ваш спутник в мире
геопространственных решений
Режим работы:
пн-пт: 10:00 - 18:00
сб-вс: Выходной

Тематический анализ  — это процесс извлечения информации о характеристиках различных объектов на земной поверхности на основе анализа спектральных, пространственных и временных данных, полученных с помощью спутников, аэрофотосъемки или других источников ДЗЗ.
Под тематическим дешифрированием следует понимать дешифрирование антропогенных и природных объектов и их свойств с целью составления тематических карт. Тематическое дешифрирование очень обширное и перспективное направление, которое охватывает весь спектр географических наук (геология, геоморфология, геоботаника, почвоведение и др.).

Тематический анализ ДЗЗ имеет более 250 направлений (ежегодно пополняются), основы установлены подразделением ООН (Управление по вопросам космического пространства ООН (UNOOSA) и Декларацией «Принципы, касающиеся дистанционного зондирования Земли из космического пространства» (Приняты резолюцией 41/65 Генеральной Ассамблеи от 03.12.1986г).

Анализ данных, полученных с помощью ДЗЗ, широко применяется в областях, таких как география, экология, сельское хозяйство, градостроительство, геология, геодезия, а также в мониторинге катастроф, планировании ресурсов и других областях. Этот метод становится эффективным средством принятия решений и предоставляет важные сведения о земле из космоса.

Содержанием и задачей дешифрирования является получение определенного объема качественной и количественной информации о состоянии, составе, структуре, размерах, взаимосвязях и динамике процессов, явлений и объектов с помощью дешифровочных признаков.

В дешифрировании данных ДЗЗ различают 3 основных метода:

  • визуальное дешифрирование (visual image interpretation);
  • измерительное дешифрирование (image measuring);
  • автоматическое дешифрирование.

С учетом того, что современные технологии использования космических снимков предусматривают цифровую обработку данных, фактически измерительное дешифрирование частично сводится теперь к расчетам геометрических свойств дешифрируемых объектов. Таким образом, остается два основных метода дешифрирования - визуальное (экспертное) и автоматическое (автоматизированное). Последнее включает задачи классификации изображений с обучением или без (image classification), распознавания образов (pattern recognition, computer vision) и, в итоге, машинного обучения (machine learning) как перспективного направления, обеспечивающего процесс самообучения алгоритмов распознавания. Однако все еще большую часть дешифровочных работ выполняют ручным трудом.


Рис. 2 Тематический анализ космического снимка с использованием неконтролируемой классификацией (Unsupervised Classification)


По содержанию дешифрирование может быть общегеографическим (топографическим), тематическим (например, геологическим, геоботаническим, почвенным) или специальным (мелиоративным, лесоустроительным и т. п.).

Процесс дешифрирования снимков и используемые приемы всегда носят предметно ориентированный характер, т.е. зависят от типа дешифрируемых объектов. В частности, выделяют топографическое, ландшафтное, геоморфологическое, гидрологическое и другие виды дешифрирования. Соответственно каждому виду подбираются оптимальные съемочные материалы, в основном по уровню детальности (пространственного разрешения), наличию видимых и ИК каналов (NIR, SWIR) (спектральное разрешение), обеспечивающих наилучшее различение дешифрируемых объектов. Учет и анализ динамики изменений требует также наличия разновременных снимков.

Типичный съемочный материал характеризуется как избыточностью, так и недостатком информации, для восполнения которой необходимо привлечение знаний из других источников.

В целом методология дешифрирования предусматривает наличие следующих этапов:

  • изучение опыта и рекомендаций по данному виду дешифрирования и по конкретной местности;
  • выявление набора объектов дешифрирования (объектов интереса) и присущих им дешифровочных признаков;
  • подбор съемочного материала и вычислительных средств (компьютерных программ), позволяющих использовать выявленные дешифровочные признаки объектов интереса;
  • дешифрирование снимков и оценка достоверности результатов;
  • оформление результатов дешифрирования.

Решаемые задачи

Главной задачей тематического анализа является классификация и опознание требуемых объектов местности на снимках, полученных в результате наземной, аэро- и космической фотосъемок поверхности, для создания соответствующих тематических карты при различных задачах, таких как:

  • Создание цифровых топопланов и топографических карт всего масштабного ряда
  • Изучение состава и изменений сельскохозяйственных полей, городской инфраструктуры;
  • Определение состава водных акваторий;
  • Разведка месторождений полезных ископаемых;
  • Таксация лесов;
  • Разведка месторождений нефти и природного газа;
  • Выявление локальных источников загрязнений;
  • Изучение структуры и динамики природных территориальных комплексов;
  • Создание тематических и специальных карт;
  • Определение динамики таяния ледников;
  • Создание тематических карт ледовой обстановки;
  • Определение деградации сельскохозяйственных угодий;
  • Определение нарушений лесного покрова
  • Планирование и развитие городов и регионов
  • Бизнес-анализ для определения оптимальных мест для открытия филиалов и других коммерческих целей
  • Прочие задачи.

На сегодняшний день тематический анализ идет в ногу вместе с развитием всего рынка данных ДЗЗ; сами по себе аэрокосмические снимки без их дешифрирования могут быть бесполезны для простых обывателей, чей глаз не привык к такому роду получения информации.

Именно тематическое дешифрирование предоставляет пользователям драгоценную информацию для решения невероятного количества задач.

Нужна консультация?

Оставьте заявку, и мы с вами свяжемся.

Нажимая кнопку «Отправить», я даю свое согласие на обработку моих персональных данных, в соответствии с Федеральным законом от 27.07.2006 года №152-ФЗ «О персональных данных», на условиях и для целей, определенных в Согласии на обработку персональных данных.

Примеры реализации

Создание породной карты лесничества

Создание цифрового картографического материала масштаба 1:25000 (карта-схема лесов по преобладающим породам) на территорию участкового лесничества

Решение:

  • С помощью визуального дешифрирования определили границы земель, занятых лесами.
  • С помощью визуального дешифрирования и методом автоматической классификации с точностью, соответствующей пространственному разрешению космических снимков, определили породный состав леса (лиственница, осина, береза, пихта, ель, кедр, смешанный лес, сосна, редколесье).
  • Произвели выделение объектов: гидрографии (площадная и полигональная), контуров и кварталов населенных пунктов, земель незанятых древесной растительностью, вырубок леса, просек и лесосек.
  • Создали поквартальную базу данных в виде таблицы с указанием площади территории и указанием породного состава.


Результат:

Перечень материалов, переданных заказчику:

  • Цифровой картографический материал М 1:25 000 в формате JPEG в электронном виде.
  • Поквартальная база данных в формате EXL и Shape с указанием площади территории и указанием породного состава (лиственные или хвойные деревья).
  • Shape-файлы полигональных и линейных объектов, выполненные в ходе составления цифрового картографического материала.
  • Система координат – WGS 84, проекция – UTM.

Проведение дистанционной геологоразведки золоторудного месторождения

Задача:

  • Подбор материалов космической съемки на территорию интереса Заказчика;
  • Предварительная обработка материалов ДЗЗ в специализированном ПО;
  • Создание картосновы масштаба 1:50 000.
  • Спектральный анализ космических снимков высокого и среднего разрешения с применением минеральных индексов;
  • Интерпретация полученных данных в результате проведения спектрального анализа космоснимков.

Решение:

Подбор снимков среднего пространственного разрешения, имеющих SWIR-диапазона съемки. Он позволяет производить картографирование горных пород и минералов.

Извлечение участка снимка по отмеченным Заказчиком границам. Атмосферная и радиометрическая коррекции полученных данных. Нормализация значений пикселей изображения. Вычитание из фрагмента растра созданных масок растительности и облачности;

Следующим ключевым этапом является выбор спектральной библиотеки и расчет минеральных индексов, по которым будет производиться анализ изображений. Для выполнения данного проекта выбрана эталонная библиотека минералов USGS, а также собственная библиотека ООО «ГЕО Иннотер». В качестве минералов-индикаторов медно-порфировых месторождений вычислены минеральные индексы каолинита, фенгита, мусковита, кварца, железа, и др.

Результат:

Выделены рудоперспективные участки золотомедного оруднения, часть из которых были также выделены по результатам предыдущих исследований других исполнителей. Схемы распространения минералов-индикаторов.

Полученные результаты с применением методов ДЗЗ сопоставлены Заказчиком с ранними результатами иных работ (включая геофизику и полевые): процент совпадения 76%.

Два участка признаны неперспективными, 6 участков определены как новые перспективные, и 16 участков совпали с ранее выделенными, как перспективные. Проведена приоритезация участков для дальнейшего исследования.

Площадь выделенных участков: от 74 га (0,74 км2) до 473 га (4,73 км2).

Заказчик продолжит работу с ООО «ГЕО ИННОТЕР» по данному проекту с приобретением новой съемки сверхвысокого разрешения в видимом диапазоне и высокого разрешения в SWIR-диапазоне, а также китайской гиперспектральной космической съемки для проведения следующего этапа работ.


Рис. 3. Проект, выполненный специалистами ООО "ГЕО Иннотер" по геологической разведке месторождений полезных ископаемых


Оценка состояния сельскохозяйственных угодий

Задача:

Провести оценку состояния сельскохозяйственных угодий, их классификацию по типу сельскохозяйственных земель или комплексу ландшафтов и составление тематической карты.


Рис. 4. Участок безоблачной мозаики в комбинации каналов 7-5-3

Решение:

  1. Получение космических снимков Landsat-8 с облачностью менее 10%.
  2. Обработка космических снимков, включающая в себя:

- Ортотрансформирование космических снимков, для получения точных границ сельскохозяйственных угодий;

- Формирование безоблачной мозаики.

  1. Классификация безоблачной мозаики на фиксированной количество классов, близких по спектральной сигнатуре.
  2. Векторизация результатов классификации для площадной оценки.
  3. Группировка векторных объектов космического снимка в соответствии со значениями в атрибутивной таблице, появившихся в результате классификации.
  4. По топоснове сопоставили объекты, используя интерпретацию комбинаций каналов Landsat 8, которая дает изображение близкое к естественным цветам:
  • сухостойная растительность – оранжевый цвет;
  • открытая почва – ярко-розовая;
  • здоровая растительность – ярко зеленая;
  • травянистые сообщества – зеленые;
  • разреженная растительность – коричневые и оранжевые тона.
  1. Классификация в соответствии с цветами, полученных при комбинации каналов.
  2. Векторизация результатов классификации, произведенной на основе комбинации каналов.
  3. Формирование индексов NDVI, NDMI, ARI1 для оценки состояния растительности, используя безоблачную мозаику.
  4. Сопоставления значения индексов с результатом векторизации.
  5. Составление тематических карт.

Результат

1) Тематическая карта с 6 классами:

  • влажный растительный покров;
  • участки с разнотравяной растительностью;
  • открытые такыровидные участки;
  • пашни;
  • неиспользуемые земли;
  • антропогенные участки (оголенные участки).

2) Векторный слой с площадями каждого класса.

3) Тематические карты состояния растительности согласно индексам NDVI, NDMI, ARI1


Рис. 5. Классификация участка безоблачной мозаики на 6 классов

Наши клиенты

Часто задаваемые вопросы

Тематический анализ данных ДЗЗ это этап анализа (интерпретации) изображения, прошедшего предварительную обработку. Конечная цель — реализация процесса обнаружения и распознавания обнаруженных объектов, который называется дешифрированием изображения. Результаты тематической обработки аэро и космических изображений могут быть представлены в виде набора тематических карт, отражающих пространственное размещение, качественные и количественные характеристики природных и хозяйственных объектов соответствующей территории.

Космические снимки предоставляют возможность изучить количественные и качественные признаки поверхности земли, определить границы объектов и др.. Самым доступным способом распознавания снимков является визуальное дешиврирование, например, через просмотр Яндекс.Карты или Google.Maps

Разновременные космические снимки признаются эффективным источником информации о текущих изменениях показателей объекта исследования.

Методика анализа это подробное описание выполнения аналитических реакций с указанием условий их выполнения. Её задачей является овладение навыками эксперимента и сущностью аналитических реакций.

Дешифрирование данных ДЗЗ – это процесс распознавания объектов и территорий, их свойств, взаимосвязей по их изображениям на снимке. Дешифрирование бывает полевым и камеральным. Камеральное делится на визуальное и автоматизированное.

Основной прямой дешифровочный признак - форма (вид внешнего контура) топографического объекта. По этому признаку устанавливается наличие объекта и его свойства

Камеральное дешифрирование выполняется по дешифровочным признакам: прямым, косвенным.

Для дешифрирования используют дешифровочные признаки, которые делят на две большие группы: прямые и косвенные. Прямые дешифровочные признаки относятся непосредственно к самому объекту, косвенные - к другим объектам (индикаторам), т. е. это прямые признаки других объектов.

Камеральный метод дешифрирования снимков предусматривает распознавание объектов и получение их характеристик без выхода в поле путем изучения свойств снимков.

Лицензии

Наши партнеры

Заказать обратный звонок
К началу страницы