Просмотр кода страницы ДЗЗ для экологических задач. Часть 1: Введение в теорию ДЗЗ

{{Статья|Черновик}}

== '''Использование Дистанционного Зондирования Земли для задач изучения, сохранения и восстановления Природы''' ==
== Содержание ==
(работа не завершена)
<br />
* Введение. О целях, принципе изложения и планах развития этой работы, [http://wiki.gis-lab.info/w/%D0%94%D0%97%D0%97_%D0%B4%D0%BB%D1%8F_%D1%8D%D0%BA%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D1%85_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87._%D0%A7%D0%B0%D1%81%D1%82%D1%8C_1:_%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D1%8E_%D0%94%D0%97%D0%97#.D0.92.D0.B2.D0.B5.D0.B4.D0.B5.D0.BD.D0.B8.D0.B5._.D0.9E_.D1.86.D0.B5.D0.BB.D1.8F.D1.85.2C_.D0.BF.D1.80.D0.B8.D0.BD.D1.86.D0.B8.D0.BF.D0.B5_.D0.B8.D0.B7.D0.BB.D0.BE.D0.B6.D0.B5.D0.BD.D0.B8.D1.8F_.D0.B8_.D0.BF.D0.BB.D0.B0.D0.BD.D0.B0.D1.85_.D1.80.D0.B0.D0.B7.D0.B2.D0.B8.D1.82.D0.B8.D1.8F_.D1.8D.D1.82.D0.BE.D0.B9_.D1.80.D0.B0.D0.B1.D0.BE.D1.82.D1.8B переход]
* Часть I. Краткое введение в теорию и практику Дистанционного Зондирования Земли, [http://wiki.gis-lab.info/w/%D0%94%D0%97%D0%97_%D0%B4%D0%BB%D1%8F_%D1%8D%D0%BA%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D1%85_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87._%D0%A7%D0%B0%D1%81%D1%82%D1%8C_1:_%D0%92%D0%B2%D0%B5%D0%B4%D0%B5%D0%BD%D0%B8%D0%B5_%D0%B2_%D1%82%D0%B5%D0%BE%D1%80%D0%B8%D1%8E_%D0%94%D0%97%D0%97#.D0.A7.D0.B0.D1.81.D1.82.D1.8C_I._.D0.9A.D1.80.D0.B0.D1.82.D0.BA.D0.BE.D0.B5_.D0.B2.D0.B2.D0.B5.D0.B4.D0.B5.D0.BD.D0.B8.D0.B5_.D0.B2_.D1.82.D0.B5.D0.BE.D1.80.D0.B8.D1.8E_.D0.B8_.D0.BF.D1.80.D0.B0.D0.BA.D1.82.D0.B8.D0.BA.D1.83_.D0.94.D0.B8.D1.81.D1.82.D0.B0.D0.BD.D1.86.D0.B8.D0.BE.D0.BD.D0.BD.D0.BE.D0.B3.D0.BE_.D0.97.D0.BE.D0.BD.D0.B4.D0.B8.D1.80.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D1.8F_.D0.97.D0.B5.D0.BC.D0.BB.D0.B8 переход]
* Часть II.  Использование технологий ДЗЗ для изучения, сохранения и восстановления лесов, [http://wiki.gis-lab.info/w/%D0%94%D0%97%D0%97_%D0%B4%D0%BB%D1%8F_%D1%8D%D0%BA%D0%BE%D0%BB%D0%BE%D0%B3%D0%B8%D1%87%D0%B5%D1%81%D0%BA%D0%B8%D1%85_%D0%B7%D0%B0%D0%B4%D0%B0%D1%87_%D0%A7%D0%B0%D1%81%D1%82%D1%8C_2:_%D0%9B%D0%B5%D1%81%D0%B0#.D0.A7.D0.B0.D1.81.D1.82.D1.8C_II._.D0.98.D1.81.D0.BF.D0.BE.D0.BB.D1.8C.D0.B7.D0.BE.D0.B2.D0.B0.D0.BD.D0.B8.D0.B5_.D1.82.D0.B5.D1.85.D0.BD.D0.BE.D0.BB.D0.BE.D0.B3.D0.B8.D0.B9_.D0.94.D0.97.D0.97_.D0.B4.D0.BB.D1.8F_.D0.B8.D0.B7.D1.83.D1.87.D0.B5.D0.BD.D0.B8.D1.8F.2C_.D1.81.D0.BE.D1.85.D1.80.D0.B0.D0.BD.D0.B5.D0.BD.D0.B8.D1.8F_.D0.B8_.D0.B2.D0.BE.D1.81.D1.81.D1.82.D0.B0.D0.BD.D0.BE.D0.B2.D0.BB.D0.B5.D0.BD.D0.B8.D1.8F_.D0.BB.D0.B5.D1.81.D0.BE.D0.B2 переход]
* Тема обсуждения на форуме, [http://gis-lab.info/forum/viewtopic.php?f=3&t=16992 перейти]
<br />

= Введение. О целях, принципе изложения и планах развития этой работы =
<br />
Задача этой работы  – дать введение в теорию и практику технологий Дистанционного Зондирования Земли (ДЗЗ) начинающим и только интересующимся этой сферой, прежде всего, - в плане возможностей использования этих технологий для решения природоохранных и научных (биологических, экологических) задач.
<br />
<br />
Освещенные направления использования  не претендуют на полный охват всех существующих направлений возможного применения технологий дистанционного зондирования для экологических задач. Статья имеет следующие  основные цели:
<br />
* Cобирать примеры, ясно иллюстрирующие качественно различные направления использования технологий дистанционного зондирования Земли для экологических задач. Предполагается, что статья будет дополняться новыми материалами, идеи о которых можно (и нужно) предлагать авторам статьи в теме форума, или же включать их в статью самостоятельно, руководствуясь правилами работы с Вики ресурсом ГИС-Лаб и общей логикой данной статьи.
* Уже освещенными направлениями - формировать представление как для начинающих в отрасли, так и не знакомых совсем с технологиями дистанционного зондирования Земли - о том, какие вообще задачи в экологической сфере можно решить сочетанием технологий ДЗЗ, ГИС и Веб ГИС. Эта цель – задает потенциал этой работе вырасти, со временем, в иллюстрированную практическими примерами энциклопедию использования этого сочетания технологий в экологической (научной и природоохранной) сфере.
<br />
<br />
Первая часть цикла (введение в теорию) – служит задаче коротко осветить самые основные моменты теории ДЗЗ, без которых невозможно понимание принципа работы описываемых в остальных частях направлений использования. Изложенные теоретические вопросы – не охватывают всей теории и не заменяют собой учебников по дистанционному зондированию и служат целью дать ответы на вопросы:
* Что такое ДЗЗ?
* Какие основные принципы работы технологий ДЗЗ?
* Какие шаги необходимо сделать, чтобы начать использовать технологии ДЗЗ в своей работе?
<br />
<br />
'''Общий принцип изложения этого материала (и по теоретическим вопросам, и по практическим частям):''' 
<br />
# Краткое изложение общей сути  в тексте статьи (описание простыми словами, создание общей картины)
# Приведение ссылок на специальную литературу (параграфы учебника, научные публикации, статьи ГИС-Лаб), которые  можно изучить, чтобы разобраться с данным конкретным вопросом лучше.
<br />
<br />
Планируется, что в дальнейшем цикл частей статьи будет дополняться новыми материалами, расширяя охват примеров направлений приложения ДЗЗ в экологической тематике. 
<br />
<br />
Приглашаем каждого желающего к соавторству или иной помощи в расширении и улучшении качества материалов статьи. <br />
Вы можете предложить новые примеры для включения в статью, а также поделиться своими идеями по поводу улучшения его изложения, замеченных вами ошибках и неточностях в [http://gis-lab.info/forum/viewtopic.php?f=3&t=16992 теме форума].
<br />

= '''Часть I. Краткое введение в теорию и практику Дистанционного Зондирования Земли''' =

== '''Немного об истории и современности Дистанционного Зондирования''' ==
Дистанционное Зондирование Земли (ДЗЗ) возникло из изучения свойств света и фотографии. Технологии шли к этому постепенно, начиная с начала XIX века.<br />
Рождение собственно ДЗЗ произошло '''23 июля 1972 года''', когда США был запущен первый  орбитальный спутник Earth Resources Technology Satellite, позже переименованный в Landsat,  который стал собирать информацию о земной поверхности и предоставлять ее всем желающим на бесплатной основе. 
В наши дни вокруг Земли летает уже множество спутников многих государств, получающих данные разнообразного качества и свойства о поверхности планеты и передающих их людям, как на коммерческой, так и на бесплатной основе.

== '''Что такое Дистанционное Зондирование Земли?''' ==
'''''Дистанционное Зондирование Земли''''' [англ. термин - ''Remote Sensing''] это наука и совокупность технологий, которые получают, обрабатывают и интерпретируют информацию о различных объектах земной поверхности без прямого физического контакта с этой поверхностью, - посредством фиксирования отраженной солнечной энергии  и  излученной тепловой энергии (электромагнитного излучения) от земной поверхности, реализующегося сенсорами, расположенными  на орбитальных спутниках планеты.
<br />

Схема, приведенная на рис.1. иллюстрирует общий принцип работы технологий ДЗЗ:
<br />

[[файл: Fig1_RS_ecology_Shema_RS.jpeg]]
<br />
'''<small>Рис. 1. Общий принцип работы Дистанционного Зондирования Земли</small>'''
<br />
<br />
'''<small>A. Источник электромагнитной радиации (Солнце)'''<br />
'''B. Прохождение солнечной радиации через Атмосферу при взаимодействии с ней к земной поверхностью'''<br />
'''C. Отражение и испускание электромагнитного излучения от земной поверхности'''<br />
'''D. Фиксирование отраженной и испущенной энергии сенсором орбитального спутника и ее сохранение в специальном формате <br />
'''E. Передача и первичная обработка полученных данных'''<br />
'''F. Анализ данных (пользовательская обработка полученных данных с различными целями), интерпретация полученных результатов'''в<br />
'''G. Конечное применение полученных результатов (разработка карт, написание статей, принятие решений и пр.)'''</small>
<br />
<br />

== '''Обработка космических снимков для распознавания различных характеристик земной поверхности''' ==
<br />
Обработка спутниковых снимков способна выявлять различные характеристики земной поверхности, такие как: определение преобладающего минерального состава открытых горных пород, выявление плотности и степени нарушенности растительного покрова,  преобладающего видового состава и плотности насаждений лесов, создания карт температуры воздуха,  земной поверхности и поверхности водных объектов, определения влажности и минерального состава почвы,  выявления пятен антропогенных загрязнений на суше и море, определение территорий с лесными пожарами, гарями, нелегальными вырубками  и многое другое.
<br />
<br />
Выявление характеристик земной поверхности реализуется посредством использования  специального программного обеспечения (ПО) по обработке спутниковых снимков,  наиболее известные из которых  – это '''ENVI'''  и '''ERDAS IMAGINE'''.  Работа в этих программах часто идет в сопряжении с работой в программах  ГИС, например, ENVI имеет специальные опции, рассчитанные на сопряженную работу с ArcGIS. Однако, все коммерческие ПО, - довольно дорогие.  Как хорошая альтернатива – существует выбор и открытого (бесплатного) ПО, которое также позволяет вести обработку спутниковых снимков и сопряженную ГИС работу (GRASS, QGIS, др). Более подробно  вопрос выбора программного обеспечения для обработки спутниковых снимков в данной статье не рассматривается. 
<br />
<br />
Для понимания  основ технологий дистанционного зондирования , и, в том числе, принципов обработки спутниковых снимков с целью выявления характеристик земной поверхности, необходимо ознакомиться с несколькими  базовыми теоретическими и техническими понятиями, рассмотренных ниже.
<br />

== '''Электромагнитный спектр. Атмосферные окна''' == 

[[Файл:Fig2 em spectrum.jpg]]
<br />
'''<small>Рис.2 Электромагнитный спектр[1]</small>'''
<br />
<br />
'''Электромагнитный спектр''' (electromagnetic spectrum) – это полный интервал всех существующих длин волн электромагнитной радиации. Он варьирует от самых коротких волн (гамма и рентгеновское излучение) до самых длинных волн (микро- и радиоволны).
Человеческий глаз видит мир всего лишь в небольшом интервале электромагнитного спектра, который так и называют – '''видимой областью спектра''' (visible spectrum, visible radiation). Он расположен между длинами волн 0,4 и 0,7 µm (микрометров).
Обычная фотосъёмка осуществляется в диапазоне только чуть шире видимого – между 0.3 µm и 0.9 µm (ультрафиолетовый, видимый и ближний инфракрасный диапазоны). 
В отличие от обычной фотографии, технологии дистанционного зондирования позволяют получать снимки земной поверхности практически со всего электромагнитного спектра – точнее, со всех интервалов спектра, ''доступных'' к съёмке. Дело в том, что Атмосфера Земли имеет свойство – поглощать электромагнитное излучение на определенных интервалах электромагнитного спектра (то есть излучение определенных длин волн). Те участки электромагнитного спектра, которые не поглощаются Атмосферой, – называются '''"атмосферными окнами"''' (atmospheric windows), и только на этих интервалах возможно получение снимков методами дистанционного зондирования (рис.3).
<br />
<br />
[[Файл:Fig3 atm windows 150b.jpg]]
<br />
'''<small>Рис.3 Атмосферные окна [1]</small>''' <br />
<small>'''Голубым цветом показаны участки спектра, поглощаемые Атмосферой, а желтым цветом показаны атмосферные окна, в которых возможно получение спутниковых снимков земной поверхности методами дистанционного зондирования'''</small> 

=====  =====
При всех возможных к съемке диапазонах электромагнитного спектра каждым конкретным сенсором спутника он используется не полностью, а лишь в тех интервалах, в которых данный сенсор настроен производить съемку. Каждым сенсором спутника съемка поверхности производится в '''спектральных каналах''' (spectral bands), каждый из которых имеет свой четко определенный интервал электромагнитного спектра, в котором производится снимок. Число спектральных каналов и спектральный диапазон каждого канала – разное у разных сенсоров, эту информацию можно узнать, например, на официальном сайте, посвященном данному сенсору. Загружая снимок из архива – пользователь получает столько отдельных сцен (файлов снимка), сколько спектральных каналов имеет данный сенсор (рис.4,5). 
<br />

[[Файл:Fig4 canals Landsat7-8.jpg]]
<br />
'''<small>Рис.4 Спектральные диапазоны каналов спутников Landsat 7 и Landsat 8 [new3]</small> '''
<br />

[[Файл:Fig5 open Landsat5.jpg]]
<br />
'''Рис.5. Все (семь) каналов снимка Landsat 5, открытые в программе для обработки спутниковых снимков ENVI 4.8'''
<br />
<small>'''Спектральные диапазоны и другие характеристики  каналов снимков Landsat, (которые имеют несколько поколений и, соответственно, несколько видов сенсоров: Landsat 1,2,3 (сенсор - MSS), Landsat 4,5 (сенсор - TM), Landsat 7 (сенсор - ETM+)  и самый последний, запущенный в феврале 2013 года Landsat 8 (сенсоры – OLI и TIRS)) можно узнать на официальном сайте USGS по программе Landsat по данным ссылкам:'''</small><br />
http://landsat.usgs.gov/best_spectral_bands_to_use.php<br />
http://landsat.usgs.gov/band_designations_landsat_satellites.php

<br />
=== "Уровень серого" пикселя снимка или как сенсор фиксирует энергию, отраженную и испущенную от земной поверхности ===
<br />
Результат спутникового фотографирования земной поверхности в одном канале – называют '''"''сценой снимка''"''' (scene of image). Каждый снимок имеет такое число сцен, сколько спектральных каналов имеет сенсор. Иначе говоря, все сцены одного снимка – это фотографии одной и той же местности и одного и того же времени, сделанные в разных спектральных каналах сенсора.
<br />
Сцена снимка представляет собой растр с минимальной единицей изображений  - квадратный '''пиксель'''. Увидеть эту единицу можно, если открыть сцену снимка в любом графическом редакторе или ПО для обработки спутниковых снимков и довести увеличение изображения до максимума (рис.6).
<br />
Сенсор спутника регистрирует  отраженное и испущенное от земной поверхности электромагнитное излучение и сохраняет это измерение для каждого пикселя снимка в особых единицах, называемых '''"''уровень серого''"''' или (английский термин) -  '''''Digital Number (DN)'''''. 

Уровни серого снимков современных сенсоров делятся на '''64, 256  и 65536 ступеней'''. 
Уровень серого пикселя - это растянутое на заданное число ступеней цвет пикселя  от чисто черного (DN=0) до чисто белого цвета (DN = максимально возможное значение ступени, то есть 64, 256 или 65536).
<br />
Число ступеней DN зависит от количества двоичных цифр (бит) - чисел 0 и 1, необходимых для сохранения в цифровой форме максимального значения параметра. Чтобы получить число возможных ступеней - нужно число "2" возвести в степень, которое есть это необходимо число бит:
<br />
Так при 6 битах, число ступеней 2<sup>6</sup>=64, при 8 битах (наиболее частый случай), число ступеней 2<sup>8</sup>=256 и при 16 битах число ступеней 2<sup>16</sup> = 65536 ступеней (например, столько ступеней имеют снимки спутника Landsat 8, в отличие от более ранних спутников Landsat, имеющих 256 ступеней). 

<br />
[[Файл:Fig6 DigitalNumbers b.jpg]]
<br />
<small>'''Рис.6 Уровень серого (Digital Number) снимка с числом ступней вариации от белого до черного – 256.''' <br />
'''Врезкой наглядно показаны минимальные единицы сцены снимка - квадратные пиксели</small>'''
<br />

==== Чем является каждое число "уровень серого" для каждого пикселя сцены снимка? ====

Для формирования правильного подхода к интерпретации результатов обработки снимков важно понимать, что представляет собой каждое число DN для каждого пикселя сцены снимка.
<br />
Уровень серого (DN) каждого пикселя растра спутникового снимка представляет собой записанное среднее измерение энергии отраженной и испущенной от той территории на поверхности планеты, которая соответствует этому пикселю: то есть квадрату, сторона которого в современных снимках  варьирует от 0,3  до 1000 метров. Подчеркнем, что сенсор фиксирует в пикселе для каждого такого квадрата уровень серого, исходя из '''среднего показателя отраженной и испущенной энергии  всех слагающих квадрат типов поверхностей'''.
<br />
<br />

=== График спектральной кривой или на чем основан принцип изучения земной поверхности по снимкам ===

К ключевым понятиям для понимания принципа выявления характеристик земной поверхности методами дистанционного зондирования - относится '''''график спектральной кривой''''' (или просто '''''спектральная кривая''''') объекта. Английский термин  “ spectral signature” ввел в использование и слэнговую форму этого термина – “'''''сигнатура'''''”. Впрочем, иногда термин “сигнатура” понимают шире, включая туда статистические характеристики самой спектральной кривой, которые используются для более точного дешифрирования (Сухих, 2005, с. 247).
<br />
'''График спектральной кривой''' – график, который показывает процент отраженного и испущенного излучения для данного объекта на протяжении всего электромагнитного спектра. Характер спектральной кривой обусловлен молекулярным составом и физическими свойствами объекта.
<br />
Дешифрирование снимка и выявление характеристик объектов земной поверхности – базируется на сравнении уже известных спектральных кривых (из собранных "библиотек спектральных кривых" разных типов объектов земной поверхности) со спектральными кривыми каждого пикселя снимка.
<br />
Как видно из приведенных примеров  (рис. 7, 8), форма спектральных кривых разных объектов – может существенно различаться, на этом различии -  и основан принцип распознавания объектов и выявление их характеристик по спутниковым снимкам.
<br />

[[Файл:Fig7 Signature Veg Soil Wat.jpg]]
<br />
'''<small>Рис.7 Графики спектральных кривых растительности, почвы  и воды</small>'''

[[Файл:Fig8 Signature veget.jpg]]
<br />
'''<small>Рис.8. Графики спектральных кривых сухой растительности, зеленой (здоровой) растительности и почвы</small>'''
<br />

=== Предварительная и Основная обработка спутниковых снимков. Интерпретация результатов. ===
<br />
Для обработки спутниковых снимков с целью изучения земной поверхности было разработано множество методик и сложных алгоритмов, о которых необходимо  узнавать в специальной литературе:  учебниках, научных и технических статьях, хелпах и мануалах (учебных пособиях) по специальным программным обеспечениям. Небольшой список рекомендованной литературы можно найти в конце второй части статьи.
<br />
Невозможно коротко рассказать обо всех разработанных методиках,  и, потому, здесь дается лишь общий взгляд на механизм обработки спутниковых снимков с момента приобретения их из архива и до получения и интерпретирования конечных результатов.
<br />
Говоря в целом, основная обработка спутниковых снимков  имеет дело со всеми сценами снимка (т.е. результатами съемки местности в разных спектральных каналах).  Сцены разных каналов складываются, вычитаются, делятся друг с другом, комбинируются в цветовые композиции и используются для определения спектральных кривых пикселей.
<br />
==== '''Предварительная обработка снимков (проведение коррекций)''' ====
<br />
Перед основной обработкой полученный снимок необходимо провести через этап '''предварительной обработки''', который заключается в проведении геометрической,  радиометрической и атмосферной коррекций. 
<br />
'''''Геометрическая коррекция''''' устраняет геометрические искажения, связанные с тем, что снимок поверхности Земли аппаратом, направленным точно вниз, содержит неискаженную картинку только в центре снимка, при смещении к краям расстояния между точками на снимке и соответствующие расстояния на Земле всё более различаются. Исправление таких искажений производится в процессе фотограмметрии.
<br />
'''''Радиометрическая коррекция''''' включает в себя два вида коррекций:<br />
- Радиометрическая коррекция искажений, возникающих по вине оптики сенсора<br />
- Радиометрическая коррекция искажений, возникающих вследствие угла  падения солнечных лучей и форм рельефа (устранения дефектов солнечных пятен и теней).
<br />
'''''Атмосферная коррекция''''' - устраняет различные искажения, внесенные наличием атмосферы.
<br />
<br />
'''''Калибровочные коэффициенты''''', необходимые для проведения коррекций, поставляются вместе с исходным пакетом загружаемого снимка.<br />
Механизм проведения коррекций довольно сложный, его технику,  как и необходимые коррекции для каждого вида сенсора, необходимо выяснять в специальной литературе.  
<br />
<br />
Однако, что может порадовать начинающего пользователя,  существует возможность не заниматься коррекцией и даже основной обработкой снимков самостоятельно, а воспользоваться готовыми '''"производными продуктами"''' снимков, если они поставляются для выбранного сенсора и качество их данных подходит для решаемых задач.
<br />
Дело в том, что продукция сенсоров поступает к конечному потребителю в двух формах:
<br />
'''1. Исходный оригинал снимка''' со всеми сценами спектральных каналов  (в обладании пользователя поступают столько файлов со сценами, сколько спектральных каналов имеет сенсор). По таблице 1  это уровни Level0 (исходный вариант снимка) и Level1 (этот же исходный вариант с добавленными, но не примененными коэффициентами коррекций); 

'''2. Производные продукты''' – обработанный операторами снимок по  четко определенному алгоритму для выявления определенных характеристик. По  Таблице 1 это уровни Level2, Level3, Level4. 
<br />
Производные продукты – не требуют  никакой специальной обработки от конечного пользователя, их можно скачивать и сразу использовать для анализа данных, которые они представляют.
<br />
Это, как правило, один файл сцены, свойство которого (т.е. какие именно данные и в каком качестве он отображает) можно найти по названию этого продукта   на сайте архива, сайте данного сенсора  или же в специальной литературе. 
<br />
<br />
NASA были сформулированы уровни обработки данных дистанционного зондирования (Таблица 1). Номера в этой классификации: Level1A, Level1B и т. д. используются в архивах снимках при наименовании поставляемых сенсором продуктов. Для примера изучите официальную страницу сайта LP DAAC, посвященную доступным для приобретения продуктам сенсора ASTER:'''“ASTER Data Products Table”:''' https://lpdaac.usgs.gov/products/aster_products_table


<br />
'''<small>Таблица 1. Уровни обработки данных дистанционного зондирования (по системе NASA) [newin3 ]</small>'''
{| class="wikitable"
|-
! Уровень !! Описание
|-
| Level 0 || Реконструированные необработанные данные сенсора полного разрешения без  служебных данных (синхронизационные фреймы, заголовки, повторы)
|-
| Level 1A || Реконструированные необработанные данные сенсора полного разрешения, привязанные по времени, снабженные радиометрическими и геометрическими калибровочными коэффициентами и параметрами географической привязки 
(приложенные к этому уровню необходимые для проведения коррекций калибровочные коэффициенты вычислены по данным Level 0, но не применены на этом уровне)

|-
| Level 1B || Данные уровня Level 1A, преобразованные в единицы измерения сенсора (не все снимки поставляются с этим уровнем обработки) 
|-
| Level 2 || Производные геофизические переменные (высота океанических волн, влажность почвы, концентрация льда) с тем же разрешением, как у данных уровня Level 1.
|-
| Level 3 || Переменные, отображенные в универсальной пространственно-временной шкале, возможно дополненные интерполяцией.
|-

|-
| Level 4 || Данные, полученные в результате расчетов на основе предыдущих уровней. Финальная модель или результат анализа предыдущих уровней обработки (переменные, полученные в результате множества измерений).
|}
<br />
<br />

== Основная обработка спутниковых снимков и интерпретация результатов ==
<br />
Основная обработка спутниковых снимков проводится в специальном программном обеспечении, наиболее известные варианты из которых были приведены выше. В целом, основные методы обработки спутниковых  снимков можно разделить на четыре типа:
<br />
<br />

=== Тип I. Цветные композиты из трёх спектральных каналов в цветовом пространстве RGB ===
<br />
Этот метод основан на свойстве сетчатки человеческого глаза, образовывать сигнал о любом цвете тремя видами рецепторов (колбочек), ответственных за цветное зрение.  Часть колбочек сетчатки глаза улавливает длинноволновую часть видимого спектра (красную), другая часть - средневолновую (зеленую) и третья часть - коротковолновую часть (синюю). Потому, любой видимый нами цвет воспроизводится из различных сочетаний трех излучений длинноволновой, средневолновой и коротковолновой видимой части спектра, или, что тоже самое, трёх цветов: Red (красный), Green (зеленый) и Blue (синий). Представить это наглядно можно в графическом редакторе,  комбинируя цвет из номеров в позициях “R”, “G”, “B” (рис.9).
<br />
<br />
[[Файл:Fig9 RGB model.jpg]]
<br />
'''<small>Рис. 9. Выбор цвета по системе цветов R, G, B в графическом редакторе</small>'''
<br />
<br />
При подстановке значений уровня серого (DN)  каждого пикселя трех сцен снимка по трем выбранным каналам в позиции R, G, B - мы получаем '''“цветной композит”''' (colour composite) ,  то есть цветное изображение снимка с цветами, чаще не соответствующими реальным (для нашего глаза) окраскам этих объектов. Экспериментально были подобраны цветные композиты, которые показывают цветом разные характеристики земной поверхности, например,  позволяют оценивать  плотность и качество растительного покрова, преобладающий минеральный состав открытых пород, дешифрировать крупные  объекты.
<br />
Наиболее известные  сочетания цветных композитов раскрыты в статье GIS-Lab:
http://gis-lab.info/qa/landsat-bandcomb.html

<br />
<br />
Для примера рассмотрим создание двух цветных композитов в цветовом пространстве RGB по снимку Landsat5: 3,2,1  и 4,3,2 (в ENVI 5.0).
Рис. 10 - иллюстрирует открытое окно ENVI с установленными в позициях Red, Green, Blue каналами снимка для создания композиции "4,3,2" (нижняя часть открытого окна): канал 4 - подставлен в позицию красного, канал 3 - в позицию зеленого, канал 2 - в позицию синего.
<br />
Результат этой композиции, а также композиции "3,2,1", построенной аналогичным образом, приведен на рис. 11. Интерпретации получившихся цветов и возможное использование композиций для экологических целей - коротко освещены под рисунком.

<br />
[[Файл:Fig10 composit ENVImanager b.jpg]]
<br />
'''<small>Рис. 10. Выбор каналов снимка Landsat5 для создания цветного композита 4,3,2 в ENVI 5.0</small>'''
<br />
<br />
[[Файл:Fig11 composit RGB.jpg]]
<br />
'''<small>Рис. 11. Lansat 5 в виде цветной композиции с ложной передачей цветов (4,3,2) и с натуральной передачей цветов (3,2,1) (ENVI 5.0)</small>'''.
<br />
<br />
'''Снимок слева''' - цветной композит снимка Landsat5 '''"4,3,2"''' (что означает, что Red=4 канал, Green = 3 канал, Blue = 2 канал). Это стандартная комбинация "искусственного цвета". Растительность отображается в оттенках красного, городская застройка – зелено-голубых, а цвет почвы варьирует от темно до светло коричневого. Лед, снег и облака выглядят белыми или светло голубыми (лед и облака по краям). Хвойные леса будут выглядеть более темно-красными или даже коричневыми по сравнению с лиственными. Эта комбинация очень популярна и используется, главным образом, для изучения состояния растительного покрова, мониторинга дренажа и почвенной мозаики, а также для изучения агрокультур. В целом, насыщенные оттенки красного являются индикаторами здоровой и (или) широколиственной растительности, в то время как более светлые оттенки характеризуют травянистую или редколесья/кустарниковую растительность.
<br />
<br />
'''Снимок справа''' - цветной композит снимка Landsat5 '''"3,2,1"''' (что означает, что Red=3 канал, Green = 2 канал, Blue = 1 канал). Это комбинация "естественные цвета". В этой комбинации используются каналы видимого диапазона, поэтому объекты земной поверхности выглядят похожими на то, как они воспринимаются человеческим глазом. Здоровая растительность выглядит зеленой, убранные поля – светлыми, нездоровая растительность – коричневой и желтой, дороги – серыми, береговые линии – белесыми. Эта комбинация каналов дает возможность анализировать состояние водных объектов и процессы седиментации, оценивать глубины. Также используется для изучения антропогенных объектов.
<br />
Для описания примеров использовалась статья GIS-Lab: http://gis-lab.info/qa/landsat-bandcomb.html

=== '''Тип II. Арифметические операции со спектральными  каналами снимков: сложение, вычитание и деление''' ===
<br />
Этот метод заключается в проведении операций сложения, вычитания и деления с разными спектральными каналами (сценами) одного снимка. 
Как и в первом типе, этот способ позволяет выявлять различные характеристики  земной поверхности.  Однако, в отличие от типа цветных композитов, для получения желаемого результата (то есть дешифрирования  искомых характеристик земной поверхности) часто используют несколько последовательных арифметических действий с каналами.
В числе прочего, в этот тип входит вычисление '''''вегетационных индексов''''', – одного из широко применимых методов в научной и практической экологии.
<br />
<br />
[[Файл:Fig12 Landsat ratio 5 7.jpg]]
<br />
'''<small>Рис.12. Слева - Landsat 5 с натуральным цветом  (1,2,3 в RGB).''' 
'''Справа - Этот же снимок с делением каналов (5:7).  Высокие значения отношения показаны красным. Интерпретация цветов отношения каналов не приводится, поскольку это действие являлось промежуточным этапом обработки снимка</small>.'''
 
'''<big>Материалы GIS-lab по теме этого метода</big>:'''
<br />
Вегетационные индексы (статья GIS-Lab): http://gis-lab.info/qa/vi.html
<br />
NDVI - теория и практика: http://gis-lab.info/qa/ndvi.html
<br />
<br />

=== Тип III. Классификация  с обучением или контролируемая классификация (Supervised Classification) ===
<br />
Этот вид обработки осуществляет распознавание на снимке всех участков, являющихся заданными пользователем объектами, через представление “образцов” этих объектов (их спектральных кривых) специальной программе по обработке спутниковых снимков. 
<br />
Иначе говоря, программа выделяет на снимке все территории, которые являются типами объектов, примеры которых на снимке пользователю известны, и которые он задает программе в качестве “образцов”. Программа определяет аналогичные образцам территории на карте – через сравнение спектральных кривых между пикселями образца и пикселями всего снимка, определяя эти спектральные кривые -  через показатели уровня серого (DN) каждого пикселя в каждой из сцен снимка. Если спектральная кривая пикселя  похожа  на спектральную кривую образца (т.е. отвечает установленным пользователем критериям сравнения), то этому пикселю присваивается тип этого образца.
<br />
<br />

=== Тип IV. Классификация без обучения или неконтролируемая  классификация  (Unsupervised Classification) ===
<br />
Этот вид обработки по похож на предыдущий, с тем важным отличием, что в нем не требуется знать и задавать программе образцы выделяемых объектов  на снимке. Здесь программа на основе сравнения спектральных кривых пикселей – только разделяет снимок на  относительно одинаковые области, на основе введенных критериев того, в каком случае двум пикселям присваивать ранг одного объекта. Как и в случае контролируемой классификации, для определения графика спектральной кривой каждого пикселя, программа использует  значения уровня серого (DN)
этого пикселя в каждой из сцен снимка.
<br />
[[Файл:Fig13 Classifications.jpg]]
<br />
'''<small>Рис.13. Обработка снимка методом контролируемой (слева) и неконтролируемой (справа) классификации</small>'''
<br />
<br />
На карте, полученной из снимка методом классификации с обучением, - легенда выделенных программой объектов содержит их названия (Mata, Cana, и т.д.)), каждый из этих объектов был определен пользователем при задании программе образцов для поиска.
<br />
Карта, полученная обработкой снимка методом классификации без обучения,содержит только номера классов, соответствующих выделенным программой различающихся участков - Class1, Class2, и т.д., в этом случае пользователь определяет только число самих классов и параметры по которым проводится объединение в один класс и разделение на разные классы.
<br />
<br />

=== Какая существует разница между снимками разных сенсоров? ===
<br />
<br />
Для выбора снимка под цели научного или природоохранного проекта необходимо понимать – какая существует разница между спутниками разных сенсоров.
<br />
Снимки, полученные различными спутниками, различаются по следующим основным параметрам:
<br />
1. Пространственное разрешение (spatial resolution): квадрат на земной поверхности, отвечающей 1 пикселю растра снимка (варьирует от 0,3 х 0,3 м до 1000 х 1000 метров).
<br />
2. Число каналов съемки и спектральный диапазон каждого канала (эти характеристики напрямую влияют на то, какие свойства земной поверхности можно выявить по снимкам).
<br />
3. Временное разрешение (temporal resolution)  - приблизительный интервал через который повторяется снимок в данной местности (в сутках).
<br />
4. Общая площадь одного снимка (чем мельче разрешение, тем больше размер самого снимка)
<br />
5. Временной интервал в котором проводилась спутниковая съемка данным сенсором.
<br />
6. Предоставляемые уровни обработки снимка (см. Таблица 1)<br />
7. Стоимость приобретения (оригинала снимка и производных продуктов).
<br />
<br />
==== Стоимость спутниковых снимков ====
Вопрос цены часто является определяющим в научных и природоохранных работах, поэтому важно понимать общую ситуацию со стоимостью на спутниковые снимки.
<br />
По стоимости спутниковые снимки делятся на коммерческие (платные ) и открытого доступа (бесплатные). Зависит это, прежде всего, от  пространственного разрешения съемки.
<br />
Снимки со средним и мелким разрешением:  от  15 м  до 1000 м  - продукт бесплатный. Их не так много: '''Landsat, MODIS, ASTER''' (ASTER переведен в разряд платных, хоть имеет невысокие параметры разрешения, однако его возможно получить бесплатно под научные, учебные и природоохранные цели).
<br />
Снимки с высоким и сверхвысоким разрешением  от  10 м до 0,3 м  - продукт коммерческий  (GeoEye, WorldView, QuickBird, EROS, IKONOS, SPOT,  RapidEye, и т.д.).
<br />
<br />

Для коммерческих снимков (полный исходный набор всех каналов) очень примерное соотношение пространственного  разрешения и цены следующее:
<br />
'''0,3 - 0,5 м ... 14-16 USD за 1 км<sup>2</sup>'''
<br />
'''2,5 - 5 м ...  1,5 - 4 USD за 1 км<sup>2</sup>'''
<br />
<br />
При этом нужно учитывать, что минимальная нарезка, за которую необходимо будет заплатить, может составлять от нескольких десятков до нескольких сотен квадратных километров.
<br />
<br />
Несомненно, что снимки высокого разрешения имеют возможности неизмеримо  большие для изучения земной поверхности на территории небольшой площади, что можно понять, сопоставив детальность изображений на снимках мелкого и крупного разрешения (рис.14).
<br />
Однако, по причине высокой цены, коммерческие снимки высокого разрешения используются не так широко в экологических проектах, как снимки открытого доступа среднего и мелкого разрешения. А для анализа больших территорий (всей планеты, континента или его значительной части) – снимки среднего и мелкого разрешения подходят даже лучше.
<br />
<br />
[[Файл:Fig14 Landsat30m QuickBird .jpg]]
<br />
<br />
'''<small>Рис.14. Примеры снимков с разным пространственным разрешением</small>''' 
<br />
<small>'''Слева - в одном пикселе квадрат поверхности со стороной 0.6 метров, справа - в одном пикселе квадрат поверхности со стороной 30 метров'''</small>
<br />
<br />

==== Возможности использования снимков сверхкрупного и крупного разрешения бесплатно с научными или общественно-значимыми целями ====
<br />
Если финансы вашего проекта ограничены, а необходимость в детальном анализе поверхности существует, имеются некоторые возможности использовать снимки крупного разрешения бесплатно или с ограниченными возможностями.
<br />
1. Существуют специальные научные и национальные программы, которые предлагают снимки высокого и сверхвысокого разрешения для научных и общественно-значимых (в том числе природоохранных) целей. Такие программы необходимо искать, оформление заказа может быть делом не слишком простым, но попытаться можно. Известные примеры (которые требуют уточнения и детализации) - программы от RapidEye и ALOS. 
<br />
<br />
2. В Google Earth мы бесплатно используем снимки сверхвысокого разрешения (0.3 – 0.5 м), но только для нескольких простых задач:  ориентирование на местности (что играет ключевую роль при планировании и проведении полевых работ на территории); простая визуализация деталей поверхности для иллюстраций; оцифровка объектов (в других ПО есть возможности конвертирования формата Google Earth (kmz и kml) в shp формат (читаемый многими ГИС) и обратная операция – оцифровка объектов в ГИС софте и конвертирование в формат kmz, kml.
<br />
Никакая обработка самих снимков и сложная работа с геоданными  в Google Earth не возможна. Однако даже эти небольшие  возможности,  - можно эффективно использовать для научных и практических целей.
<br />
<br />
3. Еще более удобную возможность работы со снимками сверхвысокого разрешения – предлагает программа ArcGIS фирмы ESRI.  В ArcGIS через простую операцию: File (верхнее меню) – Add Basemap (рис.15) – мы попадаем на выбор подложек для загрузки. При выборе опции  “Imagery” в подложке проекта ArcGIS оказывается снимок сверхвысокого разрешения на весь мир. Передвигая курсором карту в проекте ArcGIS – нужная часть снимка подкачивается из Интернета. Это нам дает тот же ограниченный набор возможностей, что и в Google Earth, но с тем существенным отличием, что оцифровывать объекты по подложке в ArcGIS намного удобней и быстрее, чем в Google Earth (где эта опция находится в очень редуцированном и неудобном виде). Также и более нагруженной можно сделать итоговые карты для иллюстраций в публикации.
<br />
<br />
[[Файл:Fig16 Add Basemap1.jpg]]
<br />
<br />
'''<small>Рис.15. Добавление подложки снимка высокого разрешения в ArcGIS через Add Basemap</small>'''
<br />
<br />
Правда сама программа ArcGIS – продукт коммерческий, но фирма ESRI  предоставляет  возможности по которым или это ПО можно получить бесплатно для научных и общественно-значимых (в т.ч. природоохранных) целей. Или же можно работать ограниченный срок (3 месяца), загружая пробную версию триала с сайта ArcGIS.
<br />
<br />
4. Помимо этих простых способов можно пойти и по пути иному – обратиться к владельцам коммерческих снимков и обоснованно попросить определенный снимок для проекта.  Для значимых научных и природоохранных целей – довольно высокий шанс получить снимки бесплатно. 
<br />
<br />
<big>'''При использовании снимков ресурсов Google Earth, Google maps, подложки ArcGIS в работе нужно иметь в виду два важных момента:'''</big>
<br />
1.Эти снимки поставляются на ресурсы без гарантии точности привязки, а также без постоянства самих снимков (снимки периодически обновляются, потому сама изучаемая местность может на них сильно измениться). Чтобы использовать снимки правильном образом,  лучше всего обращаться к операторам и просить оригинал (см. п.4).
<br />
<br />

2. Важно учитывать условия '''лицензии''' каждого ресурса, то есть юридические ограничения в использовании и публикации материалов съемки пользователями. Если вы видите, что ваши действия будут нарушать условия лицензии – то лучше всего, опять таки, еще до самих действий, обратиться напрямую к владельцам, объяснить свои  задачи и попросить сделать для вас (а может быть и для всех) изменения в лицензии. Для общественно-значимых и научных целей – добиться такого можно, этому есть множество примеров.
<br />
<br />

=== Ресурсы для поиска  и получения доступа к бесплатного скачиванию  спутниковых снимков среднего и низкого разрешения ===
<br />
К спутниковым снимкам бесплатного доступа, которые используются для основной части  экологических (научных и природоохранных) проектов относятся следующие:
<br />
<br />
'''MODIS''' (все производные продукты – бесплатны)
<br />
'''Landsat 1... Landsat8''' (все снимки скачиваются бесплатно)
<br />
'''ASTER''' (для научных, природоохранных и учебных целей можно получить бесплатно, для чего нужно оформлять заказ через ресурс Reverb.
<br />
<br />
В Таблице 2 представлены характеристики этих снимков, которые нужно учитывать при их выборе для проекта.
<br />
<br />
Найти нужный снимок, скачать его или (в случае ASTER) оформить заказ для бесплатного получения,  можно на двух основных ресурсах с архивами снимков: 
<br />
<br />
'''GLOVIS (The USGS Global Visualization Viewer)'''<br />
http://glovis.usgs.gov
<br />
<br />
'''Reverb.ECHO''' <br />
http://reverb.echo.nasa.gov/ 
<br />
<br />
Помимо этих ресурсов, имеются и другие, часто специализирующиеся на каком-то одном типе снимка, также предоставляющие возможность поиска и скачивания: LandsatLook Viewer, EarthExplorer.
<br />
<br />
Ресурсы Rever и GloVIS – связаны между собой, но аккаунт требуют создавать различный. Однако, вследствие их связанности, имена и пароли этих аккаунтов рекомендует выбирать разными (были случае сбоя захода в системы в случае создания одинаковых имен аккаунтов).
<br />
<br />
=====  =====
<br />
<br />
'''<small>Таблица 2. Характеристики и использование снимков ASTER, Landsat и MODIS</small>'''
<br />
{| class="wikitable"
|-
! Сенсор !! Спутник !! Годы работы !! Число спектральных каналов !! Общий спектральный диапазон (µm) !! Территория одного снимка (кв.км) !! Разрешение пространственное (метров в 1 пиксле) !! Временной Интервал (сутки) !! Сайты !! Применение
|-
| ASTER* || Terra || 2000 - наст. время || 15 || 0.52 - 11.65 || 60 x 60 || 15 - 90 || 16 и меньше || [https://lpdaac.usgs.gov/products/aster_products_table ASTER Data Products Table] || 1. Карты температуры земной поверхности и  параметров прихода и отражения электромагнитного излучения земной поверхностью <br />
2. Цифровая Модель Рельефа (произв. прод. - ASTER GDEM, DEM)<br />
3. Геологические карты преобладающего минерального состава открытых горных пород.
|-
| Landsat (MSS, TM, ETM+, OLI) || Landsat 1...Landsat8 || 1972 - наст. время|| 4 (L1)… 11 (L8) || 0.43 - 12.51 (по L8) || 185 x 185 || 15 - 100 || 16 || [http://landsat.usgs.gov/best_spectral_bands_to_use.php USGS] (характеристики спектральных каналов снимков Landsat)<br /> [http://landsat.usgs.gov/landsat8.php Landsat8] (офиц. cайт Landsat8)
 || 1. По  лесам: <br />
- выявление плотности насаждений, степени нарушенности,  возраста,  для умеренных широт - преобладающий видовой состав лесов;<br />
- выявление нелегальных рубок свежих и старых, точек лесных пожаров и гарей.<br />
2. Изучение свойств открытых почв, водных объектов.<br />
3.Выявление техногенных загрязнений на суше и море.
<br />
<br />
Снимки Landsat широко применяют в сфере восстановления, изучения, и сохранения лесов и сельском хозяйстве. Важно, что можно анализировать данные, начиная с 1972 года, то есть более, чем за 40 лет.
|-
| MODIS**|| Terra, Aqua || 1999, 2002 - наст. время|| 36 || 0.4 - 14.4 || 1130 x 1130 || 250 - 1000 || 0.5 - 1  || [https://lpdaac.usgs.gov/products/modis_products_table MODIS Data Products Table] || 1.Выявление лесных пожаров в режиме почти реального времени.<br />
2.Определение нелегальных вырубок свежих и старых. <br />
3.Изучение растительного покрова (плотность насаждений, степень нарушенности).<br />
4.Сбор метеопараметров (для изучения процессов, связанных с изменением климата,  для предсказания погоды, в том числе -  смерчей, ураганов).
|}