Войти на сайт
МЕЖДУНАРОДНЫЕ ЕЖЕГОДНЫЕ КОНФЕРЕНЦИИ
"СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО
ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА"
(Физические основы, методы и технологии мониторинга окружающей среды, природных и антропогенных объектов)

Пятнадцатая Всероссийская открытая конференция "Современные проблемы дистанционного зондирования Земли из космоса"

Участие в Тринадцатой Всероссийской научной школе-конференции по фундаментальным проблемам дистанционного зондирования Земли из космоса 

XV.B.454

Анализ перспектив применения концепции геоинформационного пространства на основе нечетких методов и алгоритмов обработки данных спутникового мониторинга

Крамаров С.О. (1), Храмов В.В. (1), Сахарова Л.В. (2), Митясова О.Ю. (1)
(1) Институт информационных систем Южного университета, Ростов-на-Дону, Россия
(2) Южный университет (ИУБиП), Ростов-на-Дону, Россия
Становление в последние годы концепции цифрового общества, в котором большая часть работающих занято хранением, переработкой и применением информации, особенно высшей её формы — знаний, нашло наглядное отражение в разработке и развитии проекта Цифровая Земля [1] и Цифровая дорога [5]. В рамках этого направления хотелось бы обратить ваше внимание на проект СМАРТ (Спутниковый Мониторинг Активного Развития Территорий), разрабатываемый и внедряемый в Южном федеральном округе.
Рассмотрим классический вариант основных этапов «жизненного цикла» спутниковой информации в ГИС [1]:
1. Получение спутниковых данных
2. Архивация
3. Первичная обработка
4. Тематическая обработка
5. Формирование информационного продукта (Карты, отчеты, цифровые план-схемы (ЦПС)[2]).
Для реализации варианта последних трех этапов были проведены исследования, запатентованы способы, устройства и программные продукты интеллектуальной поддержки соответствующих цифровых технологий.
Спутниковые системы дистанционного мониторинга (СДМ) - это на сегодня один из эффективных и практичных инструментов получения данных о состоянии самых разных пространственно распределенных как природны, так и искусственных (антропогенных) объектов. Причем, за последние десятилетия достигнут значительный прогресс в развитии методов и технологий дистанционного зондирования Земли из космоса (ДЗЗ). Появились и стали активно использоваться комплексы наблюдения Земли нового поколения, что, соответственно, открыло новую эстраницу СДМ и позволило, в том числе и в России, создать принципиально новые, высокоавтоматизированные технологии работы с данными ДЗЗ [9]. Это позволило перейти к активному этапу создания и внедрения специализированных СДМ, ориентированных на решение задач
контроля конкретных явлений, процессов и объектов в интересах различных
хозяйственных отраслей, в том числе и на железнодорожном комплексе.
Эффективность использования технологий спутникового мониторинга
особенно высока в случае необходимости осуществления регулярного и объективного контроля ситуации на протяженных территориях [7], информацию о которых фактически невозможно оперативно получать традиционными методами наземных измерений или авиационной съемки.
При этом технологии спутникового ДЗЗ позволяют создавать максимально автоматизированные схемы обработки и использования космических данных, что, в свою очередь, обеспечивает получение максимально свободной от влияния человеческого фактора информации о состоянии и динамике различных процессов и явлений. Этим обусловлено активное использование методов спутникового дистанционного зондирования при мониторинге распределенных геотехнических систем, подверженных различным экзогенным воздействиям, в частности, территорий занятых сельскохозяйственным производством, объектах городской застройки, протяженных инфраструктурных объектах топливно-энергетического и транспортного комплекса [9].
В процессе этих исследований встал вопрос о необходимости формирования единого геоинформационного пространства (ЕГИП) на принципах геоинтероперабельности. Оценивались источники и инструменты получения исходных данных. Рассмотривались компоненты механизма информационного взаимовлияния (пока только геофизических) свойств (протяженных) географических регионов.
Уточним некоторые понятия, применимые к данному изложению полученных результатов.
Онтология в геоинформатике, в соответствии с современным толкованием [10], является «точной спецификацией концептуализации предметной области», разумеется, «с определенными ограничениями в зависимости от области интересов, и должна включать словарь терминов и некоторые спецификации их значений. Использование онтологий способствует созданию адекватных концептуальных моделей, обеспечивая качественное, контролируемое информационное интегрирование»[9].
Понятие Когнитивное пространство (КП) появившееся первоначально в лингвистике, находит применение и в других предметных областях, в том числе, в геоинформационных системах. При этом, КП представляет собой «операциональную самопорождающуюся и саморегулирующуюся систему, в которой формируется, развивается и трансформируется человеческий коммуникативный опыт»[3].
Понятие когнитивного пространства может быть использовано для интересов обеспечения когнитивной интероперабельности при формировании геоинформационной среды. Понятие КП позволяет учесть многофакторность взаимодействия отдельных систем, изучаемых и исследуемых при космическом мониторинге земной поверхности в [4,5], рамках концепции SoS (System of Systems), для которой системы отсчета, мыслительные процессы, количественный анализ, инструменты и методы проектирования являются неполными и/или нечеткими.
Системы систем - это направление системной инженерии, занимающееся инженерией систем, отдельные части которых могут существовать автономно, как правило, были разработаны независимо друг от друга, и тем самым представляют собой полноценную целевые системы. Тем не менее, из этих автономных и независимых систем необходимо сделать систему с полезными эмерджентными свойствами.
Применительно к ЕГИП, отметим перспективность следующих видов SoS:
• управляемые (directed), в которых присутствует доминирующий модератор, имеющий право выдавать приказы составляющим системам и распоряжающийся их ресурсами;
• подтвержденные (acknowledged), в которых хотя и есть доминирующий модератор, но имеющий возможность лишь рекомендовать составляющим системам самоизмениться согласно выбранной им схеме (архитектуре);
• сотрудничающие (collaborative), в которых системы согласовывают свои действия друг с другом по каждой возникающей проблеме, но единого модератора, менеджера проекта или аналогичного выделенного органа управления нет [4,7].
Такой подход дополняет понятие когнитивного (в данном случае, геоинформационного) пространства аспектом ситуационного реагирования по поиску согласованных образов информации, которой они оперируют в ходе своей деятельности.
Связывание систем с совместной SoS обеспечивает взаимодействие и создаваемый синергизм систем управления отраслью, предприятием, управления компьютерами, связи и информации, разведки (в том числе, data mining) и проч. Система систем - это крупномасштабные параллельные и распределенные системы, компоненты которых сами являются сложными системами. Система системного образования включает в себя такую интеграцию систем в систему, которая в конечном счете способствует эволюции социальной инфраструктуры. Важнейшими особенностями SoS являются их синергизм и исходная неопределенность ситуаций реального функционирования.
Синергизм в таких системах позволяет говорить не только о создании системы систем (то есть System of Systems) но и системах в системе (Systems on System [8]). В самом деле, объективно существует единое природное геоинформационное пространство (ЕПГИП). Создаваемые геоинформационные пространства транспорта, сельского хозяйства, экологии и проч., это более или менее удачные модели (нечетких) проекций ЕПГИП. В этом смысле «Цифровая земля» ожидает быть цифровой моделью ЕПГИП.
Неопределенность информации в ЕГИП
Рассматривая проблему неопределенности на основных уровнях получения и обработки информации для каждого типа неопределенности необходимо осуществить:
– поиск соответствующего математического описания и представления конкретного типа неопределенности;
– выбор математического аппарата, с помощью которого можно управлять (настраивать параметры) моделью с выбранным типом неопределенности;
– нахождение эффективного способа измерения реальной неопределенности в любой анализируемой ситуации;
– разработку методологии формирования адекватных моделей для реальных объектов и процессов мониторинга, чтобы выбрать показатели неопределенности, которые можно вычислить.
В нечёткой логике, как и в естественном языке, все понятия градуированы по степени истинности. Кроме того, в нечёткой логике все гранулировано.
Под гранулой, в данном случае, будем понимать [11] группу объектов, объединяемых неразличимостью, сходством, близостью (т.е. отношениями, обладающими, по крайней мере, свойствами симметричности.
Для грануляции пространственных отношений предлагается комбинация подходов логико-лингвистического моделирования Д.А. Поспелова с аппаратом общей теории неопределенности Л.Заде, основанный на обобщенных ограничениях. Речь идет о переводе словосочетаний естественного языка, используемого для речевого задания целей, на язык обобщенных ограничений (ЯОО)
X isr R,
где X – переменная, R – гибкое, эластичное ограничение на эту переменную, а isr – переменная связка, в которой r является переменной, а ее значение определяет способ, которым R ограничивает X.

Когнитивный фрейм - это нечеткий фрейм, слотам которого соответствуют нечеткие или лингвистические значения.
Когнитивный фрейм можно рассматривать как результат грануляции информации ЕГИП, в виде лингвистической переменной, в которой семейство нечетких множеств сопоставлятся терм-множеству. То есть он состоит из нормальных нечетких множеств Ф={A1,…, An}, где любые два соседних множества имеют область перекрытия.
При этом область рассуждений X должна удовлетворять условиям нечеткого a- покрытия и, т.н., семантической состоятельности, которые сводится к следующим ограничениям:
а) количество элементов множества Ф невелико; в соответствии с законом Миллера оно находится в пределах 7+2;
б) каждое Ai - унимодальное и нормальное нечеткое множество;
в) соседние нечеткие множества Ai, Aj должны иметь небольшую область перекрытия; обычно полагается, что Ai Ç Aj < 0.5.
В качестве примера нечеткой грануляции можно взять совокупность значений лингвистической переменной (ЛП) «Ошибка местоопределения». Можно выбрать, например, 7 термов, которые образуют покрытие терм-множества, но не его разбиение, поскольку соседние термы пересекаются.
Гранулированные значения ЛП: 0 – нулевая ошибка; +1 – малая положительная ошибка; +2 – средняя положительная ошибка; +3 – большая положительная ошибка; –1 – малая отрицательная ошибка; –2 – средняя отрицательная ошибка; – 3 – большая отрицательная ошибка.
Особенности формирования SoS геоинформационного пространства
Пространственно-распределенная информация, получаемая, в том числе и с помощью дистанционного зондирования Земли (ДЗЗ) составляет три большие группы: семантическую, метрическую и топологическую. Структурированная совокупность этих групп информации о конкретной территории, представленной в форме, пригодной для автоматизированной обработки, образует цифровую модель местности (ЦММ).
В основе такой ЦММ заложена способность одной
группы информации (как системы) использовать части другой группы [3,6], то есть способность взаимно использовать информацию в каждой из этих групп (систем).
Иначе говоря, речь идет о геоинтероперабельности.
Международная организация по стандартизации ISO 19119: «Интероперабельность представляет собой способность соединяться, выполнять программы или передавать данные среди различных функциональных модулей способом, который не требует, чтобы пользователь имел знания о характеристиках этих модулей» [ISO/IEC/IEEE 15288:2015(E) ].
Это означает, что две (или больше) системы могут действовать совместно для выполнения стоящей задачи, при условии их взаимной интероперабельности.
В рамках геоинформационных систем «геоинтероперабельность – это способность информационных систем к:
• свободному обмену всех видов пространственной информации о Земле и об объектах и явлениях, а также выше и ниже поверхности Земли;
• совместному сетевому использованию программного обеспечения, предназначенному для управления такой информацией»
После предварительной обработки изображения объекта подстилающей поверхности на основе агрегирования исходной нечеткой информации, формирования ортогональных признаков его формы и первичной идентификации зачастую в качестве претендентов для окончательного распознавания могут оказаться несколько объектов. Это связано с возможной нечеткостью изображений, а также значительным количеством объектов изображения с похожей формой (особенно, если речь идет об антропогенных объектах, характерных для транспортной (железнодорожной инфраструктуры ). Возникает проблема уточнения результатов идентификации.
В рамках проекта рассмотрен и хорошо зарекомендовал себя способ описания группы соседних объектов с помощью нерегулярной триангуляционной сети (TIN-модель) (Triangulated Irregular Network). Он основан на моделировании непрерывной поверхности точками и значениями в этих точках, выбранными с переменной плотностью.
В общем случае, элементы TIN создают по точкам, линиям и полигонам, называемым в этом типе моделей: массовыми точками, линиями перегиба и областями исключения. Применительно к данному проекту:
– массовые точки – это точки с известными координатами (Х,У,Z), (например, центрами тяжести контуров (ЦТК) объектов изображения; плотность массовых точек изменяться в зависимости от особенностей конкретного участка местности: для плоской равнины, характерной для земледельческих территорий, достаточно малой плотности точек, тех же ЦТК, а гористый рельеф требует высокой плотности точек, особенно на участках быстрых перепадов высот (появляется много дополнительных обнаруженных контуров);
–линии перегиба очерчивают резкие неоднородности рельефа местности и соответствуют естественным пространственным объектам типа гребней или искусственным пространственным объектам типа дорог;
–области исключения представляют строго горизонтальные участки; обычно это водные поверхности (озеро, океан) или края строительных площадок и других искусственно выровненных участков.
Очевидно, линии перегиба и области исключения также представляют из себя контуры, поэтому могут обрабатываться так же, как и массовые точки.
Процесс создания TIN состоит из нескольких этапов [8]:
1. Получить набор точек с координатами (Х, У, Z), определить линии перегиба и области исключения.
2. По точечным данным программное обеспечение ГИС создает оптимальную сеть треугольников (триангуляция Делоне).В результате формируется начальная TIN.
3. Затем, в процесс триангуляции вводятся линии перегиба и создаются новые точки (узлы) там, где эти линии пересекаются с первоначальными треугольниками. TIN обновляется, чтобы включить эти новые узлы.
4. И, наконец, в процесс вводятся области исключения; они также могут разбивать или отсекать треугольники.
Таким образом, формируется TIN – топологическая структура данных, которая может быть описана матрицей смежности, позволяющей завершить процесс идентификации объекта как элемента в группе (структуре) с соответствующей привязкой к местности и соседним элементам.
Структура грануляции информации в рамках ТИН – модели
В рамках исследования использовалась следующая общая схема грануляции информации:
GR = áX, G, C, M, Tñ,
где X – область рассуждений;
G – семейство информационных гранул;
C – множество обобщенных ограничений;
(каждый тип ограничения определяет требования к выбору метода грануляции)
M – множество формальных методов грануляции;
T – множество переходов между уровнями грануляции (преобразований гранул).
Полученные результаты
Очевидно, хранение и поддержка такой постоянно развивающейся модели требует соответствующих информационных ресурсов, доступных, на данном этапе, в рамках концепции хранилища данных (ХД), в том числе, облачного.
Форма организации базы геоданных, сочетающих ЦММ и реляционные базы данных является на данный момент чаще всего встречающейся. Однако сложность такой организации, вызванная набором инструментов создания и поддержки топологии данных, создает определенные проблемы [7].
Были рассмотрены вопросы применения алгоритма и методов нечеткой триангуляции В рамках ТIN модели компонентов SoS в процессе формирования цифровых план-схем для получения дополнительной информации об объектах, включаемых в результирующий информационный продукт.

Ключевые слова: спутниковый мониторинг, нечеткие методы и алгоритмы, мультиспектральные снимки
Литература:
  1. Лупян, Е.А. Технологии построения информационных систем дистанционного мониторинга /Е.А. Лупян, А.А. Мазуров, Р.Р.Назиров и др.//Современные проблемы дистанционного зондирования Земли из космоса, 2011, т.8, №1, С.26-43
  2. Патент RU № 2612326 Способ формирования цифровой план-схемы объектов сельскохозяйственного назначения и система для его реализации /И.Г. Акперов, С.О. Крамаров, В.И. Лукасевич, В.И. Повх, В.В. Храмов, А.Н. Радчевский
  3. Гуревич, Л.С. Когнитивное пространство метакоммуникации / Л.С. Гуревич. – Иркутск: Изд-во ИГЛУ, 2009. – 372 с.
  4. Дулин, С.К. О развитии методологических основ и концепций геоинформатики / С.К. Дулин, И.Н. Розенберг// Системы и средства информатики. Специальный выпуск: «Научно - методологические проблемы информатики» – М.: ИПИ РАН, 2006, С. 201-256.
  5. Цветков, В.Я. Информатизация, инновационные процессы и геоинформационные технологии // Геодезия и аэрофотосъемка, № 4, 2006, с. 112-118.
  6. ISO/IEC/IEEE 15288:2015(E) «Systems and software engineering — System life cycle processes»
  7. Крамаров, С.О. Формирование единого информационного пространства сельскохозяйственных территорий Юга России / С.О. Крамаров, В.И.Повх, В.В.Храмов // Сборник научных трудов «Проблемы импортазамещения в условиях адаптивной экономики» (по материалам IV Международного форума «Интеллектуальные ресурсы – региональному развитию».- Ростов-на-Дону:ЮУ (ИУБиП), 2015
  8. Kramarov, S. The principles of formation of united geo-informational space based on fuzzy triangulation/ S.. Kramarov, I. Temkin, V. Khramov // 9 th INTERNATIONAL CONFERENCE ON SOFT COMPUTING, COMPUTING WITH WORDS AND PERCEPTIONS ICSCCW 2017: 22-23 August 2017, Budapest, Hungary.- Р.121-124
  9. Розенберг, И.Н. Об онтологическом статусе визуализируемых геоданных / И.Н. Розенберг, С.К. Дулин // Труды пятой научно-технической конференции с международным участием «Интеллектуальные системы управления на железнодорожном транспорте. Компьютерное и математическое моделирование. ИСУЖТ-2016».-М.:1916.- С.139-143
  10. Bateman , J. Ontological Modularity and Spatial Diversity/ J.Bateman, S.Borgo, K.Luettich, C.Masolo, T. Mossakowski // Spatial cognition and computation. V. 7, 2007.pp. 97 – 128
  11. Zadeh L.A. Toward a Theory of Fuzzy Information Granulation and its Centrality in Human Reasoning and Fuzzy Logic// Fuzzy Sets and Systems. – 1997. – Vol. 90. – P.111-127.

Презентация доклада

Технологии и методы использования спутниковых данных в системах мониторинга

97