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.
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.
У нас можно заказать
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.
Примеры применения
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.
Оценка состояния сельскохозяйственных угодий
Создание цифрового картографического материала масштаба 1:25000 (карта-схема лесов по преобладающим породам) на территорию участкового лесничества
- Задача:
-
Провести оценку состояния сельскохозяйственных угодий, их классификацию по типу сельскохозяйственных земель или комплексу ландшафтов и составление тематической карты.
- Решение:
-
- Получение космических снимков Landsat-8 с облачностью менее 10%.
- Обработка космических снимков, включающая в себя:
- ортотрансформирование космических снимков, для получения точных границ сельскохозяйственных угодий;
- формирование безоблачной мозаики.
- Классификация безоблачной мозаики на фиксированной количество классов, близких по спектральной сигнатуре.
- Векторизация результатов классификации для площадной оценки.
- Группировка векторных объектов космического снимка в соответствии со значениями в атрибутивной таблице, появившихся в результате классификации.
- 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.
- Классификация в соответствии с цветами, полученных при комбинации каналов.
- Векторизация результатов классификации, произведенной на основе комбинации каналов.
- Формирование индексов NDVI, NDMI, ARI1 для оценки состояния растительности, используя безоблачную мозаику.
- Сопоставления значения индексов с результатом векторизации.
- Составление тематических карт.
- Результат:
-
- Тематическая карта с 6 классами:
- влажный растительный покров;
- участки с разнотравяной растительностью;
- открытые такыровидные участки;
- пашни;
- неиспользуемые земли;
- антропогенные участки (оголенные участки).
- Векторный слой с площадями каждого класса;
- Тематические карты состояния растительности согласно индексам NDVI, NDMI, ARI1
- Тематическая карта с 6 классами:
Выполненные проекты
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.
Лицензии
Наши партнеры
