Сбылась мечта вашего детства—вы присмотрели себе домик в деревне! Домик в отличном состоянии, из окна прекрасный вид, под самым окном тихо журчит речка Переплюйка, жизнь прекрасна! Вы совсем было собрались его купить, но вдруг достали телефон и зачем-то решили почитать новости. А там—изменения климата, очередное наводнение неважно где, с разрушениями и жертвами. И вдруг вы с беспокойством смотрите на речку Переплюйку прямо перед вами, и думаете, а не превратится ли она в случае чего в бурный поток, смывающий всё нажитое непосильным трудом? Давайте посмотрим, чем технологии ГИС (геоинформационных систем) могут вам помочь, и почему свободный доступ граждан к географическим данным полезен для принятия решений.
Давайте для начала разберёмся, что вообще значат все эти ужасные новости про стихийные бедствия, например вот эта: “Ожидается, что в отдельных районах выпадет до 20 мм осадков, что является четвертью месячной нормы”. Казалось бы, что такое 20 мм? Это лужа глубиной 2 сантиметра. На толстой подошве или высоком каблуке можно и не заметить, откуда катастрофа? Давайте посмотрим на примере. Куда течёт вода, если её пролить? Туда, куда показывает градиент склона. На полу грамотно сделанной душевой кабины, градиент в конце концов приведёт к сливному отверстию. Пол нашей душевой кабины—это то, что называется “водосборный бассейн”. Все осадки, которые выпадут в водосборном бассейне, за вычетом испарения, отбора на хозяйственные нужды и прочего, в конце концов стекут в его нижнюю точку.
Теперь давайте посмотрим на пример помасштабнее—водосборный бассейн реки Волги. Его площадь—1,360,000 км2. Весь дождь, который прольётся на этой территории, стечёт туда, где Волга впадает в Каспийское море. Для наглядности давайте представим, что Волга заканчивается в Волгограде, где находится плотина Волжской ГЭС, последняя плотина перед тем, как Волга впадает в море. Представим, что мы заткнули дырку в плотине затычкой как раз перед тем, как начался дождь в 20 мм осадков на всей площади водосборного бассейна. Площадь Волгоградского водохранилища—3117 км², что в 436 раз меньше площади водосборного бассейна Волги. Если бы у водохранилища были вертикальные стены, уровень воды соответственно поднялся бы на 20 мм * 436 = 8.72 метра. Это примерно три этажа. Даже с учётом того, что берега водохранилища очень пологие, и площадь быстро увеличивается с повышением уровня воды, всё равно мало не показалось бы.
Ну хорошо, с Волгой всё понятно, река известная, данные есть—но как быть с нашей речкой Переплюйкой? И тут нам на помощь приходят ГИС. Надо понимать, что сами по себе ГИС—это не больше чем набор алгоритмов. Без точных карт и данных они бессмысленны. Нам надо понять, какова площадь водосборного бассейна для точки, где мы находимся, и для этого нам потребуется больше, чем карты на Яндексе или Google—нам потребуется карта высот, или DEM (digital elevation model, цифровая модель рельефа). Что это такое? Это привязанная к географическим координатам чёрно-белая картинка, где значение каждого пиксела, обычно изображаемое в виде градации серого, означает высоту на уровнем моря в этом квадратике. Если у нас есть алгоритм, который определяет, куда ведёт градиент нашего склона—мы будем знать, куда потечёт вода. Проследив этот путь обратно наверх от нашего домика в деревне, мы сможем сосчитать площадь нашего водосборного бассейна.
Но откуда они вообще берутся, эти цифровые модели рельефа? Сильно упрощая, есть два пути. Традиционный—это когда по местности ходят бородатые мужики с теодолитами, и потом из этих измерений делают топографическую карту. К сожалению, перевести топографическую карту в цифровую модель—весьма нетривиальная задача. Конечно, с помощью современных ГИС из ручных измерений можно сделать mesh (нерегулярную сетку), а из неё уже растровую модель, но бородатые мужики с теодолитами всё равно нужны, а это долго и дорого. Современный способ—спутники с радарами, которые могут определять высоту с высокой точностью, и в пригодном для дальнейшей компьютерной обработки виде.
Давайте теперь представим, что мы присмотрели домик на юге Московской области, там где маленькая речка Скнига впадает в Оку. Откуда мы возьмём цифровую модель рельефа? Из раздела “открытые данные” на сайте МинПрироды? Увы. Открытых российских источников я не нашёл, поэтому для того, чтобы получить модель рельефа Московской области, мы зарегистрируемся на сайте United States Geological Survey и совешненно бесплатно и легально скачаем с earthexplorer.usgs.gov файл DEM для нужного нам района с разрешением порядка 30 метров на пиксел. Эти данные были собраны по программе NASA “Shuttle Radar Topography Mission” и опубликованы в 2015 году.
Дальше нам потребуется программа с открытым исходным кодом QGIS, и плагин GRASS в ней. В этом плагине, в свою очередь, тоже есть плагины, нам нужен плагин r.watershed из раздела растровых плагинов, подраздел гидрологическое моделирование. Плагину нужен только DEM файл и координаты в качестве исходных данных, на выходе мы получим несколько видов данных, нас интересует так называемый “accumulation map”—это растровая картинка, где каждый пиксел соответствует пикселу в DEM, и значение этого пиксела—с какого количества пикселов на него течёт вода. То есть если пиксел находится на вершине горы, значение будет 0.
Теперь, если мы используем в QGIS инструмент “Identify Features”, он покажет нам точное значение в интересующей нас точке, 9237846. Зная размер одного пиксела DEM, примерно 5.75 метров в нашем случае, это даст нам площадь водосборного бассейна 305 км2. Если представить себе знаменитый потоп 28 июня 2021 года в Москве, когда за день выпало в среднем 47 миллиметров осадков, возле нашего уютного домика мы сможем собрать 47 мм * 305 км2 = примерно 14 миллионов кубометров воды. Скромно, но на 5700 олимпийских бассейнов хватит. На всякий случай, мы можем проверить точность наших вычислений. К счастью, речка Скнига даже удостоилась своей личной страницы в Википедии, из которой мы знаем, что её площадь водосборного бассейна—375 км2. Мы ошиблись всего на 18.6%, что вполне неплохо, учитывая, что ближе чем со спутника мы это место даже и не видели.
Конечно, площадь водосборного бассейна—это не единственный фактор для оценки вероятности потопа. Понятно, что воде требуется время, чтобы стечь со всего водосборного бассейна вниз. Тут будет иметь значение, насколько удалён бассейн от интересующей вас точки, уклон, свойства почвы, и прочие факторы. Очевидно, что в узком горном ущелье вся вода стечёт вниз гораздо быстрее, чем по плоской равнине с хорошо впитывающей воду почвой. Все эти факторы тоже можно принять во внимание, если вы настроены серьёзно, и у вас есть данные.
Использование цифровых моделей рельефа, конечно, не ограничивается анализом водосбора. Если вам надо проложить дорогу по холмам, не превышая заданного уклона, или спланировать размещение сотовых антенн для минимизации зон плохого приёма из-за рельефа, или просто найти где построить домик, чтобы между гор было видно море—цифровые модели рельефа вам в помощь. Изобретёте новое интересное применение—напишите в комментах. Удачи!
ps. Друзья подкинули хорошую ссылку на то, какие ещё факторы можно учесть для более точной оценки.
pps. На следующее утро после публикации продолжавшийся всю ночь ливень местами слегка превысил штатные возможности сингапурской ливневой канализации. Там, где Сингапур не справился, многих других уже бы смыло совсем.
