ГИС КАК ОСНОВА ИНТЕГРАЦИИ
ПРОСТРАНСТВЕННЫХ ДАННЫХ И ТЕХНОЛОГИЙ ГЛАВА 11 ГИС И ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ Дистанционное зондирование Земли(ДЗЗ) сегодня осуществляется в видимом, тепловом и радиолокационном диапазонах электромагнитного спектра. Получаемые изображения отличаются разрешающей способностью, размерами территории, отображенной на одном кадре (сцене) и многими другими параметрами (рис. 2 цв. вкл.). Технические и программные средства сбора данных дистанционного зондирования(ДДЗ) обеспечивают прием изображений на антенную систему, прием и обмен изображений по компьютерным линиям связи, оцифровку изображений с негативов, фотоотпечатков и видеофильмов с помощью сканера с последующей векторизацией [Ю.Б.Баранов, Ю.К.Королев, С.А.Миллер, 1998]. Хранение ДДЗ, как правило, организовано в виде постоянно обновляемых компьютерных архивов и сопровождающих их пространственно ориентированных баз данных, которые характеризуют местоположение и геометрическое описание изображений, природных и техногенных объектов в пространстве и относительно друг друга. Тематическая обработка материалов дистанционных съемок состоит из опознавания, ограничения, идентификации и классификации природных и техногенных объектов. Экологическая обработка включает эти же процедуры, но направленные на выявление объектов загрязнения в атмосфере, на суше и на водной поверхности. Благодаря компьютерной обработке космоматериалов достигается более высокая контрастность изображения, улучшается возможность обособления объектов. Например, можно добиться более высокой степени дешифрируемости геологических границ, экологически неблагоприятных объектов. Комплексная интерпретация результатов обработки материалов дистанционных съемок основывается на сопоставлении дис- танционных материалов с ландшафтными, экологическими, геологическими, почвенными, неотектоническими и другими тематическими картами, данными о размещении месторождений полезных ископаемых, производственных объектов, загрязняющих окружающую среду, результатами геохимических и геофизических съемок, схемами землеустройства и землепользования. Для интерпретации должна быть реализована связь пакета по обработке изображений с внешними БД. Организовать оперативную комплексную сопряженную интерпретацию поступающих данных возможно с помощью геоинформационных систем. В ГИС картографические материалы содержатся в виде тематических компьютерных моделей территории исследований и сопровождаются электронными таблицами с семантической информацией. Материалы дистанционных съемок также хранятся в электронном виде в соответствующих картографических проекциях, что позволяет их рассматривать как важнейший компонент единой распределенной компьютерной модели территории [А.Ф.Морозов, А.С.Киреев, А.Ф.Карпузов и др., 1999]. При этом ГИС должна обеспечивать, помимо интерпретации материалов, прогноз ситуации (например, экологической) и природных ресурсов. Выдача рекомендаций производится в виде распечаток карт ситуаций, тематических и прогнозных карт. Сегодня нет единого универсального машинно-программного комплекса, удовлетворяющего всем потребностям дешифровщи-ка, однако существуют отдельные аппаратно-программные средства (Erdas Imagine, Ermapper, Idrisi, Photomod, Lessa и др.), которые можно рассматривать как его составляющие. Извлечение строго направленной тематической и в целом при-родоресурсной информации, измерение и оценка целевых факторов оперативно может производиться на автоматизированных рабочих местах (АРМ), состоящих из персональных компьютеров, RISC-UNIX рабочих станций, оснащенных устройствами ввода изображений и вывода результатов дешифрирования на твердую копию. Прообразами таких АРМов послужили комплексы типа РОБОТРОН (КТС - ДИСК), Pericolor и другие [В. В. Липаев, 1998; Э.А.Трахтенгерц, 1998]. Дополняют программные комплексы реализованные на персональных компьютерах программы, предназначенные для создания аннотированных архивов изображений и результатов их тематического дешифрирования. Примерами стандартной обработки снимков являются: привязка растровых изображений к местности, стандартная классификация, анализ главных компонент, улучшение изображения по краям, сглаживание, разложение и интеграция сопряженно обрабатываемых данных, вычисление индекса вегетации и др. Динамический компилятор интегрирует разнообразную информацию, совмещая изображения с данными из внешних баз (Arclnfo, Autocad, различной табличной информацией) и оперируя виртуальными объемами данных о земных ресурсах, работает во многих окнах одновременно с несколькими изображениями, что создает принципиально новые возможности для исследователя, снижает время обработки и увеличивает производительность дешифрирования и интерпретации полученных результатов. Таким образом, сегодня существуют широкие аппаратно-программные возможности по обработке данных дистанционного зондирования Земли с целью получения природоресурсной, экологической и иной информации внутри компьютерной модели территории. Содержательная реализация этих возможностей зависит от имеющихся аппаратных и программных ресурсов, технологии обработки данных, ориентированной на конечный результат и поддерживающей на уровне интерфейса обмен данными между различными программными продуктами. Технологические операции обработки данных дистанционного зондирования при автоматизированном дешифрировании.Методики дешифрирования космических снимков в зависимости от целей исследования изложены в работах П.Кронберга [1988] и других исследователей. Компьютерные аспекты этих работ развиты в [Автоматизированная..., 1988; Космическая..., 1983; Космическая геология, 1979; Цифровая..., 1991 и др.]. Входной информацией является изображение, представленное в цифровом виде на магнитных лентах или дисках. Оцифровка производится непосредственно на борту летательного аппарата (например, изображения со спутников серии «Ресурс» или Landsat) и дальнейшего приема на компьютер пользователя или с помощью сканера или видеокамеры. После оцифровки и ввода изображения в компьютер на этапе его предварительной обработки программными средствами осуществляется устранение механических искажений, появляющихся при сканировании. Затем следует операция геометрической коррекции, т.е. трансформирование изображения в принятую картографическую проекцию для последующей точной географической увязки данных дешифрирования с существующими картографическими материалами. При необходимости осуществляется монтаж нескольких изображений в единое полотно для сплошного покрытия территории исследований данными зондирований. Для монтажа следует использовать изображения, прошедшие геометрическую коррекцию или, для горных районов, ортотрансформирование (рис. 3 цв. вкл.). Яркостная коррекция включает в себя серию процедур (улучшение яркости и контраста изображения, эквализацию и т.п.), предназначенных для цолучения изображения, максимально при- годного для дешифрирования. Например, эквализация предназначена для выявления объектов, располагающихся в пределах светлых или темных пятен, а нормализация так преобразует яркости, что их значения располагаются в интервале от 0 (черное) до 255 (белое). «Пригодность» экспертно оценивается дешифровщиком, а результат зависит от его опыта и квалификации (рис. 4 цв. вкл.). В основу компьютерного дешифрирования положены измерения четырехмерных (две пространственных координаты, яркостная и временная) распределений радиационных потоков, излучаемых и отражаемых природными объектами. Тематическая обработка изображения включает в себя логические и арифметические операции (рис. 5 цв. вкл.), фильтрации (рис. 6 цв. вкл.), линеаментный анализ, классификации и серию методических приемов, разрабатываемых в процессе дешифрирования для выделения тех или иных объектов. Сюда же следует отнести визуальное дешифрирование изображения на экране компьютера, которое осуществляется с помощью рисующей «мыши», использованием стереоэффекта и всего арсенала средств компьютерной обработки и преобразования изображений. Визуальное дешифрирование изображений на компьютере является важнейшим технологическим приемом, поскольку с меньшими трудозатратами позволяет использовать традиционные методики дешифрирования (в том числе и стереоскопического), давно опробованные различными специалистами и дающими хорошие результаты [Ю.Б.Баранов, 1988; Геологическая..., 1984; Использование..., 1985]. Изображение выводится на экран компьютера в виде матрицы точек (пиксел) определенного размера (рис. 7 цв. вкл.). Каждому пикселу соответствует свое значение яркости, которое во многом зависит от изучаемой территории (горные породы, почвы, растительность по-разному отражают или испускают электромагнитное излучение, фиксируемое на снимке). Атмосфера, расчлененность рельефа, деятельность человека и др. искажают яркостную картину. Обработка изображения ориентирована на устранение этих искажений и усиление яркостных отличий объектов дешифрирования. Существуют четыре операции над изображениями, которые выполняются как обычные арифметические действия. Это сложение, вычитание, умножение и целочисленное деление двух изображений, полученных в разных спектральных каналах, позитива и негатива, или двух вариантов предварительной фильтрации изображения. Участки изображения с яркостями, превышающими установленный диапазон, окрашиваются (например, красным). Благодаря этому возможен визуальный контроль арифметических операций. Логических операций, реализованных на комплексах автоматизированной обработки изображений, обычно семь. Это «конъ- юнкция», «дизъюнкция», «эквивалентность», «инверсия», «отрицание И», «отрицание ИЛИ», «исключающее ИЛИ». Фильтрации изображения применяются для улучшения его качества, снятия шума и выделения интересующих исследователя объектов. Обычно используются сглаживающие фильтры и фильтры, выявляющие на изображении перепады яркости. Принцип действия этих фильтров представляет собой некоторое преобразование значений яркости каждой точки изображения на основе информации о яркости ее соседей в какой-либо достаточно ограниченной окрестности. Как правило, изображение фильтруется матрицей определенного размера, коэффициенты которой могут быть заданы произвольно. Сглаживающие фильтры (Average, Brown, Median, Lev, Nagao, Graham и др.) позволяют снять шум и получить однородные участки изображения, пригодные для дальнейшей обработки с целью выявления тех или иных структурно-вещественных комплексов. Фильтры, подчеркивающие перепады яркости, используются при поиске на изображении границ между различными объектами и при выявлении разрывных нарушений. К группе этих фильтров относятся Sobel, Sharp, Prewitt и др. Часто при автоматизированном дешифрировании используется операция бинаризации в соответствии с заданным значением порога. Под бинаризацией понимается преобразование серого изображения в бинарное, причем все точки исходного изображения, яркость которых выше заданного порога, становятся белыми, остальные — черными (рис. 8 цв. вкл.). Порог выбирается исследователем после изучения распределений яркости по изучаемым объектам. Варьирование порогом бинаризации позволяет выделить площадные объекты на изображении, а знание распределения яркости по структурно-вещественным комплексам — провести геологическую интерпретацию выделенных объектов. Изображения могут быть подвергнуты морфологическим преобразованиям, например при выделении высокометаморфизован-ных и гранитизированных горных пород. Широкие возможности для исследователя открывают автоматические классификации многозональных изображений (с предварительным обучением на эталонах или с задаваемыми параметрами). Классификации основаны на том, что различные природные объекты имеют в разных диапазонах электромагнитного спектра отличающиеся друг от друга яркости [У.Прэтт, 1982]. Анализ яркостей объектов в разных зонах позволяет идентифицировать и оконтурить ландшафты, почвы, растительность и конкретные геологические тела, а также оценить степень их загрязнения. На космических снимках дешифрируется значительное число линейных элементов, представляющих собой линии выхода разрывных структур (трещин и систем трещин, разломов и систем разломов) или зон их геодинамического влияния. Их изучение в научном и практическом аспектах важно для поиска месторождений полезных ископаемых, выявления и мониторинга зон смещения земной коры. Большое число выделяемых линейных структур (рис. 9 цв. вкл.) создает для интерпретатора серьезные затруднения, как при их дешифрировании, так и при корреляции систем линеаментов различных простираний, распознавании структурных закономерностей их пространственного распределения и специфики проявления. Использование автоматизированного выделения и анализа линеаментов позволяет устранить перечисленные затруднения, дает более разнообразные возможности и осуществляется быстрее. Методика автоматизированного выделения и статистического анализа линеаментов подробно описана в работах: [В.Т.Аксенов, Б.В.Малкин, 1988; А.И.Бирюков, В.Е.Шкарин, 1988; А.А.Зла-топольский, 1988; Н.В.Короновский и др., 1986 и др.]. Данные дешифрирования результатов зондирований экспортируются в ГИС, где хранятся в виде слоев базы данных (рис. 10 цв. вкл.). Данные дистанционного зондирования как одна из основ компьютерной модели территорий.В связи с тем что дистанционные материалы содержат информацию обо всех параметрах природной среды: геологических, географических, сельскохозяйственных, экологических и т.п., комплексную интерпретацию и экспертную оценку результатов дешифрирования космических изображений рационально производить в геоинформационных системах. Этим осуществляется переход от сложных, часто перегруженных карт, к серии взаимоувязанных карт специализированных объектов, что обеспечивает высокую структурированность информации и позволяет эффективно ее использовать и анализировать при интерпретации результатов дешифрирования. Контуры картографических объектов могут быть наложены на предварительно подготовленное и отдешифрированное космическое изображение. Сравнение результатов дешифрирования с картографическими материалами позволяет существенно уточнить и проинтерпретировать результаты дешифрирования. Уточненные данные сохраняются в ГИС в виде тематических слоев. Описываемая технология дает возможность создания в компьютерной форме модели строения территории. Данные дистанционного зондирования используются для построения модели как одна из ее неотъемлемых составных частей. При этом местоположение каждой точки (пиксела) изображения определяется географическими координатами, посредством которых пикселы свя- заны со всеми имеющимися тематическими картами, геофизическими и геохимическими данными. Посредством этих связей яркости космических изображений сопоставляются с геологическим строением (возрастом и составом геологических тел), геофизическими полями, геохимическими, а при необходимости и другими, в том числе табличными данными, характеризующими территорию исследований. Связь разнородной геологической, геофизической, геохимической и другой (например, экологической) информации позволяет наиболее полно проводить комплексную интерпретацию данных дешифрирования, искать и выявлять неочевидные природные связи между объектами картографирования и дистанционным изображением. Естественно, технология позволяет решать и обратную задачу — выявлять новые и уточнять картографическое изображение известных объектов. Таким образом, использование информационных технологий для целей автоматизированной интерпретации результатов дешифрирования дистанционных материалов открывает широкие перспективы для глубокого осмысления имеющейся информации и одновременно экспрессной оценки ситуации для поддержки принятия всесторонне сбалансированных научных и управленческих решений. Контрольные вопросы 1. Назовите диапазоны электромагнитного спектра, в которых осу 2. Как хранятся данные дистанционного зондирования? 3. Из каких процедур состоит тематическая обработка данных дистан 4. На чем основана комплексная интерпретация результатов обработ 5. Назовите технологические операции обработки данных дистанци 6. Что такое яркостная коррекция? 7. На каких принципах основаны компьютерные фильтрации изобра 8. Что такое линейные элементы изображения?
Популярное: Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... Модели организации как закрытой, открытой, частично открытой системы: Закрытая система имеет жесткие фиксированные границы, ее действия относительно независимы... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (721)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |