ИСХОДНЫЕ ДАННЫЕ ДЛЯ АНАЛИЗА ОПОЛЗНЕВЫХ РИСКОВ

В этом разделе рассматриваются исходные данные, необходимые для оценки предрасположенности территорий к оползням, оползневых опасностей и рисков. С учетом огромного количества публикаций по этой теме здесь приводится краткое описание параметров, которые больше всего подходят для анализа возникновения и потенциала оползневых явлений с различными механизмами (камнепадов, неглубоких оползней, потоков обломочного материала, медленно движущихся крупных оползней).

Основные слои/уровни данных, необходимые для анализа предрасположенности территорий к оползням, оползневых опасностей и рисков, можно разделить на четыре группы: данные по инвентаризации оползней; факторы окружающей среды; инициирующие (триггерные) факторы; объекты, подверженные риску [34; 36]. Из них наиболее важной является инвентаризация оползней, поскольку она дает представление о местоположении участков прошлых оползневых событий, а также о соответствующих механизмах разрушения склонов, причинах, частоте возникновения и объемах оползней, а также о нанесенном ими ущербе.

Параметры, влияющие на оползневые события

Возникновение, величина, частота и повторяемость перемещений грунтовых масс контролируются большим количеством факторов, которые можно подразделить на внутренние (обусловливающие, предрасполагающие) факторы, которые способствуют нестабильности склона, и инициирующие (провоцирующие, триггерные) факторы, которые фактически вызывают событие. Вид и вес/весомость каждого фактора зависят от условий окружающей среды (например, от климатических условий, рельефа, геологических условий, геоморфологической эволюции и соответствующих процессов) и также могут существенно варьировать в пределах рассматриваемой территории даже из-за небольших различий в условиях местности (например, в свойствах и мощности дисперсных грунтов, гидрогеологических условиях, плотности и ориентации разрывов сплошности в грунтовых массивах, рельефе). Разные комбинации факторов могут приводить к разным видам оползней в пределах одной и той же территории.

Недавний (на момент написания статьи в 2014 году. – Ред.) обзор оползневых механизмов и триггеров представлен статье [37]. В ней приводится подробное описание различных инициирующих факторов, таких как атмосферные осадки и изменения в гидрологии подземных вод, изменения геометрии склонов из-за выемки грунта или эрозии, землетрясения и связанные с ними динамические воздействия, таяние снегов и деградация многолетней мерзлоты, дегляциация и связанные с ней процессы в парагляциальной (водно-ледниковой) среде, выветривание скальных или дисперсных грунтов и связанная с ним деградация склонов, вулканические процессы и деятельность человека.

Большое разнообразие внутренних и триггерных факторов усложняет анализ предрасположенности территории к возникновению оползней и оползневой опасности. Соответственно, используемые для этого анализа методы и подходы, а также необходимые данные различаются от случая к случаю. Кроме того, важную роль играет масштаб, в котором проводится анализ. В публикации [38] обсуждается связь между доступностью данных, сложностью модели и возможностью прогнозирования. Невозможно дать строгие рекомендации по типу данных, требуемых для анализа оползневых опасности и риска в форме предписанного единого списка предрасполагающих и инициирующих факторов. Выбор причинных факторов различается в зависимости от масштаба анализа, характеристик исследуемой территории, вида оползня и механизмов разрушения склона.

Список возможных факторов, влияющих на оползневые события, представлен в таблице 2 – дифференцированно для разных оползневых механизмов. Этот список не является исчерпывающим, и важно выбрать конкретные факторы, которые связаны с видами оползней и механизмами разрушения склонов в каждых конкретных условиях окружающей среды. Однако он дает представление о типах факторов, связанных с топографическими, грунтовыми, геологическими, гидрогеологическими, геоморфологическими, погодными и климатическими условиями, а также с землепользованием, землетрясениями и деятельностью вулканов.

Таблица 2. Факторы, влияющие на оползневые события, и их релевантность для оценки предрасположенности территорий к оползням и оползневой опасности для разных механизмов оползней*

Источники входных данных

Чтобы учесть факторы, указанные в таблице 2, при анализе оползневых опасностей и рисков в любом из пространственных масштабов, описанных ранее, их необходимо представить в виде карт. В таблице 3 приводится обзор источников исходных данных, а также указаны основные типы данных, их характеристики, используемые методы и важность каждого из четырех рассмотренных типов оползневых механизмов. Источники входных данных для анализа оползневых опасностей и рисков можно разделить на следующие компоненты: лабораторный анализ, полевые измерения, работа сетей мониторинга, полевое картирование, исследование архивных материалов, дополнительные (вспомогательные данные), дистанционное зондирование.

Имеется относительно мало публикаций, в которых дается обзор источников входных данных и требований к этим данным для количественного анализа оползневых опасностей и рисков (например, [36]). В большинстве руководств по анализу оползневых опасностей и рисков (например, в [14; 15]) эта тема отдельно не рассматривается.

Обзор методов лабораторных экспериментов, полевого картирования и мониторинга, результаты которых можно использовать в качестве входных данных для количественной оценки оползневой опасности, можно найти, например, в руководстве [39] и в некоторых более поздних обзорах, например в публикации [40].

Чаще встречаются обзоры по сбору данных, связанных с отдельными компонентами. Например, в работе [41] рассматриваются геофизические методы для исследований оползневых процессов, в статье [42] – методы датирования, применяемые при исследованиях оползней, а в публикации [43] – методы использования метеорологических данных для анализа пороговых величин дождевых осадков для количественной оценки оползневой опасности. В публикации [44] представлен всесторонний обзор данных, которые необходимо собрать для характеристики и оценки физической уязвимости объектов риска, таких как здания, дороги, трубопроводы и т.д.

Хорошие обзоры по использованию данных дистанционного зондирования для анализа оползневых опасностей и рисков можно найти в работах [34, 45–49]. Сфера дистанционного зондирования претерпела очень важные изменения с появлением на околоземных орбитах спутников, которые дают изображения с разным пространственным, временным и спектральным разрешением. Для ознакомления с последней по времени (на момент написания настоящей статьи, то есть к 2014 году. – Ред.) информацией можно зайти во всеобъемлющую базу данных, размещенную по электронному адресу http://gdsc.nlr.nl/FlexCatalog/catalog.html.

В таблице 3 показан метод, используемый для сбора пространственных данных каждого типа. Многие из важнейших входных данных получены в виде точечной информации. Они либо связаны с конкретными объектами (например, оползнями, зданиями), либо являются выборочными точками, которые используются для характеристики территориальных единиц (например, типов грунтов, типов растительности). В последнем случае они должны быть преобразованы в карты посредством пространственной интерполяции с использованием корреляции окружающей среды с атрибутами ландшафта (например, с применением методов геостатистической интерполяции, таких как кокригинг, то есть совместный кригинг). Есть также точечные пункты, предоставляющие информацию по региональным переменным (например, по атмосферным осадкам), которые также необходимо интерполировать. Многие типы информации представлены в виде площадных объектов (например, оползней, зданий в плане), или они охватывают всю исследуемую территорию (например, цифровые модели рельефа, данные по растительности, геологии).

Таблица 3. Источники входных данных и их значимость для количественного анализа оползневых опасностей и рисков для разных механизмов оползней*

Как видно из примеров типов данных, перечисленных в таблице 3, для количественных исследований оползневых опасностей и рисков требуется большое количество данных. Наличие вспомогательной информации, размер изучаемой территории, однородность местности и доступность ресурсов для исследований будут определять тип и количество необходимых данных, которые в конечном итоге также будут определять тип используемого метода оценки предрасположенности участков территории к оползням и возможность преобразования карты предрасположенности в карту количественно оцененных опасностей и рисков [1, 12, 36].

Далее некоторые основные типы входных данных будут рассмотрены более подробно.

Инвентаризация оползней

Базы данных по инвентаризации оползней должны отображать информацию об оползневой деятельности (предпочтительно с указанием состояния, характера и распределения оползневой деятельности, как это было определено в работах [4, 50]). Следовательно, для них требуется информация об оползнях для более крупных территорий, полученная в разное время.

Для детальных масштабов картирования анализ оползневой деятельности часто ограничивается одним оползнем и требует большего его мониторинга.

Для того чтобы создать надежную карту, которая прогнозирует оползневые опасности и риски на определенной территории, крайне важно иметь представление о пространственной и временнОй частоте оползней – следовательно, каждое изучение опасностей или рисков должно начинаться с инвентаризации оползней, которая является максимально полной как в пространстве, так и во времени и которая соответствует международной номенклатуре [7].

Инвентаризация оползней может проводиться с помощью разных методов. Сравнительно недавний (на момент написания статьи – Ред.) обзор методов, используемых для составления оползневых карт, был представлен в работе 
[51]. Наиболее широко применяемым методом остается визуальная интерпретация стереоскопических изображений (либо аэрофотоснимков, либо оптических спутниковых изображений с очень высоким разрешением), которая позволяет проводить инвентаризацию с высоким разрешением [52] при особых местных условиях (например, при ограничениях из-за растительного покрова), если ее выполняют опытные интерпретаторы. В настоящее время хорошей альтернативой для многих областей является использование данных сервиса Google Earth, где многие части мира охвачены изображениями с высоким разрешением, которые могут быть загружены в ГИС и объединены с цифровыми моделями рельефа для получения стереоскопических изображений, необходимых для интерпретации оползней. Одним из наиболее важных достижений является возможность визуальной интерпретации оползней по изображениям с оттененным рельефом на основе ЦМР, полученных с помощью съемки лидаром (LIDAR), с которых были удалены объекты (например, растительность), расположенные на поверхности Земли [53–56].

Составление карт инвентаризации оползней с использованием визуальной интерпретации стереоизображений является трудоемкой задачей и требует обширных навыков, профессиональной подготовки и настойчивости. Во многих случаях такие опытные интерпретаторы отсутствуют или же инвентаризацию оползней необходимо выполнить в течение короткого периода времени после инициирующего события, что требует применения автоматизированных методов выявления, основанных на дистанционном зондировании. В работах
[48, 49] даются полные обзоры различных методов и инструментов дистанционного зондирования, которые могут быть использованы для (полу-) автоматизированного картирования и мониторинга оползней. В большом количестве методов применяются инструменты пассивного оптического дистанционного зондирования, такие как пиксельно-ориентированные классификация или обнаружение изменений по космическим снимкам [57–59] либо объектно-ориентированные классификация или обнаружение изменений по космическим снимкам [60, 61].

Многие методы, используемые для картирования и мониторинга оползней, основаны на цифровых измерениях высотных отметок, которые возможны с помощью широкого спектра инструментов, таких как наземные фотографии
[62], наземные видеозаписи, аэрофотоснимки с беспилотных летательных аппаратов (БПЛА)
[63], воздушная стереофотограмметрия и космическая стереофотограмметрия
[64]. Кроме того, очень успешным оказалось применение лидарных данных (данных как воздушного, так и наземного лазерного сканирования) [65]. Помимо лидара (LiDAR – лазерного локатора) наиболее полезным инструментом для картирования и мониторинга оползней с использованием дистанционного зондирования является интерферометрический радар с синтезированной апертурой (InSAR), который широко используется для измерения смещений поверхности. Для измерения смещений постоянных отражателей (рассеивателей), например зданий, с точностью до миллиметра может применяться анализ данных такого радара для одной и той же территории, полученных в разные моменты времени, с использованием метода постоянных отражателей (PS) [66] и метода малых базовых расстояний (SB) [67]. Это позволяет прослеживать историю деформаций [68].

Предрасполагающие факторы

Поскольку топографическая информация и ее различные производные играют важную роль в анализе оползневой опасности, решающее значение имеет применение цифровых моделей рельефа с высоким разрешением.

ЦМР могут быть получены большим количеством методов, таких как оцифровка горизонталей с существующих топографических карт, топографическое нивелирование, измерение расстояний электронными дальномерами, измерения с помощью дифференциальной глобальной системы позиционирования, (цифровая) фотограмметрия с использованием изображений, полученных с земли или с широкого спектра платформ, дистанционное зондирование лидаром (лазерным локатором LiDAR) и интерферометрическим радаром с синтезированной апертурой (InSAR).

ЦМР теперь доступны из нескольких источников, таких как глобальные цифровые модели рельефа SRTM (Shuttle Radar Topography Mission) 2000 года [69] и ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 2009 года [70]. В ближайшем будущем (после написания настоящей статьи. – Ред.) ожидается более точная глобальная ЦМР по данным дистанционного зондирования земли с немецкого радиолокационного спутника TanDEM-X (являющегося копией спутника TerraSAR-X, специально настроенной для цифровых измерений рельефа). Эти данные обеспечат создание ЦМР для всей поверхности Земли с вертикальной точностью 2 м и пространственной точностью 12 м
[71, 72]. Многие типы карт (например, крутизны, ориентации, длины, кривизны, площади склонов) могут быть получены на основе ЦМР с использованием операций в геоинформационных системах (ГИС).

Стандартными компонентами эвристических и статистических методов оценки оползневой опасности традиционно являются геологические карты [73–75]. Рекомендуется преобразовать традиционную легенду геологической карты, в которой основное внимание уделяется литостратиграфическому подразделению на формации, в инженерно-геологическую классификацию с уделением большего внимания четвертичным отложениям и дополнительной информации по составу скальных пород и прочности их массивов. В ходе детальных исследований опасностей составляются специальные инженерно-геологические карты и определяются типы скальных пород с использованием полевых испытаний и лабораторных измерений 
[76]. Для детального анализа применялись трехмерные геологические карты, хотя объем собранной информации по обнажениям и скважинам позволяет применять этот метод лишь для масштабов 1:5000 или крупнее. В настоящее время (на момент написания настоящей статьи. – Ред.) его применение, как правило, ограничивается исследованиями на уровне участка (например, [77]), хотя можно ожидать, что это изменится в будущем, когда станет доступна более подробная информация по скважинам и геофизическим исследованиям, поскольку компьютерные технологии и доступность данных изменили нашу способность создавать цифровые трехмерные модели неглубоких подповерхностных условий (например, [78]).

Для оценки оползневой опасности помимо литологической очень важна структурная информация. В средних и крупных масштабах предпринимались попытки создать карты с указанием направления и угла падения, основанные на полевых измерениях, но успех этого очень сильно зависит от количества структурных измерений и сложности геологического строения [79].

Ключевой проблемой при использовании физически обоснованных моделей устойчивости склонов для оценки оползневой опасности является представление свойств дисперсных грунтов, особенно для неглубоких нарушений, таких как сходы обломочных потоков и оползания, а также глубоких оползней из дисперсных грунтов [80]. Глубина залегания коры выветривания материнской породы, которую геоморфологи и инженеры часто называют глубиной залегания подошвы (толщиной, мощностью) дисперсных грунтов, определяется как глубина от поверхности до более или менее консолидированного материала. Несмотря на то что это основной фактор при моделировании оползней, в большинстве исследований проигнорирована его пространственная изменчивость и при анализе использованы постоянные значения для обобщенных частей территорий
[81–85].

Толщину дисперсных грунтов можно смоделировать с помощью физически обоснованных методов, которые моделируют скорости выветривания, денудации и аккумуляции [86, 87], либо эмпирических методов, которые определяют корреляции с топографическими факторами, такими как уклон; или же ее можно предсказать с помощью геостатистических методов [88–91]. Такие методы также использовались для моделирования распределений соответствующих геотехнических и гидрогеологических свойств дисперсных грунтов [92]. Однако точное моделирование толщины и параметров дисперсных грунтов на больших территориях остается сложным из-за их высокой пространственной изменчивости. Это означает, что окончательный прогноз гидрогеологии и устойчивости склона все же будет иметь значительную долю случайности.

Помимо ограничений по точности определения пространственной изменчивости есть два других существенных источника ошибок, которые будут распространяться на окончательные результаты моделирования гидрогеологии и устойчивости склона, – это точность измерений и временнАя изменчивость параметров [93].

Дополнительную информацию о глубине залегания подошвы дисперсных грунтов и о рельефе кровли коренных пород дают образцы грунтов, отобранные на разных глубинах при бурении скважин, и анализ кривых их гранулометрического состава, что также важно для определения гидрогеологических условий.

Геоморфологические карты создаются в различных масштабах, чтобы показать участки территорий в зависимости от их формы, материалов, процессов и генезиса. Хотя в некоторых странах, таких как Германия, Нидерланды, Польша и Бельгия, с этой целью созданы системы условных обозначений [94], общепринятых условных обозначений для геоморфологических карт не существует и в них могут быть значительные вариации в зависимости от опыта геоморфолога.

Важной областью геоморфологии является количественный анализ форм рельефа с помощью ЦМР, называемый геоморфометрией, или цифровым (морфометрическим) анализом рельефа. Она сочетает в себе элементы наук о Земле, инженерии, математики, статистики и информатики
[95]. Часть этой работы сосредоточена на автоматической классификации геоморфологических единиц территории на основе морфометрических характеристик в небольших масштабах [96] или на выделении «граней» склонов в средних масштабах, которые могут быть использованы в качестве основных картографических единиц при статистическом анализе [52].

Землепользование при изучении оползневой опасности часто рассматривается как статический фактор. И лишь при относительно немногих исследованиях изменения в землепользовании рассматривались как фактор анализа [97, 98]. Однако появляется все больше работ, в которых анализируется влияние изменений в землепользовании на оценку предрасположенности территорий к оползням [99]. Для моделирования, основанного на физических данных, очень важно иметь временнЫе карты землепользования / почвенно-растительного покрова и определять изменения в механическом и гидрогеологическом воздействиях растительности. Карты землепользования составляются обычным путем на основе спутниковых снимков со средним разрешением. В приложениях для землепользования широко применяются такие методы обнаружения изменений, как сравнение после классификации, поиск и анализ различий в изображениях, полученных в разное время, и их соотношений, а также байесовские вероятностные методы, однако несмотря на это проделанная работа по включению карт изменений в землепользовании, составленных в разное время, в исследования оползневой опасности 
была достаточно ограниченной [100].

Иницииирующие факторы

Еще один важный набор исходных данных для оценки оползневой опасности относится к инициирующим (провоцирующим, триггерным) факторам.

Информация по атмосферным осадкам, сейсмичности и деятельности человека имеет очень важные временнЫе компоненты, знание которых необходимо при преобразовании карт предрасположенности территорий к оползням в карты опасностей.

Для определения вероятности возникновения оползней, вызванных конкретным триггером, используется соотношение «величина – частота» (повторяемость) для этого вида инициирующего события. Такие соотношения могут быть связаны с возникновением оползней несколькими способами, что будет рассмотрено в обзоре позднее.

Данные по атмосферным осадкам и температуре собираются на метеорологических станциях, а затем путем интерполяции выводятся их величины для всей исследуемой территории. После этого находятся корреляции между датами исторических оползней и количествами осадков, чтобы установить пороговые значения последних [43]. Хорошим примером в этом отношении является Европейский проект по оценке климата и набору соответствующих данных (European Climate Assessment & Dataset project, http://eca.knmi.nl/).

Многообещающим подходом при изучении оползней является использование метеорологических радиолокационных станций (РЛС) для прогнозирования атмосферных осадков, поскольку он дает возможность отслеживать грозовые очаги с высоким пространственным разрешением, что, в свою очередь, позволяет составлять краткосрочные прогнозы или давать своевременные предупреждения (например, [101]).

Физически обоснованные модели
предрасположенности территорий к оползням могут включать количество атмосферных осадков в качестве динамического компонента, что позволяет составлять карты предрасположенности для будущих сценариев изменений климата [102–104].

Методы анализа предрасположенности территорий к оползням, вызванным землетрясениями, все еще не очень хорошо разработаны из-за трудностей, связанных с определением возможных сценариев землетрясений, например в отношении предшествующих влажностных условий и распределения связанных с ними косейсмических оползней [105–107]. Чтобы лучше установить взаимосвязи между сейсмическими, геологическими и связанными с рельефом факторами для прогнозирования распределения косейсмических оползней, необходимо выполнить цифровые инвентаризации реальных косейсмических оползней для различных сред, магнитуд землетрясений и механизмов разломов.

Еще один подход к картированию предрасположенности территорий к оползням, вызванным землетрясениями, – это использование основанной на эвристических правилах работы в ГИС с картами факторов, связанных с крутизной и высотой склона, типом и влажностью слагающего его материала, формами рельефа и интенсивностью сотрясений, например с применением данных USGS ShakeMap (карт движений грунта и интенсивности сотрясений, предоставляемых почти в режиме реального времени после значительных землетрясений, – продуктов программы Геологической службы США по оценке сейсмической опасности совместно с данными региональных сейсмических сетей. – Ред.)
 [108].

Объекты, подверженные риску

Объекты, подверженные риску, – это все объекты (население, имущество, окружающая среда), которые могут испытать воздействие опасных явлений. Последствия схода оползня и соответствующий риск зависят от типа таких объектов, присутствующих на территории. Их инвентаризация может проводиться на разных уровнях в зависимости от целей исследования [109].

Данные об объектах, подверженных риску, следует собирать для определенных базовых территориальных единиц, которые могут быть ячейками сетки, административно-территориальными единицами или однородными участками территорий, обладающими схожими характеристиками с точки зрения типа и плотности объектов, на которые могут воздействовать потенциальные оползни. Риски также могут быть проанализированы для линейных сооружений (например, транспортных линий) или конкретных площадок (например, мест строительства плотин).

Информацию о зданиях можно получить несколькими способами. В идеале она доступна в виде карт пятен застройки с соответствующей вспомогательной информацией о типологии, конструктивных системах, высоте, типах фундаментов зданий, а также об их стоимости и содержимом [44]. Эта информация также может быть получена из существующих кадастровых баз данных и карт (градостроительного) территориального планирования или может быть доступна в агрегированной форме в виде данных по количеству и типам зданий для каждой территориально-административной единицы. Если такие данные недоступны, то могут быть созданы карты пятен застройки с помощью экранной оцифровки изображений с высоким разрешением или с помощью автоматизированного картирования зданий с использованием многоспектральных спутниковых изображений с высоким разрешением и изображений, полученных с помощью лидара (LiDAR) [110].

Наборы данных о населении имеют статические и динамические компоненты. Статический компонент относится к числу жителей на единицу картирования и к их характеристикам, а динамический – к характеру их деятельности и распределению в пространстве и во времени. Распределение может быть выражено либо в виде абсолютного количества людей на единицу картирования, либо в виде плотности населения. Очевидным источником такой информации являются результаты переписи. Однако для многих районов данные переписей населения бывают недоступными, устаревшими или ненадежными. Поэтому для моделирования распределения людей наряду с дистанционным зондированием и ГИС могут быть использованы и другие подходы в целях улучшения пространственного разрешения данных по населению на основе доступной информации (составление так называемых карт плотности [111]).

Качество данных

Возникновение оползней определяется сложными взаимосвязями между факторами, некоторые из которых невозможно определить в деталях, а некоторые – лишь с большой степенью неопределенности. Важными аспектами в этом отношении являются в том числе погрешность, точность, неопределенность и прецизионность входных данных, а также объективность и воспроизводимость исходных карт (оценка эффективности карт оползневого районирования будет рассмотрена позже).

Точность (accuracy) входных данных относится к степени близости измеренных или отображенных на карте значений или классов карты к их фактическим (истинным) величинам или классам в полевых условиях. Погрешность определяется как разница между отображенным на карте значением или классом и истинной величиной. Прецизионность (precision) измерений – это степень близости друг к другу результатов повторных измерений при неизменных условиях. Неопределенность относится к степени, в которой фактические характеристики местности могут быть пространственно представлены на карте.

Погрешность на карте можно оценить только в том случае, если доступна другая карта или другая полевая информация, в которой нет погрешностей и которая может быть использована для верификации (например, в отношении высотных отметок). Источники таких неточностей в ЦМР были описаны в работах [95, 112]. Они могут быть связаны с возрастом данных, неполной плотностью наблюдений или пространственной выборки, ошибками обработки, такими как численные ошибки в компьютере, ошибки интерполяции или проблемы классификации и обобщения, а также с ошибками измерений, такими как погрешность позиционирования (в направлениях x и y), ошибки при вводе данных или смещение наблюдателя.

Обзоры неопределенностей, связанных с ЦМР, приведены в работах [72, 113, 114
].

Качество входных данных, используемых для анализа оползневых опасностей и рисков, связано со многими факторами, такими как масштаб анализа, время и деньги, выделенные на сбор данных, размер исследуемой территории, опыт исследователей, а также доступность и надежность существующих карт. Кроме того, имеющиеся базы данных по оползням часто характеризуются несколькими недостатками [115, 116], связанными с их пространственной и (особенно) временнОй полнотой (или неполнотой), а также с тем, что их полнота смещена в сторону оползней, которые затронули инфраструктуру, такую как дороги.

Перевод статьи выполнен при поддержке ГК «ПЕТРОМОДЕЛИНГ» и Алексея Бершова.

—

Продолжение следует