На протяжении последнего десятилетия в России наблюдается ежегодный рост внутренних туристских потоков, обусловленный экономической обстановкой в стране и в мире. В 2020 году пандемия COVID-19 затронула практически все сферы человеческой деятельности. Одной из наиболее пострадав-ших от эпидемиологической обстановки отраслей является туризм. Более то-го, в период самоизоляции наблюдался сильный отток населения из городов и переселения на дачные участки с возможностью выхода на улицу без нарушения самоизоляции и подвергания здоровья угрозе. Исходя из вышесказанного, была сформулирована следующая цель научной работы: изучить особенности изменения застройки берегов крупных водоемов за последние пять лет, оценить влияние периода пандемии COVID-19 на застройку на примере пяти населённых пунктов, расположенных на берегах крупных пресноводных водо-ёмов, таких как Байкал и Телецкое озеро, а также комплекса населённых пунктов, расположенных на берегу Чудского озера.
Для достижения данной цели были сформулированы следующие задачи:
● Изучение динамики внутреннего туризма в Российской Федерации;
● Выявление изменений застройки ряда сельских населённых пунктов, приуроченных к побережью крупных водоёмов, основной экономической от-раслью которых является туризм или, напротив, развивающихся за счет при-тока «дачников»;
● Сравнение изменений застройки, выявленных в период до и после начала пандемии;
● Создание ряда карт, характеризующих изменения инфраструктуры ис-следуемых населённых пунктов.
Согласно проведённому анализу существующих методов картографирования застройки по данным дистанционного зондирования Земли, наиболее широко используемым методом является применение различных вариантов классификации изображения разного пространственного разрешения в оптическом и тепловом диапазонах. Тем не менее, специфической особенностью застройки сельских населённых пунктов является крайне малый размер изучаемых объектов, что накладывает ограничения на пространственное разрешение используемых снимков, а также говорит о необходимости применения визуального дешифрирования в силу специфики картографируемых объектов.
Материалы, используемые в рамках написания практической работы, можно разделить следующим образом: спутниковые снимки Pleiades, полученные благодаря центру коллективного пользования «Геопортал» на 2 пери-ода: до начала пандемии и относительно современный, топографические пла-ны, масштаба 1:1 000, составленные студентами кафедры картографии и гео-информатики в рамках полевой практики по дешифрированию, данные съемки с БПЛА, предоставленные сотрудниками Алтайского биосферного заповедни-ка в 2022 году, данные открытых картографических сервисов и онлайн-площадок, предоставляющих возможность аренды недвижимости, векторные данные, предоставленные сервисом OpenStreetMap.
Процесс выявления изменений застройки можно разделить на два круп-ных этапа: непосредственно выявление изменений (то есть определение их геометрической составляющей) и выделение типов и особенностей измене-ний, выявленных ранее (то есть заполнение семантической составляющей). Рассмотрим каждый из этапов подробнее.
Для выявления изменений застройки четырёх из пяти исследуемых населённых пунктов (Артыбаш, Большое Голоустное, Листвянка, Иогач) были ис-пользованы разновременные снимки, синтезированные следующим образом: красному каналу соответствовал красный канал более нового снимка (2019, 2021 год), а синему и зелёному — синий и зелёный канал более старого снимка (2016, 2017 год). Таким образом участкам, не подверженным изменениям, соответствовала натуральная цветопередача, в то время как участками, пре-терпевшим изменения, соответствовали, как правило оттенки бирюзового или красный цвет.
Далее для каждого из синтезированных разновременных снимков были выполнены различные варианты кластеризации и классификации изображения (число классов варьировалось от 3 до 6 (для классификации выделено 6 классов: 2 класса изменений, исходя из цвета пикселей, соответствующих им на разновременном снимке, лесная растительность, луговая растительность, водная поверхность, антропогенные объекты)). Наилучшие результаты соответствуют вариантам кластеризации с 5 кластерами (ISODATA) и 3 (МГК), в других случаях пиксели, соответствующие изменениям, частично или полно-стью попадают в другие классы или кластеры, что не применимо в рамках проводимого исследования.
Стоит также отметить, что результирующие изображения с последующей векторизацией не позволяют полностью автоматизировать процесс выделения изменений застройки из-за неточностей привязки и наличия шумов (наличие ряби на воде, незначительные изменения положения древесных крон), связанных с погодными условиями, углом съёмки и другими параметрами. Более то-го, ряд выделенных изменений требует дополнительной проверки в силу специфики исследования. Например, в качестве изменений могут оказаться выделены дома, крыши которых за исследуемый период перекрыли черепицей другого цвета. Данный тип изменений не должен учитываться, исходя из по-ставленной изначально цели. Тем не менее, также стоит отметить, что ис-пользование классификации и кластеризации позволяет сократить площадь визуального дешифрирования.
Для выявления изменений застройки остальных населенных пунктов было выполнено визуальное дешифрирование на основании данных открытых картографических сервисов и данных съемки с БПЛА.
Для полученных на предыдущем этапе геометрических границ измерений было необходимо заполнить семантическую информацию. В целом, создан-ные атрибутивные данные можно разделить на две крупных группы: характеристика выявленного изменения (степень «достроенности» здания) и функциональное назначение исследуемого объекта. Первый показатель позволяет оценить непосредственно изменения застройки, в то время как второй позволяет исследовать особенности развития населённого пункта. Первый фактор определяется по снимкам на основании таких дешифровочных признаков, как цвет и форма объектов, в то время как для выявления функционального назначения были использованы сторонние источники: картографические сервисы, площадки, предоставляющие информацию об аренде недвижимости. Для упрощения работы с последними был написан код на языке python, позволяющий конвертировать информацию о сдаваемых помещениях, предоставляемую Avito.ru в пространственно-координированные данные.
В результате проведённого комплекса работ для каждого населённого пункта был получен файл формата *.shp, содержащий информацию о выделенных изменениях, классифицированных по описанным выше принципам, а также написан код, позволяющий получать информацию о сдаваемых помещениях в исследуемых населенных пунктах.
В качестве отчетных материалов была подготовлена визуализация выяв-ленных изменений в виде 8 планов масштабов 1:5 000 1:4 000. Выбор масштаба обусловлен необходимостью отразить в том числе, новые хозяйственные постройки, имеющие крайне малые размеры, а также необходимостью отразить весь населённый пункт в целом для лучшего восприятия результатов про-веденного исследования.
В результате проделанной работы были сформулированы следующие вы-воды:
• Для исследуемых участков характерно развитие сельского, при-родного, культурного, прибрежного туризма с точки зрения типа ту-ристской дестинации;
• Для всех исследуемых населённых пунктов характерно расширение в пределах исследуемого временного периода (2017 — 2021 годы) однако можно говорить о разнонаправленном влиянии пандемии COVID-19 на прибрежные территории крупных внутренних водоемов:
• Для населённых пунктов, многие годы ориентированных на туристский сектор, таких, как Большое Голоустное или Листвянка, наблюдается снижение темпов развития застройки, большая часть но-вых построек – объекты, направленные на развитие досуга;
• В населённых пунктах с малым количеством жителей, ранее не задействованных в обслуживании туристов, наблюдается значительный рост числа дачных участков или частных домовладений.