Оценка и картографирование рисков воздействия аварийных нефтеразливов на лесной комплекс нефтедобывающих регионов России
Кочергин Г.А., Муратов И.Н., Куприянов М.А., Полищук Ю.М.
Югорский НИИ информационных технологий
В работе рассмотрены вопросы оценки экологических рисков на территории нефтедобывающего региона на основе сочетания методов кластеризации и пространственного анализа данных. Использованы данные по аварийности на промысловых нефтепроводах и данные о лесонарушениях на территории
Ханты-Мансийского автономного округа за период с 2014 по 2020 год. Результатом анализа рисков являются цифровые карты, отображающие 5 уровней риска аварийного разлива нефти и риска лесонарушений. Разработанные цифровые карты опубликованы в сети Интернет с обеспечением авторизованного доступа и используются контрольно-надзорными службами региона при планировании выездных мероприятий и контрольных проверок.
Ханты-Мансийского автономного округа за период с 2014 по 2020 год. Результатом анализа рисков являются цифровые карты, отображающие 5 уровней риска аварийного разлива нефти и риска лесонарушений. Разработанные цифровые карты опубликованы в сети Интернет с обеспечением авторизованного доступа и используются контрольно-надзорными службами региона при планировании выездных мероприятий и контрольных проверок.
Введение
Одной из главных экологических проблем нефтедобывающих регионов на северных территориях России является негативное воздействие нефтедобычи и транспортировки углеводородного сырья на лесной комплекс региона. Здесь следует выделить два основных вида рисков. Во-первых, это риски загрязнения земель лесного фонда вследствие аварийных разливов нефти и нефтепродуктов [1]. Во-вторых, это риски различных нарушений в сфере лесопользования, в том числе незаконная вырубка лесных насаждений. Исследования в данной работе проводятся на примере Ханты-Мансийского автономного округа (ХМАО), на территории которого добывается около половины всей российской нефти. По данным Службы по контролю и надзору в сфере охраны окружающей среды, объектов животного мира и лесных отношений ХМАО — Югры (Природнадзор Югры), на территории региона ежегодно фиксируется несколько сотен инцидентов, связанных с аварийными нефтеразливами или лесонарушениями, ущерб от которых исчисляется миллионами рублей [1].
В последнее десятилетие были разработаны новые методы и средства прогнозирования аварий на нефтепроводах. В работе [2] представлена модель на основе сочетания методов регрессионного анализа и искусственных нейронных сетей с использованием исторических данных об авариях на нефтепроводах. Предложена методика оптимизации интервалов инспекции состояния подземных нефтепроводов [3], использующая динамические байесовские сети. В [4] разработана система оценки рисков на основе методов нечеткой логики для анализа данных об аварийности в колумбийской сети транспортировки нефти. Однако существующие в настоящее время методы
и средства анализа экологических нарушений на территориях нефтедобычи не учитывают возможности одновременного воздействия на лесные комплексы как аварийных нефтеразливов, так и нарушений в сфере лесопользования, характерных для отечественных условий нефтедобычи.
Особенностями российских нефтедобывающих регионов являются достаточно обширные территории и относительно слаборазвитая транспортная инфраструктура, что значительно усложняет проведение надзорными органами экологического контроля на территории региона. Поэтому возникает необходимость повышения эффективности и оперативности экологического контроля на базе новых информационных технологий, основанных на использовании методов риск-анализа [5, 6]. Сложность решения задачи анализа риска в нашей работе связана с необходимостью совместного учета двух разнородных факторов риска: воздействия на лесной комплекс аварийных нефтеразливов и воздействия нарушений в сфере лесопользования. Насколько нам известно, вопросы анализа и оценки такого комплексного риска в настоящее время изучены недостаточно, что требует разработки нового подхода к решению этой задачи.
и средства анализа экологических нарушений на территориях нефтедобычи не учитывают возможности одновременного воздействия на лесные комплексы как аварийных нефтеразливов, так и нарушений в сфере лесопользования, характерных для отечественных условий нефтедобычи.
Особенностями российских нефтедобывающих регионов являются достаточно обширные территории и относительно слаборазвитая транспортная инфраструктура, что значительно усложняет проведение надзорными органами экологического контроля на территории региона. Поэтому возникает необходимость повышения эффективности и оперативности экологического контроля на базе новых информационных технологий, основанных на использовании методов риск-анализа [5, 6]. Сложность решения задачи анализа риска в нашей работе связана с необходимостью совместного учета двух разнородных факторов риска: воздействия на лесной комплекс аварийных нефтеразливов и воздействия нарушений в сфере лесопользования. Насколько нам известно, вопросы анализа и оценки такого комплексного риска в настоящее время изучены недостаточно, что требует разработки нового подхода к решению этой задачи.
Перспективным, по нашему мнению, является подход к оценке комплексного экологического риска, включающего риск аварийных разливов нефти и риск лесонарушений, основанный на использовании кластерного анализа имеющихся многолетних данных об установленных ранее инцидентах. Выявленные в результате кластеры — участки территории с равной степенью риска — удобно использовать для отображения результатов кластеризации на цифровых картах с помощью геоинформационных систем (ГИС). Целью данной работы является изложение методических вопросов и результатов оценки экологического риска воздействия нефтеразливов с учетом лесонарушений на территории нефтедобывающего региона на примере ХМАО.
Материалы и методы
Для проведения исследований в настоящей работе использовались данные, накопленные
в региональной информационной системе «Автоматизированная информационная система контрольно-надзорной деятельности» (АИС КНД), основным пользователем которой является Природнадзор Югры. В качестве исходных данных использовалась выборка информации обо всех произошедших на территории автономного округа авариях на промысловых нефтепроводах
и выявленных лесонарушениях за 2014–2020 гг. Для каждого инцидента определены местоположение и дата, что позволяет провести пространственный анализ данных на участках определенной площади за весь рассматриваемый отрезок времени. Всего за указанный период
из АИС КНД было выбрано 12 903 записи об авариях на нефтепроводах и 5 815 записей
о лесонарушениях.
Обзор различных ГИС показал, что наиболее перспективным для решения поставленной задачи может рассматриваться разработанное в Центре науки о пространственных данных Чикагского университета США специализированное программное обеспечение ГИС GeoDA [7]. Для картографирования рисков аварийных разливов нефти и рисков лесонарушений в регионе использована серверная геоинформационная система NextGIS Web [8], что позволило предоставить доступ к разработанным цифровым картам определенному кругу авторизованных пользователей (сотрудникам Природнадзора Югры) посредством сети Интернет.
в региональной информационной системе «Автоматизированная информационная система контрольно-надзорной деятельности» (АИС КНД), основным пользователем которой является Природнадзор Югры. В качестве исходных данных использовалась выборка информации обо всех произошедших на территории автономного округа авариях на промысловых нефтепроводах
и выявленных лесонарушениях за 2014–2020 гг. Для каждого инцидента определены местоположение и дата, что позволяет провести пространственный анализ данных на участках определенной площади за весь рассматриваемый отрезок времени. Всего за указанный период
из АИС КНД было выбрано 12 903 записи об авариях на нефтепроводах и 5 815 записей
о лесонарушениях.
Обзор различных ГИС показал, что наиболее перспективным для решения поставленной задачи может рассматриваться разработанное в Центре науки о пространственных данных Чикагского университета США специализированное программное обеспечение ГИС GeoDA [7]. Для картографирования рисков аварийных разливов нефти и рисков лесонарушений в регионе использована серверная геоинформационная система NextGIS Web [8], что позволило предоставить доступ к разработанным цифровым картам определенному кругу авторизованных пользователей (сотрудникам Природнадзора Югры) посредством сети Интернет.
Рассмотрим методические вопросы оценки экологических рисков на территории автономного округа, которая реализуется алгоритмическими средствами с использованием методов кластеризации и пространственного анализа. Для построения цифровой карты оценки рисков аварийных разливов нефти вся территория лицензионных участков, расположенных в автономном округе, была разбита на элементарные участки с использованием правильной гексагональной сети с размером ребра 1,25 км. Для цифровой карты оценки рисков лесонарушений элементарные участки были выбраны в соответствии с административным делением лесного фонда на урочища. Процесс обработки данных для создания цифровых карт включал три этапа.
Первый этап. Для каждого элементарного участка был рассчитан интегральный показатель количества аварий и количества лесонарушений соответственно. При расчетах указанного показателя учитывалось количество инцидентов по годам с учетом их весов, выбранных согласно закону экспоненциального сокращения их величины в следующем виде: в 2020 — 1,0; 2019 — 0,5; 2018 — 0,25; 2017 — 0,125; 2016 — 0,0625; 2015 — 0,03125; 2014 — 0,015625.
Второй этап. С использованием программного обеспечения GeoDA была произведена автоматическая (без обучения) кластеризация участков на основе рассчитанных значений интегрального показателя. Кластеризация осуществлялась с использованием метода
k-медоидов [9] на 5 кластеров, что соответствует действующему законодательству [10],
в соответствии с которым требуется выделять 5 категорий риска (табл. 1).
Второй этап. С использованием программного обеспечения GeoDA была произведена автоматическая (без обучения) кластеризация участков на основе рассчитанных значений интегрального показателя. Кластеризация осуществлялась с использованием метода
k-медоидов [9] на 5 кластеров, что соответствует действующему законодательству [10],
в соответствии с которым требуется выделять 5 категорий риска (табл. 1).
Табл. 1. Пределы изменения интегрального показателя по кластерам
Третий этап. На основе результатов кластеризации были сформированы два пространственных слоя с контурами участков, где для каждого участка был определен уровень риска возникновения инцидента в соответствии с тем кластером, к которому он был отнесен на предыдущем этапе. Для обеспечения единого авторизованного доступа к результатам анализа рисков на территории лесного фонда ХМАО оба пространственных слоя были опубликованы с использованием серверного геопортального решения, указанного выше.
В результате проведенного анализа были построены две цифровые карты автономного округа с отображением 5 уровней риска аварийного разлива нефти (рис. 1) и риска лесонарушений (рис. 2) для различных территорий.
В результате проведенного анализа были построены две цифровые карты автономного округа с отображением 5 уровней риска аварийного разлива нефти (рис. 1) и риска лесонарушений (рис. 2) для различных территорий.
Рис. 1. Цифровая карта рисков аварийных разливов нефти
Рис. 2. Цифровая карта рисков лесонарушений
Для интерпретации полученных результатов рассчитаем количество зафиксированных за весь период аварий и лесонарушений для каждого участка рассматриваемой территории, относящейся к одному из 5 выделенных уровней риска. Дополнительно рассчитаем суммарную площадь всех территорий для каждого уровня риска и концентрацию инцидентов на 100 квадратных километров. Результаты расчетов приведены в таблицах 2 и 3.
Из таблицы 2 видно, что для участков с высоким уровнем риска аварийного разлива нефти характерна наибольшая концентрация аварий, определяемая величиной 512/100 км2, и с уменьшением уровня риска эта концентрация снижается в 3–4 раза. Участки территории с низким уровнем риска (близким к 0) характеризуются минимальным значением концентрации аварий на 100 км2 за все время наблюдений.
Из таблицы 2 видно, что для участков с высоким уровнем риска аварийного разлива нефти характерна наибольшая концентрация аварий, определяемая величиной 512/100 км2, и с уменьшением уровня риска эта концентрация снижается в 3–4 раза. Участки территории с низким уровнем риска (близким к 0) характеризуются минимальным значением концентрации аварий на 100 км2 за все время наблюдений.
Табл. 2. Показатели уровней риска аварийного разлива нефти
Анализ таблицы 3 отражает схожую ситуацию и с рисками лесонарушений — участки с высоким уровнем риска имеют наибольшую концентрацию инцидентов на уровне 3,8/100 км²,
и с уменьшением степени риска их концентрация также снижается. Участки территории
с низким уровнем риска характеризуются минимальным значением концентрации
лесонарушений на 100 км².
и с уменьшением степени риска их концентрация также снижается. Участки территории
с низким уровнем риска характеризуются минимальным значением концентрации
лесонарушений на 100 км².
Табл. 3. Показатели уровней риска лесонарушений
Таким образом, построенные в результате анализа цифровая карта оценки рисков аварийного разлива нефти и цифровая карта оценки рисков лесонарушений позволяют разделить территорию автономного округа на различные зоны, которые требуют различного подхода к организации и частоте контрольно-надзорных мероприятий в сфере регионального экологического контроля.
ИТОГИ
Представленная методика оценки экологических рисков на территории нефтедобывающего региона, основанная на сочетании методов кластеризации и пространственного анализа данных, показала высокую эффективность при построении цифровых карт оценки рисков аварийных разливов нефти
и лесонарушений. Отличительной особенностью предложенной методики является учет как количественной информации о выявленных авариях
и лесонарушениях, так и данных об их местоположении.
и лесонарушений. Отличительной особенностью предложенной методики является учет как количественной информации о выявленных авариях
и лесонарушениях, так и данных об их местоположении.
ВЫВОДЫ
Полученные результаты предназначены для использования природоохранными службами, осуществляющими контрольно-надзорные функции на территории нефтедобывающего региона. Предложенная методика и разработанные цифровые карты представляют собой новую информационную технологию для поддержки принятия решений в сфере планирования и осуществления контрольно-надзорных мероприятий в регионах нефтедобычи.
ЛИТЕРАТУРА
1. Доклад об экологической ситуации в Ханты-Мансийском автономном округе — Югре в 2019 году. URL: https://prirodnadzor.admhmao.ru/doklady-i-otchyety/doklad-ob-ekologicheskoy-situatsii-v-khanty-mansiyskom-avtonomnom-okruge-yugre/4372185/2019-god- (дата обращения 19.10.2021).
2. Senouci A., Elabbasy M., Elwakil E., Abdrabou B., Zayed T.A. Model for predicting failure of oil pipelines. Structure and Infrastructure Engineering, 2014.
Vol. 10, issue 3, P. 375–387. (In Eng).
3. Abubakirov R., Yang M., Khakzad N. A risk-based approach to determination of optimal inspection intervals for buried oil pipelines. Process safety and environmental protection: transactions of the institution of chemical engineers, part B, 2020,
Vol. 134, P. 95–107. (In Eng).
4. Guzman U., Aoyama A. Pipeline risk assessment using artificial intelligence: A case from the colombian oil network. Process safety progress, 2018, Vol. 37, issue 1, P. 110–116. (In Eng).
5. Комов В.Э., Кабалинский А.И. Обоснование повышения эффективности деятельности контрольно-надзорной деятельности на региональном уровне // Известия Тульского государственного университета. Экономические и юридические науки. 2017. № 1-1. С. 159–164.
6. Медведева С.А. Экологический риск. Общие понятия, методы оценки //
ХХI век. Техносферная безопасность. 2016. № 1. С. 67–81.
7. GeoDa. An Introduction to Spatial Data Analysis. URL: http://geodacenter.github.io/ (дата обращения 19.10.2021).
8. NextGIS Web. URL: https://nextgis.ru/nextgis-web/ (дата обращения 19.10.2021).
9. Kaufman L., Rousseeuw P. Finding groups in data: an introduction to cluster analysis. New York: John Wiley, 2005. 342 p. (In Eng).
10. О критериях отнесения производственных объектов, используемых юридическими лицами и индивидуальными предпринимателями, оказывающих негативное воздействие на окружающую среду, к определенной категории риска для регионального государственного экологического надзора и об особенностях осуществления указанного надзора: постановление Правительства Российской Федерации от 22.11.2017 N 1410. URL: http://www.consultant.ru/document/cons_doc_LAW_283389/ (дата обращения 19.10.2021).
2. Senouci A., Elabbasy M., Elwakil E., Abdrabou B., Zayed T.A. Model for predicting failure of oil pipelines. Structure and Infrastructure Engineering, 2014.
Vol. 10, issue 3, P. 375–387. (In Eng).
3. Abubakirov R., Yang M., Khakzad N. A risk-based approach to determination of optimal inspection intervals for buried oil pipelines. Process safety and environmental protection: transactions of the institution of chemical engineers, part B, 2020,
Vol. 134, P. 95–107. (In Eng).
4. Guzman U., Aoyama A. Pipeline risk assessment using artificial intelligence: A case from the colombian oil network. Process safety progress, 2018, Vol. 37, issue 1, P. 110–116. (In Eng).
5. Комов В.Э., Кабалинский А.И. Обоснование повышения эффективности деятельности контрольно-надзорной деятельности на региональном уровне // Известия Тульского государственного университета. Экономические и юридические науки. 2017. № 1-1. С. 159–164.
6. Медведева С.А. Экологический риск. Общие понятия, методы оценки //
ХХI век. Техносферная безопасность. 2016. № 1. С. 67–81.
7. GeoDa. An Introduction to Spatial Data Analysis. URL: http://geodacenter.github.io/ (дата обращения 19.10.2021).
8. NextGIS Web. URL: https://nextgis.ru/nextgis-web/ (дата обращения 19.10.2021).
9. Kaufman L., Rousseeuw P. Finding groups in data: an introduction to cluster analysis. New York: John Wiley, 2005. 342 p. (In Eng).
10. О критериях отнесения производственных объектов, используемых юридическими лицами и индивидуальными предпринимателями, оказывающих негативное воздействие на окружающую среду, к определенной категории риска для регионального государственного экологического надзора и об особенностях осуществления указанного надзора: постановление Правительства Российской Федерации от 22.11.2017 N 1410. URL: http://www.consultant.ru/document/cons_doc_LAW_283389/ (дата обращения 19.10.2021).
Кочергин Г.А., Муратов И.Н.,
Куприянов М.А., Полищук Ю.М.
Югорский НИИ информационных
технологий
kocherginga@uriit.ru
Куприянов М.А., Полищук Ю.М.
Югорский НИИ информационных
технологий
kocherginga@uriit.ru
Материалы и методы
Ключевые слова
Для цитирования
Поступила в редакцию
УДК и DOI
Материалы: база данных, накопленная в региональной информационной системе «Автоматизированная информационная система контрольно-надзорной деятельности» Природнадзора Югры. Использовалась выборка о произошедших на территории ХМАО авариях на промысловых нефтепроводах и выявленных лесонарушениях за 2014–2020 гг.
Методы: кластеризация и пространственный анализ данных.
Методы: кластеризация и пространственный анализ данных.
аварийные нефтеразливы, риск-анализ, пространственный анализ, кластерный анализ, геоинформационные системы, цифровые карты
Кочергин Г.А., Муратов И.Н., Куприянов М.А., Полищук Ю.М. Оценка и картографирование рисков воздействия аварийных нефтеразливов на лесной комплекс нефтедобывающих регионов России // Экспозиция Нефть Газ. 2022. № 5. С. 86–89. DOI: 10.24412/2076-6785-2022-5-86-89
25.11.2021
УДК 528.946, 519.237.8
DOI: 10.24412/2076-6785-2022-5-86-89
DOI: 10.24412/2076-6785-2022-5-86-89
Рекомендуемые статьи
© Экспозиция Нефть Газ. Научно-технический журнал. Входит в перечень ВАК
+7 (495) 414-34-88