Что такое дзз дешифрирование гис технологии
Общедоступные данные дистанционного зондирования Земли: как получить и использовать
Дистанционное зондирование Земли (ДЗЗ) — наблюдение поверхности Земли наземными, авиационными и космическими средствами, оснащёнными различными видами съемочной аппаратуры [википедия]. Поговорим о возможностях, предоставляемых бесплатными и общедоступными данными. Всего не перечислить, поэтому расскажу только о том, с чем я сам работаю, все примеры кода и картинки мои собственные. Исходный код по ссылкам представлен на языке Python 3 в виде Jupyter Notebooks на GitHub.
Картинка ниже показывает смещение поверхности Земли относительно спутника (красным цветом обозначено смещение вверх и синим — вниз) в результате землетрясения (6.5 баллов) — как видим, горы «подросли» (на 20-30 см) и долины углубились (на 15-20 см). Можно ли это замерить локально? Да, с помощью сети наземных приемников GPS, для которых местоположение можно вычислить с очень высокой точностью, но это дорого и сложно, а точность спутниковых наблюдений уже превосходит наземные. Кстати, показанная интерферограмма вычислена за пару часов на обычном лаптопе с помощью Open Source утилит GMTSAR (фактически, это расширение для знаменитых в области наук о Земле утилит GMT).
Как растут горы — спутниковая интерферограмма землетрясения магнитудой 6.5 баллов в Монте Кристо, Невада, США
Где брать данные ДЗЗ
Данные спутниковых аппаратов по отдельности доступны в каталогах управляющих спутниками организаций, а еще существуют открытые каталоги, включающие множество датасетов, особенно интересен каталог Google Earth Engine Datasets, все данные из которого могут быть бесплатно обработаны с помощью системы Google Earth Engine: A planetary-scale platform for Earth science data & analysis. Каталог включает амплитудные радарные снимки, но не фазовые (поскольку операции усреднения и другие для них не имеют смысла, из них нельзя построить композит на всю территорию планеты и в глобальном каталоге они бесполезны). Для получения оптических и радарных снимков со спутников Sentinel-1 и Sentinel-2 удобна Python библиотека SentinelSat, для скачивания рельефа SRTM 30м и 90м существует Python библиотека Elevation. Смотрите также продукты в виде GeoTIFF или NetCDF файлов на сайтах:
Примеры данных ДЗЗ
Спутники на удивление много всего умеют измерять, и часто с поразительной точностью, а главное, многие собранные данные бесплатны и легко доступны. Что интересно, десятилетие назад точность и количество данных дистанционного зондирования, разумеется, уступали современным, но скорее количественно (доступное разрешение выросло в несколько раз, частота получения данных увеличилась, орбиты спутников стали известны точнее и это улучшило качество обработки результатов измерений и т.п.), чем качественно. Перечислим некоторые популярные и открыто доступные данные:
Compare Spectrograms of Hyperspectral and Multispectral Satellite Missions
Что еще можно узнать о Земле по данным ДЗЗ
Результаты прямых дистанционных измерений не только широко используются сами по себе, но и служат основой для получения многих других результатов, включая:
Перечисленные глобальные модели очень полезны, например, решением обратной задачи гравики можно восстановить соответствующее распределение гравитационных потенциалов, то есть построить модель (аномалий) геологической плотности:
Геологическая модель островов Фого (справа) и Брава (слева), Кабо-Верде
А кроме того, для детального изучения территорий существует множество способов локального улучшения разрешения данных.
Пример: создание локальных гравитационных карт высокого разрешения
Можно построить детальные гравитационные карты, используя спутниковую гравиметрию и детальный рельеф (30м и точнее) или космические снимки (10м). Здесь и далее подразумевается вертикальная компонента гравитационного поля.
Что интересно, многие отечественные геофизики не понимают, как это возможно (преобразование Фурье явно «прошло» мимо них), хотя методики построения глобальных гравитационных моделей (доступны только в оригинале, то есть, на английском языке) WGM2012, Sandwell & Smith Gravity, GGM plus 2013 общедоступны. Впрочем, совсем не обязательно их читать целиком, поскольку основой служит простой и легко проверяемый факт. Посмотрим вот эти графики корреляции (в некоторых источниках используется термин когерентность, хотя сами вычисления аналогичны) между гравитационным полем и рельефом:
[https://www.linkedin.com/pulse/computing-coherence-between-two-dimensional-gravity-grids-pechnikov/](Spectral Coherence between Gravity and Bathymetry Grids)
Здесь слева показано значение корреляции между гравитационными данными и батиметрией (рельефом дна), сдвиг от нуля вправо по оси абсцисс объясняется тем, что гравитационные данные измерены на поверхности, а батиметрия (очевидно) на дне, при этом глубина изучаемой территории составляет 3-4км. Справа показан график, аналогичный полученному в известной статье от НАСА (включена в сборник рецептов для батиметрии GEBCO, в статье по ссылке описано подробнее), где также есть аналогичное смещение от нуля по оси абсцисс. Длина волны означает характерный размер неоднородности; как видим, мы можем вычислить значение гравитации по батиметрии (рельефу дна). Разумеется, на суше все аналогично, просто оригинальная статья относится именно к данным батиметрии. Подробности и исходный код доступны по ссылке выше.
Ключевым моментом является линейная связь спектральных компонент гравитационного поля и рельефа — для каждой длины волны (характерного размера неоднородностей) отношение спектральных компонент постоянно. Однако, поскольку это отношение является функцией длины волны, линейная связь между непосредственно гравикой и рельефом отсутствует! Замечу, что характер этой связи известен (да, в общем, и очевиден — амплитуда компонент должна быстро уменьшаться, чтобы энергия поля была конечной) и по нему можно вычислять геологическую плотность через индекс фрактальности, но это, как говорится, совсем другой разговор, ограничусь просто ссылкой на статью и программный код: The Density-Depth Model by Spectral Fractal Dimension Index
Пример вычисления локальной гравики высокого разрешения по данным рельефа (исходный код доступен по ссылке ниже):
Build Super-resolution Gravity from GGMplus Free-Air Gravity Anomaly (200m) enhanced by SRTM topography (30m)
Аналогично можно использовать и ортофотоснимки или космоснимки для улучшения детальности рельефа (исходный код доступен по ссылке ниже):
В каждом случае, перед вычислениями необходимо строить коррелограмму, как описано выше, и проверять наличие высокой корреляции между спектральными компонентами. При отсутствии такой корреляции исходные данные некорректны и качества результатов окажется непредсказуемым. Причинами отсутствия корреляции могут быть ошибки позиционирования данных друг относительно друга (существенное смещение координат) или плохое качество снимка (заметные облака или невидимая глазом облачная дымка), а также некорректность используемой в качестве основы гравики на выбранной территории (например, качество модели гравики GGM plus 2013 хорошее на территории Индонезии и плохое в Южной Америке).
Заключение
Существует еще множество вариантов использования данных дистанционного зондирования Земли и при наличии общедоступных и бесплатных платформ для их облачной обработки, таких, как Google Earth Engine: A planetary-scale platform for Earth science data & analysis каждый может попробовать свои силы. Google Earth Engine (GEE) предоставляет также множество примеров скриптов, в том числе, для визуализации каждого доступного набора данных. Аналогично, Open Source утилиты GMTSAR сопровождаются множеством примеров и обширной документацией.
Дешифрирование данных дистанционного зондирования Земли (ДЗЗ)
Дешифрирование космических снимков — технологически сложный процесс, требующий большого опыта специалистов в области фотограмметрии и картографии.
Дешифрирование ДЗЗ включает в себя предварительный и основной этапы, предполагающие обработку дистанционных данных, выравнивание яркостных характеристик под различные типы объектов, создание мозаичных покрытий и др. Сотрудники Геопространственного агентства «Иннотер» готовы взять на себя ответственность за дешифрование материалов ДЗЗ, полученных путем космической и аэросъёмки для государственных и частных интересов.
Преимущества дешифрирования космоснимков
Дешифрование космических снимков осуществляется при помощи визуальных и автоматизированных методов. Технология визуального разбора основывается на сопоставлении доступного массива информации и квалификации специалиста. Исходные материалы могут быть взяты на этапе полевых исследований, во время анализа картографических и архивных материалов. Полагаясь на данные из вышеупомянутых источников, специалисты нашей компании проводят визуальное дешифрирование объектов основываясь на первичных и вторичных дешифровочных признаках.
В основе автоматизированных способов лежат математические методы, дающие возможность группировать объекты, полагаясь на яркость, текстуру, структуру изображения. То есть, основой в данном случае служит некий формализованный признак.
Визуальные методы дешифрирования космических снимков наделены неоспоримыми достоинствами. Среди главных преимуществ рассматриваемой методики стоит выделить высокую достоверность распознавания данных, в то время как автоматизированные технологии не могут похвастать тем же: в последнем случае отмечается высокая производительность, столь необходимая при выявлении несложных однородных объектов на территориях больших площадей.
Актуальные обстоятельства и целесообразность дешифрования
Сегодня есть немало причин, по которым дешифрование ДЗЗ считается целесообразной и даже обязательной процедурой. Аэрокосмические снимки можно применять в различных сферах деятельности человека. Предлагаем ознакомиться с основными целями дешифрования данных дистанционного зондирования Земли:
Профильные специалисты, благодаря опыту и программно-техническому оборудованию, выбирают комплексный подход к дешифрованию ДЗЗ, благодаря чему приобретение результатов их трудов считается целесообразным и выгодным. Распознавание космических снимков интересует представителей природоохранного комитета: результаты работы сотрудников нередко используются для контроля рубок леса в охраняемых зонах леса.
Данные, полученные в результате исследовательской работы инженеров, используются для информирования о масштабах лесовосстановления, контроля параметров лесосек, обновления карт определенных масштабов. Также полученные данные помогают при создании карт автодорог, во время проектирования инженерных сетей. Масштабные строительные проекты невозможно реализовать без дешифрования данных зондирования Земли, так же как без предварительных геолого-географических исследований.
Открывающиеся возможности дешифрирование снимков
Современный рынок данных дистанционного зондирования открывает немало возможностей в области выбора формата, типа, пространственного и радиометрического разрешения космических снимков, которые могут применяться в целях создания и обновления геопространственной информации. В зависимости от поставленной задачи сотрудник компании может подобрать необходимое разрешение космического снимка.
Если перед специалистом стоит задача по крупномасштабному топографическому картографированию, используются снимки сверхвысокого разрешения. В целях тематического картографирования применяются в большей мере снимки сенсоров среднего пространственного разрешения. Такое решение находит применение в подавляющем большинстве случаев, когда возникает потребность в дешифрировании данных зондирования Земли.
Современные снимки, имеющие более низкое разрешение, также представляют большой интерес для науки и не только. В них кроется немалый объем полезной информации, помогающей решать задачи тематического картографирования. Стоимость услуг сотрудников компании «Иннотер» напрямую зависит от сложности и объемов предстоящей работы.
ГИС и дистанционное зондирование.
Глава 3. ГИС КАК ОСНОВА ИНТЕГРАЦИИ ПРОСТРАНСТВЕННЫХ ДАННЫХ И ТЕХНОЛОГИЙ
3.1. ГИС и дистанционное зондирование
Данные дистанционного зондирования (ДДЗ) — важнейший источник оперативной и современной информации о природной среде для тематических слоев в ГИС, для поддержания данных в актуальном состоянии и других целей. ГИС-технологии способствуют их эффективному совместному использованию.
При изучении земной поверхности дистанционными методами носителем информации об объектах является их излучение, как собственное, так и отраженное (см. 2.1.1). Фиксируемые характеристики излучения зависят от пространственного положения, свойств и состояния объекта, что и способствует его дистанционной идентификации.
Большую часть данных дистанционного зондирования составляют снимки, которые дают возможность получения сведений об объекте в виде изображения в цифровой (данные, передаваемые на наземную станцию, как правило, по радиоканалам или фиксируемые на борту на магнитных носителях) или аналоговой (фотографии) формах. Цифровые данные представляют интегральное излучение площадки на земной поверхности, соответствующей элементу изображения — пикселу. Если измерения ведутся в нескольких различных частях электромагнитного спектра — спектральных зонах, то такие снимки называются многозональными (рис. 32).
Рис. 32. Пиксел и зоны растрового изображения (доступно при скачивании полной версии книги)
Отраженное излучение характеризует отражательную способность объекта, представляемую значениями спектральной плотности энергетической яркости, которую измеряют с помощью дистанционного датчика. Получаемые в результате величины переводятся в дискретные безразмерные цифровые значения, соответствующие характеристикам отражательной способности. В отечественной литературе они называются коэффициентами спектральной яркости или короче — спектральной яркостью. Записанные посредством регистрирующего устройства цифровые значения изменяются в пределах радиометрического битового диапазона, ширина которого зависит от характеристик датчика — обычно это интервал 0-255. На изображении эти значения соответствуют оттенкам серой шкалы: 0 представляет абсолютно черный объект, 255 — абсолютно белый, а промежуточные значения соответствуют различным оттенкам серого цвета. Таким образом, детектор любого спутникового датчика регистрирует определенную часть электромагнитного спектра, а получаемые им спектральные яркости занимают часть битового диапазона.
Изучение характеристик отражательной способности дает теоретическую основу для интерпретации объектов по набору их спектральных яркостей или их отношениям. В этой области классическими являются исследования Е.Л.Кринова [Е.Л.Кринов, 1947], разработавшего спектрометрическую классификацию природных образований в видимой области спектра, которые затем были продолжены и в инфракрасную (ИК) область. Все многообразие объектов ландшафта он разделил на четыре класса, каждый из которых отличается своеобразной кривой спектральной яркости (рис. 33) [Ю. Ф. Книжников, 1997]:
I класс — горные породы и почвы — характеризуется увеличением спектральных яркостей по мере приближения к красной зоне спектра;
II класс — растительный покров — отличается характерным максимумом отражательной способности в зеленой, минимумом — в красной и резким увеличением отражения в ближней инфракрасной зонах. В зеленой и красной зонах такое поведение связано соответственно с отражением и поглощением лучей хлорофиллом, а большие значения в ИК-зоне объясняются пропусканием инфракрасных лучей хлорофиллом и отражением их внутренними тканями листьев, т. е. зависит от структуры лиственного покрова.
III класс — водные поверхности — характеризуются монотонным уменьшением отражательной способности от сине-фиолетовой к красной зоне спектра, поскольку с увеличением длины волны сильнее поглощаются водой;
IV класс — снежные поверхности и близкие к ним облака — обладают наиболее высокими значениями спектральной яркости с небольшим их понижением в ближней ИК-зоне. Понижение резко увеличивается при насыщении снега водой.
Рис. 33. Спектральная отражательная способность основных классов природных объектов (серым цветом показаны зоны атмосферного поглощения) (доступно при скачивании полной версии книги)
Спектральная отражательная способность различается и у объектов одного класса, что связано с различными факторами: экологическое состояние объекта, увлажненность, гранулометрический состав и т. п. Многозональные снимки отражают специфику различных объектов, проявляющуюся в отражении в каждой из узких зон. Системы получения данных ДЗ проектируют так, чтобы фиксировать эту специфику, но в разных системах выбирают разные наборы зон и разные значения в их пределах с учетом назначения съемок. В видимой области спектра специфика проявляется и в цветовых различиях.
На цифровых радиолокационных снимках, получаемых в диапазоне 1 мм — 1 м, фиксируется структура («шероховатость») поверхности, а цифровые значения соответствуют разности высот поверхности, включая рельеф и микрорельеф, высоты объектов (деревьев, травы и т.п.). По таким снимкам изучают поверхностные загрязнения и поведение вод океанов, озер и других водных
бассейнов, а также структуру их дна, поскольку поверхностные вихри, зыбь и волны во многом зависят от его характера.
Исследования показывают, что комбинирование данных радиолокации и полученных в видимой и ИК-областях спектра обеспечивают более полную картину земной поверхности, что существенно расширяет сферу их применения.
Дешифрирование данных дистанционного зондирования
Технологии и требования к дешифрированию данных дистанционного зондирования
Данные дистанционного зондирования представляют собой новую космическую съемку со спутников «WorldView-2», «WorldView-3», «GeoEye-1» в виде цветного синтезированного изображения с пространственным разрешением 50 см. Уровень обработки – Standard Ortho Ready. Формат – GeoTiff (UTM WGS-84).
Данные дистанционного зондирования (космические снимки) будут получены до начала полевых работ. Съемка выполняется в период с 15 июля 2015 г. по 15 августа 2015г.
Максимальный уровень облачности изображений не превышает 15%. Углы отклонения от надира – 0-30 градусов.
Дешифрирование космоснимков – это выявление, распознавание и определение характеристик площадей или объектов, изображенных на них.
Дешифрирование материалов дистанционного зондирования Земли (космоснимков) проводится с целью получения информации о пространственном размещении географических объектов, занимаемых ими площадях, а также выявления динамики и особенностей функционирования таких объектов.
В зависимости от задач, решаемых в ходе дешифрирования космоснимков, различают: общее дешифрирование (комплексное, или общегеографическое) и отраслевое (тематическое, или специальное).
Общее дешифрирование включает разновидности: топографическое и ландшафтное. Разновидностей отраслевого довольно много: геологическое, геоморфологическое, почвенное, лесное, гидрологическое и др.
Выполняется дешифрирование по демаскирующим (характеризуют объект в натуре) и дешифровочным (на снимке) признакам.
Различают прямые, косвенные и индикационные признаки дешифрирования.
Прямыми дешифровочными признаками называют те, которые передаются непосредственно и воспринимаются дешифровщиком по присущим им показателям на снимке. К ним относятся: тон или цвет (соответственно, на черно-белых или цветных снимках), форма, размер, структура (рисунок), текстура и тень, а также характер границ изображений.
Косвенные дешифровочные признаки указывают на наличие объектов по их приуроченности к другим. Например, копны сена позволяют выделить сенокосы (луга), а волока, оставленная древесина и сохранившийся подрост с тонкомером – вырубку. Косвенные признаки не всегда могут быть на конкретном участке.
Индикационные дешифровочные признаки, то есть определение одних компонентов ландшафта по другим, физиономичным, легко опознаваемым на снимке, так называемым индикаторам – распространенный прием географического дешифрирования.
В качестве индикаторов в зависимости от географических условий могут выступать отдельные компоненты природной среды, называемые частными индикаторами. Чаще в такой роли выступают растительность и рельеф. Так, в лесной зоне почвы распознаются по типу растительности: индикатором подзолистых почв служат лесные насаждения, а торфянистых – болотная растительность.
В отдельных случаях дешифрирование выполняется не по частным, а по комплексным индикаторам, т. е. по облику природно-территориальных комплексов. В таком случае говорят о ландшафтной индикации, или ландшафтном методе дешифрирования. Сущность его заключается в распознавании ПТК по всей совокупности признаков, нашедших отражение на снимке, для последующего выявления, изучения и картографирования отдельных составляющих ландшафта. Ярким примером служит изучение и картографирование подземных вод.
Источники для установления дешифрировочных признаков кроме фотоснимков могут быть самыми разнообразными: справочные пособия, общая и региональная географическая литература, изданные топографические карты, фондовые и рукописные материалы, материалы специальных исследований.
Общий методический подход при дешифрировании заключается в опоре на изученные признаки и закономерности развития явления на эталонных участках.
Эталоны дешифрируемых объектов обязательно должны носить региональный характер. Подбирается обычно фототека стереопар или банк опорных данных наиболее типичных выделов. В то же время эти данные должны использоваться и быть непосредственно связаны с ГИС-технологиями. Описание эталонов, выявление их особенностей, определение количественных характеристик должны опираться на природно-территориальные комплексы, учитывающие рельеф, климат, гидрографию, лесорастительные условия. Поэтому при разработке методики дешифрирования космоснимков одной из важнейших задач является изучение вопросов зонирования территории и выделения основных типов экосистем региона.
Выделение ключевых эталонных участков (выделов) покрытой лесом площади, не покрытой и нелесной в натуре и на снимке невозможно без тщательного изучения территории. Они должны быть минимизированы количественно и в то же время охватывать все многообразие природных и антропогенных ландшафтов. Именно поэтому, для разных этапов работ по мониторингу возможно два типа дешифрирования, для последующего создания тематических карт.
По месту производства топографическое дешифрирование может быть полевым и камеральным.
Сплошное камеральное дешифрирование, как и сплошное полевое, выполняется редко. Обычно они комбинируются в различных сочетаниях и соотношениях. Технология совместного выполнения предполагает две основных схемы:
— полевое дешифрирование по маршрутам с последующим камеральным;
— предварительное камеральное дешифрирование с последующей полевой доработкой.
Вторая технологическая схема является более рациональной и экономичной, так как ограничивается минимальным объемом полевых маршрутов, тщательно продуманных в процессе предварительного камерального дешифрирования, которое является одновременно и этапом разработки проекта полевого обследования.
При второй схеме существует следующая последовательность операций:
— Изучение района, анализ имеющихся материалов;
— Предварительное камеральное дешифрирование
— Составление проекта полевого обследования
— Полевая доработка дешифрирования
— Выборочный полевой контроль камерального дешифрирования
— Полевая приемка оригинала
Таким образом, одноразовый выезд на местность позволяет выполнить полевое дешифрирование и контроль камерального.
Данные ДДЗ позволяют с высокой точностью дешифрировать даже мелкие объекты и явления, и создать комплект карт.
Все данные, полученные в результате дешифрирования данных дистанционного зондирования Земли, будут представлены в графическом виде (тематические карты масштаба 1:25 000), а также в электронном виде, в форматах поддерживаемых программными продуктами MapInfo или ArcGis.
Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Студалл.Орг (0.006 сек.)