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)

Восемнадцатая Всероссийская Открытая конференция «СОВРЕМЕННЫЕ ПРОБЛЕМЫ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ ИЗ КОСМОСА (Физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений и объектов)»

XVIII.B.551

Анализ данных спутникового мониторинга поверхности Земли на основе принципов системы систем (system of systems)

Крамаров С.О. (1), Темкин И.О. (1), Храмов В.В. (2), Гребенюк Е.В. (1), Митясова О.Ю. (1)
(1) Сургутский государственный университет, Ростов-на-Дону, Россия
(2) Южный университет (ИУБиП), Ростов-на-Дону, Россия
Построение единого геоинформационного пространства – одна из важнейших задач современной науки. Авторами настоящего исследования предлагается новый подход к анализу космических снимков, полученных, в том числе, и из открытых источников, где имеются различные объекты земной поверхности, информацию о которых обрабатывают специалисты и системы самой различной тематической направленности: нефтегазовые месторождения, горнодобывающая отрасль, сельское хозяйство, экология и мониторинг пожаров, анализ водных ресурсов и другие. Каждый снимок при этом, обрабатывается многократно для получения нужной информации для специалистов в различных отраслях. Для оптимизации данного процесса, нами разработан и модифицирован процесс комплексного анализа результатов спутникового мониторинга в соответствии с принципами System of Systems (SoS) [1]. При этом учитываются свойства семантической геоинтероперабельности [2].
В рамках предложенного процесса действует следующий алгоритм последовательности действий робота/оператора по обработке изображения, что делает возможным распределить информацию о каждом объекте (например, о его границах, площади и пр.), по соответствующим тематическим разделам:
1. Получение данных дистанционного зондирования Земли (включая космические снимки из открытых источников) для определенной территории.
2. Проверка соответствия параметров, обозначения территориальной принадлежности (в соответствующей системе координат).
3. Определение качественных характеристик, на основании которых выделяются особенности для дальнейшего использования.
4. Дополнительная (предметно ориентированная) обработка, в зависимости от цели и задач использования результатов этой обработки.
5. Занесение результатов в специализированное хранилище (в том числе соответствующую базу знаний).
Дальнейшая обработка снимков, исходя из принципа SoS применима при формировании единого геоинформационного пространства [3-5] и включает проверку отдельных подсистем на [6,7]:
 независимость (эксплуатационную, структурно-административную и т.д.);
 связность и интероперабельность в условиях территориальной распределённости;
 появление (и выявление) свойств эмерджентности;
 эволюционное развитие (появление новых, нетипичных функций у компонентов и системы в целом);
 самоорганизацию, при условии использования динамической организационной структуры.
 адаптацию, самостоятельную реакцию подсистем на внешние и внутренние изменения.
Известно много методов идентификации объектов на изображениях, в том числе и автоматических. Важное место среди них занимают методы, основанные на использовании характеристик формы этого объекта. При этом под контуром будем понимать множество пикселей исследуемых объектов, имеющих хотя бы один соседний пиксель, не принадлежащий данному объекту [7,8]. Для многоградационных изображений контур – это край объекта, где наиболее быстро изменяется градиент функции сигнала.
Контур, в отличие от текстуры изображения и фона, обладает определенной независимостью от погоды, освещения, других факторов. На бинарном, двухуровневом цифровом изображении, каждый пиксель также, либо однозначно принадлежит, либо не принадлежит исследуемому объекту. Поэтому контур считается [7,8] характеристическим (математическим) объектом.
Для экспериментальной проверки данного утверждения, а также исследования возможностей и особенностей применения кода Фримена [7,9] на различных решетках (прямоугольной, гексагональной, триангональной) для автоматизированного распознавания контуров и идентификации объектов информационной пространственной сцены, была проведена обработка разновременных спутниковых снимков ДЗЗ одного и того же объекта добычи полезных ископаемых открытым способом. Для объектов на указанных снимках были сформированы первичные контурные признаки и вычислены окончательные признаки – коэффициенты разложения в ряды ортогональных функций. Доказана теоретически и экспериментально, что предлагаемый подход обеспечивает требуемую точность и достоверность идентификации всех объектов единого геоинформационного пространства, а также позволяет оценить их динамические свойства.
В результате анализа открытых спутниковых данных дистанционного зондирования Земли на принципах SoS предложен единый алгоритм для приложения в разных областях [10], таких как экология, нефтегазовая отрасль, добыча полезных ископаемых открытым способом, сельское хозяйство, железнодорожный транспорт, связь и другие в рамках единого геоинформационного пространства.

Ключевые слова: данные спутникового мониторинга Земли, анализ космических снимков, спутниковое изображение, сложные системы, система систем, открытые данные. эмерджентные свойства
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. Розенберг И.Н., Дулин С.К. Моделирование семантики в структуре геоинтероперабельности // Труды IV НТК «ИСУЖТ. Компьютерное и математическое моделирование. ИСУЖТ-2015». М.: ОАО «НИИАС», 2015 . С113-117
  3. Применение космических снимков в нефтегазовой отрасли 2000 – 2020, ГК «Иннотер». URL: https://innoter.com/articles/primenenie-kosmicheskikh-snimkov-v-neftegazovoy-otrasli/ (дата обращения: 15.08.2020).
  4. Kramarov S., Temkin I., Khramov V. The principles of formation of united geo-informational space based on fuzzy triangulation// Procedia Computer Science, 120 (2017).-рр.835-843 (дата обращения: 15.08.2020).
  5. Kramarov S.O., Khramov V.V. Methodology of formation of unite geo-informational space in the region// Communications in Computer and Information Science. 2020. Т. 1201. Р. 309-316. (дата обращения: 15.08.2020).
  6. Цветков В.Я. Эмерджентизм // Международный журнал прикладных и фундаментальных исследований. – 2017. – № 2-1. – С. 137-138;
  7. URL: https://applied-research.ru/ru/article/view?id=11234 (дата обращения: 11.09.2020).
  8. Майоров В.Д., Храмов В.В. Эвристические способы контурного кодирования моделей информационных объектов в системе технического зрения робота //Вестник Ростовского государственного университета путей сообщения. 2014. № 1 (53). С. 62-69. https://elibrary.ru/item.asp?id=21391925
  9. Kramarov S.O., Kosenok S.M., Khramov V.V. Analysis of Object Contours. Тechnical Vision of Robots/2nd World Conference on Robotics and Artificial Intel-ligence. Conference Scien-tific Federation June 10-11, 2019.- Osaka, Japan, р.24
  10. Способ идентификации протяженных объектов земной поверхности / Акперов И.Г., Крамаров С.О., Храмов В.В., Митясова О.Ю., Повх В.И. // Патент на изобретение RUS 2640331 11.12.2015 https://elibrary.ru/item.asp?id=35057862
  11. Храмов В.В. Многомерный контурный анализ в обработке космических снимков протяженных объектов земной поверхности // В сборнике: Транспорт: наука, образование, производство труды международной научно-практической конференции. 2016. С. 244-248. https://elibrary.ru/item.asp?id=28985821

Презентация доклада

Технологии и методы использования спутниковых данных в системах мониторинга

86