ДЗЗ для экологических задач. Часть 1: Введение в теорию ДЗЗ

Эта страница является черновиком статьи.

Использование Дистанционного Зондирования Земли для задач изучения, сохранения и восстановления Природы

Введение. О целях, принципе изложения и планах развития этой работы

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.

Освещенные направления использования не претендуют на полный охват всех существующих направлений возможного применения технологий дистанционного зондирования для экологических задач. Статья имеет следующие основные цели:

• 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.

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 представляют собой технологии Дистанционного Зондирования Земли?
• В чем суть принципа методологий ДЗЗ?
• Какие первые шаги необходимо сделать, чтобы начать работать с ДЗЗ?

Общий принцип изложения этого материала (и по теоретическим вопросам, и по практическим частям) следующий:

1. Краткое изложение общей сути в тексте статьи (описание простыми словами, создание общей картины)
2. Приведение ссылок на специальную литературу (параграфы учебника, научные публикации, статьи ГИС-Лаб), которые можно изучить, чтобы разобраться с данным конкретным вопросом лучше.

Статья состоит из частей (работа не завершена):
Часть I. Краткое введение в теорию и практику Дистанционного Зондирования Земли.

Часть II. Использование технологий ДЗЗ для изучения, сохранения и восстановления лесов. Планируется, что в дальнейшем цикл частей статьи будет дополняться новыми материалами, расширяя охват примеров направлений приложения ДЗЗ в экологической тематике.

Приглашаем каждого желающего к соавторству или иной помощи в расширении и улучшении качества материалов статьи.
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 теме форума.

Цель статьи дать ответы на вопросы:

1. Что представляют собой технологии Дистанционного Зондирования Земли (ДЗЗ)?
2. Какие задачи в сфере Охраны Природы и биологических наук можно решать при использовании технологий ДЗЗ?
3. Какие первые шаги нужно сделать, чтобы начать работать с ДЗЗ?

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.
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.

Схема, приведенная на рис.1. иллюстрирует общий принцип работы технологий ДЗЗ:

Рис. 1. Общий принцип работы Дистанционного Зондирования Земли

A. Источник электромагнитной радиации (Солнце)
B. Прохождение солнечной радиации через Атмосферу при взаимодействии с ней к земной поверхностью
C. Отражение и испускание электромагнитного излучения от земной поверхности
D. Фиксирование отраженной и испущенной энергии сенсором орбитального спутника и ее сохранение в специальном формате
E. Передача и первичная обработка полученных данных
F. Анализ данных (пользовательская обработка полученных данных с различными целями), интерпретация полученных результатовв
G. Конечное применение полученных результатов (разработка карт, написание статей, принятие решений и пр.)

Обработка космических снимков для распознавания различных характеристик земной поверхности

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.

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.

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.

Электромагнитный спектр. Атмосферные окна

Рис.2 Электромагнитный спектр[1]

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).


Рис.3 Атмосферные окна [1]
Голубым цветом показаны участки спектра, поглощаемые Атмосферой, а желтым цветом показаны атмосферные окна, в которых возможно получение спутниковых снимков земной поверхности методами дистанционного зондирования

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).

Рис.4 Спектральные диапазоны каналов спутников Landsat 7 и Landsat 8 [new3]

Рис.5. Все (семь) каналов снимка Landsat 5, открытые в программе для обработки спутниковых снимков ENVI 4.8
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:
http://landsat.usgs.gov/best_spectral_bands_to_use.php
http://landsat.usgs.gov/band_designations_landsat_satellites.php

"Уровень серого" пикселя снимка или как сенсор фиксирует энергию, отраженную и испущенную от земной поверхности

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.
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).
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 белого (DN=0) до чисто черного цвета (DN = максимально возможное значение ступени, т. е. 64, 256 или 65536).
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:
Так при 6 битах, число ступеней 2⁶=64, при 8 битах (наиболее частый случай), число ступеней 2⁸=256 и при 16 битах число ступеней 2¹⁶ = 65536 ступеней (например, столько ступеней имеют снимки спутника Landsat 8, в отличие от более ранних спутников Landsat, имеющих 256 ступеней).

Рис.6 Уровень серого (Digital Number) снимка с числом ступней вариации от белого до черного – 256.
Врезкой наглядно показаны минимальные единицы сцены снимка - квадратные пиксели

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.
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.

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).
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.
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.
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.

Рис.7 Графики спектральных кривых растительности, почвы и воды

Рис.8. Графики спектральных кривых сухой растительности, зеленой (здоровой) растительности и почвы

Предварительная и Основная обработка спутниковых снимков. Интерпретация результатов.

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.
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.
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.

Предварительная обработка снимков (проведение коррекций)

Перед основной обработкой полученный снимок необходимо провести через этап предварительной обработки, который заключается в проведении геометрической, радиометрической и атмосферной коррекций.
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.
Радиометрическая коррекция включает в себя два вида коррекций:
- Радиометрическая коррекция искажений, возникающих по вине оптики сенсора
- Радиометрическая коррекция искажений, возникающих вследствие угла падения солнечных лучей и форм рельефа (устранения дефектов солнечных пятен и теней).
Атмосферная коррекция - устраняет различные искажения, внесенные наличием атмосферы.

Калибровочные коэффициенты, необходимые для проведения коррекций, поставляются вместе с исходным пакетом загружаемого снимка.
Механизм проведения коррекций довольно сложный, его технику, как и необходимые коррекции для каждого вида сенсора, необходимо выяснять в специальной литературе.

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.
Дело в том, что продукция сенсоров поступает к конечному потребителю в двух формах:
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.
Производные продукты – не требуют никакой специальной обработки от конечного пользователя, их можно скачивать и сразу использовать для анализа данных, которые они представляют.
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.

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

Таблица 1. Уровни обработки данных дистанционного зондирования (по системе NASA) [newin3 ]

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).

Основная обработка спутниковых снимков и интерпретация результатов

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:

Тип I. Цветные композиты из трёх спектральных каналов в цветовом пространстве RGB

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).


Рис. 9. Выбор цвета по системе цветов R, G, B в графическом редакторе

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.
Наиболее известные сочетания цветных композитов раскрыты в статье GIS-Lab: http://gis-lab.info/qa/landsat-bandcomb.html

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.
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.

Рис. 10. Выбор каналов снимка Landsat5 для создания цветного композита 4,3,2 в ENVI 5.0


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).

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.

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.
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

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.


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.

Материалы GIS-lab по теме этого метода:
Вегетационные индексы (статья GIS-Lab): http://gis-lab.info/qa/vi.html
NDVI - теория и практика: http://gis-lab.info/qa/ndvi.html

Тип III. Классификация с обучением или контролируемая классификация (Supervised Classification)

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.
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.

Тип IV. Классификация без обучения или неконтролируемая классификация (Unsupervised Classification)

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.

Рис.13. Обработка снимка методом контролируемой (слева) и неконтролируемой (справа) классификации

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.
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.

Какая существует разница между снимками разных сенсоров?

Для выбора снимка под цели научного или природоохранного проекта необходимо понимать – какая существует разница между спутниками разных сенсоров.
Снимки, полученные различными спутниками, различаются по следующим основным параметрам:
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).
2. Число каналов съемки и спектральный диапазон каждого канала (эти характеристики напрямую влияют на то, какие свойства земной поверхности можно выявить по снимкам).
3. Временное разрешение (temporal resolution) - приблизительный интервал через который повторяется снимок в данной местности (в сутках).
4. Общая площадь одного снимка (чем мельче разрешение, тем больше размер самого снимка)
5. Временной интервал в котором проводилась спутниковая съемка данным сенсором.
6. Предоставляемые уровни обработки снимка (см. Таблица 1)
7. Стоимость приобретения (оригинала снимка и производных продуктов).

Стоимость спутниковых снимков

Вопрос цены часто является определяющим в научных и природоохранных работах, поэтому важно понимать общую ситуацию со стоимостью на спутниковые снимки.
По стоимости спутниковые снимки делятся на коммерческие (платные ) и открытого доступа (бесплатные). Зависит это, прежде всего, от пространственного разрешения съемки.
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).
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.).

Для коммерческих снимков (полный исходный набор всех каналов) очень примерное соотношение пространственного разрешения и цены следующее:
0,3 - 0,5 м ... 14-16 USD за 1 км²
2,5 - 5 м ... 1,5 - 4 USD за 1 км²

При этом нужно учитывать, что минимальная нарезка, за которую необходимо будет заплатить, может составлять от нескольких десятков до нескольких сотен квадратных километров.

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).
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.



Рис.14. Примеры снимков с разным пространственным разрешением
Слева - в одном пикселе квадрат поверхности со стороной 0.6 метров, справа - в одном пикселе квадрат поверхности со стороной 30 метров

Возможности использования снимков сверхкрупного и крупного разрешения бесплатно с научными или общественно-значимыми целями

Если финансы вашего проекта ограничены, а необходимость в детальном анализе поверхности существует, имеются некоторые возможности использовать снимки крупного разрешения бесплатно или с ограниченными возможностями.
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.

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.
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.

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.



Рис.15. Добавление подложки снимка высокого разрешения в ArcGIS через Add Basemap

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.

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.

При использовании снимков ресурсов Google Earth, Google maps, подложки ArcGIS в работе нужно иметь в виду два важных момента:
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).

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.

Ресурсы для поиска и получения доступа к бесплатного скачиванию спутниковых снимков среднего и низкого разрешения

К спутниковым снимкам бесплатного доступа, которые используются для основной части экологических (научных и природоохранных) проектов относятся следующие:

MODIS (все производные продукты – бесплатны)
Landsat 1... Landsat8 (все снимки скачиваются бесплатно)
ASTER (для научных, природоохранных и учебных целей можно получить бесплатно, для чего нужно оформлять заказ через ресурс Reverb.

В Таблице 2 представлены характеристики этих снимков, которые нужно учитывать при их выборе для проекта.

Найти нужный снимок, скачать его или (в случае ASTER) оформить заказ для бесплатного получения, можно на двух основных ресурсах с архивами снимков:

GLOVIS (The USGS Global Visualization Viewer)
http://glovis.usgs.gov

Reverb.ECHO
http://reverb.echo.nasa.gov/

Помимо этих ресурсов, имеются и другие, часто специализирующиеся на каком-то одном типе снимка, также предоставляющие возможность поиска и скачивания: LandsatLook Viewer, EarthExplorer.

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).

Таблица 2. Характеристики и использование снимков ASTER, Landsat и MODIS

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	ASTER Data Products Table	1. Карты температуры земной поверхности и параметров прихода и отражения электромагнитного излучения земной поверхностью 2. Цифровая Модель Рельефа (произв. прод. - ASTER GDEM, DEM) 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	USGS (характеристики спектральных каналов снимков Landsat) Landsat8 (офиц. cайт Landsat8)	1. По лесам: - выявление плотности насаждений, степени нарушенности, возраста, для умеренных широт - преобладающий видовой состав лесов; - выявление нелегальных рубок свежих и старых, точек лесных пожаров и гарей. 2. Изучение свойств открытых почв, водных объектов. 3.Выявление техногенных загрязнений на суше и море. 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	1 или 2	MODIS Data Products Table	1.Выявление лесных пожаров в режиме почти реального времени. 2.Определение нелегальных вырубок свежих и старых. 3.Изучение растительного покрова (плотность насаждений, степень нарушенности). 4.Сбор метеопараметров (для изучения процессов, связанных с изменением климата, для предсказания погоды, в том числе - смерчей, ураганов).