефтяного сырья.
Одним из лидеров в области освоения нетрадиционных запасов является Канада, обладающая крупнейшим в мире месторождением битуминозных песков Атабаска (провинция Альберта).
Пожалуй, еще нигде в мире добыча нефти не оказывала столь разрушительного воздействия на окружающую среду, как на месторождении Атабаска. Где за последние 50 лет в ходе добычи нефти коренные ненарушенные ландшафты претерпели значительные изменения: для размещения карьеров, хвостохранилищ, отвалов пустой породы и нефтеперерабатывающих заводов были уничтожены экосистемы бореальных лесов и водно-болотных угодий. При этом существующая и планируемая рекультивация горно-промышленных земель направлена скорее не на восстановление водно-болотных угодий, а на возобновление лесов. В будущем это может привести к потере торфяников, высвобождению накопленного в них углерода и сокращению объемов связываемого углерода. Результатом антропогенного воздействия на ландшафты водно-болотных угодий является также изменение водного баланса и режима, определяющих биогеохимические и экологические процессы в экосистеме.
Данное исследование направлено на изучение пространственной дифференциации структуры природных, природно-антропогенных и техногенных ландшафтов в окрестностях месторождения Атабаска, а также на оценку современного состояния водно-болотных угодий по данным дистанционного зондирования Земли.
Основными задачами исследования являются:
1. комплексный анализ территории, в частности структуры природных и техногенных объектов;
2. выбор и поиск на спутниковых снимках эталонов – наиболее типичных изображений того или иного объекта, характеризующее его основные дешифровочные признаки;
3. создание на основе выявленных эталонов объектов визуальной схемы комплексного дешифрирования;
4. создание на основе выявленных эталонных объектов схемы автоматизированного дешифрирования;
5. анализ пространственной и временной дифференциации выявленных природных и техногенных объектов.
В качестве опорных снимков для дешифрирования выступали три разносезонных снимка спутника Landsat 9 на 2023 г. Даты были выбраны исходя из характера временной изменчивости исследуемой территории. Например, на майском снимке выделялись следы гарей, русла и долины рек; на июньском снимке наиболее активно вегетировала растительность, что позволило отделить участки с травянистой растительностью от лесных массивов и редколесий; по октябрьскому снимку проводилось дешифрирование хвойных лесов. Выделение эталонов для водно-болотных угодий производилось с опорой на цифровую модель рельефа местности FABDEM. Для более подробного изучения основных дешифровочных признаков (геометрические, яркостные и текстурные) использовались высокодетальные снимки мозаики Google Earth.
На основе выявленных эталонов была создана комплексная схема методом визуального дешифрирования, по которой можно выделить закономерности в пространственном распределении выделенных типов земельного покрова. Так, на юге заметно преобладание луговой растительности с редколесьями, наблюдаются многочисленные следы гарей. Смешанные леса преобладают в северо-западной части, смешанные леса с преимущественно лиственными породами чаще встречаются в долинах рек, вдоль русел. Хвойные леса доминируют в северо-восточной части.
На основе полученных данных о современном состоянии техногенных объектов можно предположить образование новых карьеров в северо-западной части, где сейчас проводятся работы по осушению торфа, а также на северо-востоке правого берега. Ожидается рекультивация отработанных карт хвостохранилищ в центральной, наиболее старой части, откуда началось освоение битуминозных песков, поскольку сейчас там проходит осушение хвостохранилища.
Последующий этап включал в себя проведение неконтролируемой классификации методом ISODATA на основе трех каналов (SWIR2-NIR-Red), в результате чего было создано 40 кластеров, впоследствии сгруппированных в 19 классов.
В рамках классификации с обучением были созданы выборки для 16 классов. Использовалось пять методов: метод минимального расстояния, спектрально углового картирования, максимального правдоподобия, ближайшего соседа, опорных векторов. Визуальный анализ полученных схем показал, что наиболее точный результат получен при классификации методом минимального расстояния и методом ближайшего соседа.
В целом для территории исследования визуальное дешифрирование даёт наиболее точный результат при выделении техногенных ландшафтов в силу сложности из спектрального образа, который может быть схож со спектральными образами некоторых природных объектов. Например, спектральные характеристики мелководий, лугов на недавних гарях и свежих гарей схожи с характеристиками открытых грунтов и песками, загрязненными пульпой, а смешанные леса схожи с водами, загрязненными взвесями (пруды-отстойники), из-за чего при автоматизированной классификации они выделяются некорректно. В связи с чем при выделении техногенных объектов следуют опираться в большей степени на их геометрические и структурные свойства, чем на спектральные, что реализуется только при визуальном дешифрировании.
Следует заметить, что при визуальном дешифрировании также возникают некоторые сложности. Так, при дешифрировании природных ландшафтов более достоверный результат показывает автоматизированная классификация. Однако из-за высокой мозаичности и спектральной гетерогенности различных типов водно-болотных угодий автоматизированная классификация не смогла выделить общую картину, с чем лучше справилось визуальное дешифрирование.
По итогам проведенных классификаций можно сказать, что легче всего выделяются следующие классы: сухие пески хвостохранилищ, характеризующиеся наибольшей отражательной способностью во всех спектральных диапазонах съемки, а также открытая влажная и сухая почва, хвойные и лиственные леса (четко выраженные на местности и спектрально обособленные типы растительного и почвенного покрова, имеющие гомогенную структуру).
В результате в легенде созданной комплексной схемы визуального дешифрирования классов природных покровов было практически вдвое больше, чем техногенных. Более дробное деление растительных покровов может говорить об их более сложной структурной дифференциации по сравнению с техногенными комплексами.

Работа выполнена как инициативный проект по дисциплине "Основы дистанционного зондирования Земли" под руководством Тельновой Н.О., старшего преподавателя факультета географии и геоинформационных технологий НИУ ВШЭ.