Этапы создания цифровой карты в ГИС на основе данных дистанционного зондирования

Содержание

1. 1. Роль данных ДЗЗ в картографировании3
2. 2. Сбор и предварительная обработка снимков6
3. 3. Классификация и дешифрирование снимков8
4. 4. Векторизация и картографическое моделирование10
5. Список литературы13

1. Роль данных ДЗЗ в картографировании

Дистанционное зондирование Земли (ДЗЗ), это способ получения информации об объектах на земной поверхности без непосредственного контакта с ними. Регистрация отражённого или собственного излучения ведётся с борта космических аппаратов, самолётов или беспилотных летательных аппаратов. Результатом съёмки становятся растровые изображения, где каждый пиксель хранит значение яркости в одном или нескольких спектральных диапазонах. Основных видов таких данных три. Спутниковые снимки покрывают обширные территории и дают регулярную повторную съёмку. Аэрофотоснимки, получаемые с меньших высот, обеспечивают более высокое пространственное разрешение, но требуют организации полётов. Лидар (LiDAR) фиксирует не яркость, а время возврата лазерного импульса, что позволяет строить точные трёхмерные модели рельефа и растительности.

Взаимодействие ДЗЗ и геоинформационных систем (ГИС) носит двусторонний характер. С одной стороны, ГИС служит средой, где разрозненные растры превращаются в структурированную пространственную информацию. Программные продукты, такие как ArcGIS Pro, предоставляют инструменты для географической привязки снимков, их радиометрической калибровки и устранения атмосферных помех. С другой стороны, именно потребности картографирования определяют требования к характеристикам съёмки: выбору спектральных каналов и разрешения. Например, для карт масштаба 1:10 000 нужны снимки с разрешением не хуже одного метра, тогда как для региональных обзоров достаточно данных среднего разрешения. В итоге ГИС выступает интегратором, соединяющим растровые данные ДЗЗ с векторными слоями, атрибутивными таблицами и результатами полевых наблюдений.

Процесс создания цифровой карты по данным ДЗЗ распадается на несколько последовательных этапов. Первый, сбор исходных материалов и выбор источников съёмки под

конкретные задачи. Далее следует предварительная обработка: геометрическая коррекция для привязки изображения к координатной системе, радиометрическая калибровка для устранения искажений яркости, а также мозаицирование снимков для получения бесшовного покрытия. Затем идёт тематическая обработка, включающая классификацию и дешифрирование, то есть выделение объектов по их спектральным признакам. На завершающем этапе выполняется векторизация, построение топологически корректной векторной модели и картографическое моделирование, в ходе которого формируются тематические слои, легенда и оформление карты.

Использование ДЗЗ даёт картографам ряд преимуществ перед классическими наземными съёмками. Главное из них, актуальность информации. Спутник может зафиксировать изменения на территории за считанные дни, тогда как традиционная топографическая съёмка занимает месяцы. Стоимость получения данных также ниже: съёмка одного квадратного километра с воздуха обходится дешевле, чем работа полевой бригады с тахеометрами. Наконец, ДЗЗ обеспечивает доступ к труднодоступным районам, где проведение наземных измерений физически затруднено. Как отмечается в материалах СГУГиТ по созданию географических основ, космические снимки позволяют обновлять карты с периодичностью, недостижимой для традиционных методов. Это особенно важно при мониторинге динамичных процессов: разливов рек, схода лавин или роста городских агломераций.

Однако стоит учитывать, что данные ДЗЗ не заменяют, а дополняют наземную информацию. Космический снимок фиксирует состояние поверхности на конкретный момент времени, и для точной идентификации объектов часто требуются эталонные данные с местности. Поэтому в современном картографировании выстраивается гибридная схема: снимки дают непрерывное покрытие, а выборочные наземные наблюдения обеспечивают верификацию результатов. Такое сочетание делает процесс создания карт более гибким, точным и экономически эффективным по

сравнению с эпохой, когда единственным источником данных были полевые измерения и бумажные планы.

2. Сбор и предварительная обработка снимков

Исходные данные для картографирования подбираются под конкретную задачу, и главный критерий здесь, пространственное разрешение снимков. Для общегеографических карт масштаба 1:100 000 достаточно данных среднего разрешения (10-30 м), например, от спутников Landsat или Sentinel-2. Если же требуется детальный план города или точный контур сельскохозяйственного поля, нужны снимки с разрешением менее 1 м, которые получают с коммерческих аппаратов WorldView или GeoEye. Помимо разрешения, учитывают спектральные каналы: мультиспектральные данные позволяют различать типы растительности, а панхроматические снимки высокой чёткости удобны для дешифрирования дорог и строений. Периодичность съёмки тоже важна, особенно при мониторинге динамичных процессов, таких как паводки или сведение лесов. Архивы Landsat обеспечивают непрерывный ряд наблюдений с 1984 года, что делает их незаменимыми для ретроспективного анализа.

Полученные снимки непригодны для прямого использования в ГИС, поскольку спутник фиксирует изображение с учётом своего положения и рельефа местности, что вызывает смещения объектов относительно их реальных координат. Геометрическая коррекция решает эту проблему. Процедура включает привязку снимка к опорным точкам, координаты которых известны с высокой точностью, и пересчёт изображения в заданную картографическую проекцию, например, UTM. Современные программные комплексы, включая ArcGIS Pro, выполняют ортотрансформирование с использованием цифровой модели рельефа, что устраняет искажения, вызванные перепадами высот. После такой обработки каждый пиксель снимка получает точные географические координаты, и изображение можно совмещать с векторными слоями и другими данными.

Радиометрическая коррекция направлена на устранение искажений яркости, возникающих из-за рассеивания и поглощения излучения атмосферой. Даже в ясный день

частицы аэрозоля ослабляют сигнал, и без поправок значения спектральной яркости объектов оказываются заниженными, особенно в синем диапазоне. Атмосферная коррекция выполняется либо с использованием моделей переноса излучения, таких как MODTRAN или 6S, либо упрощёнными методами, например, вычитанием тёмного объекта. Параллельно проводится калибровка: сырые цифровые значения пикселей переводятся в физические величины коэффициента отражения. Это необходимо, чтобы сравнивать снимки, полученные в разные даты или разными сенсорами. Без такой нормализации автоматизированная классификация даст некорректные результаты, так как один и тот же тип подстилающей поверхности в разных сценах будет иметь разные яркостные характеристики.

Отдельные сцены обычно покрывают лишь часть исследуемой территории, поэтому их объединяют в единое бесшовное покрытие. Мозаицирование требует согласования яркости соседних снимков, ведь условия съёмки могли отличаться: угол солнца, облачность, влажность почвы. Для сглаживания переходов применяют гистограммное выравнивание и методы «сшивания» по линиям перекрытия. После создания мозаики её обрезают по границам района исследований, что сокращает объём данных и ускоряет последующую обработку. Финальный продукт этого этапа, геометрически и радиометрически корректный растровый слой, готовый к дешифрированию и классификации.

3. Классификация и дешифрирование снимков

После предварительной обработки, когда снимок приведён к единой системе координат и очищен от атмосферных помех, начинается смысловой этап работы. Исходные данные превращаются в картографическую информацию. Задача этого этапа, извлечь из изображения тематическое содержание: выделить лес, пашню, водные объекты, застройку. Решается она двумя путями, через классификацию пикселей по спектральным признакам и через дешифрирование.

В основе обоих подходов лежит представление о том, что разные объекты земной поверхности по-разному отражают электромагнитное излучение. Лиственный лес в ближнем инфракрасном диапазоне отражает до 50% падающей энергии, а чистая вода, наоборот, поглощает его почти полностью. Эти различия фиксируются в спектральной яркости пикселей. Каждый объект обладает характерной спектральной сигнатурой, кривой отражения в разных каналах съёмки. Она становится главным критерием для автоматического распознавания.

Алгоритмы классификации делятся на два семейства. Неконтролируемая классификация, или кластеризация, работает без участия оператора. Программа сама группирует пиксели в классы по схожести их спектральных характеристик. Оператор лишь задаёт количество классов и параметры кластеризации. Метод удобен для первичного анализа, но полученные кластеры часто не соответствуют реальным объектам. Один класс может объединять и песчаный пляж, и крыши зданий, если их яркость в используемых каналах совпадает.

Контролируемая классификация требует обучения. Оператор вручную задаёт эталонные участки, полигоны, для каждого интересующего типа объектов. Алгоритм, например метод максимального правдоподобия, вычисляет статистические характеристики этих эталонов и затем относит каждый пиксель снимка к ближайшему по этим характеристикам

классу. Качество результата напрямую зависит от того, насколько точно и полно оператор выбрал обучающие выборки. Этот метод требует больше времени и экспертных знаний, но даёт результат, привязанный к конкретной легенде будущей карты.

Параллельно с машинной классификацией существует дешифрирование. Визуальное дешифрирование выполняет человек, который распознаёт объекты по совокупности прямых и косвенных признаков: форме, размеру, тени, взаимному расположению. Опытный дешифровщик безошибочно отличит железнодорожный мост от автомобильного, хотя спектрально они могут быть неразличимы. Автоматизированное дешифрирование пытается имитировать этот процесс, используя не только яркость, но и текстурные, контекстные и геометрические характеристики объектов. Современные ГИС, например ArcGIS Pro, предлагают инструменты объектно-ориентированного анализа, которые сначала сегментируют изображение на однородные участки, а затем классифицируют эти участки по набору признаков.

Ошибки неизбежны на любом из этих путей. Смешение классов происходит из-за схожести спектральных сигнатур, из-за теней, из-за атмосферной дымки. Поэтому обязательным шагом становится оценка точности. Создаётся матрица ошибок, в которой сравниваются результаты классификации с эталонными данными: точками, проверенными на местности, или снимками более высокого разрешения. Рассчитывается общая точность, точность по каждому классу, а также индекс Каппа, который учитывает случайное совпадение. Если точность недостаточна, оператор корректирует обучающие выборки, добавляет новые классы или применяет фильтры для сглаживания «шума» на классифицированном изображении. Только после такой проверки результат можно использовать для дальнейшей векторизации и создания итоговой цифровой карты.

4. Векторизация и картографическое моделирование

После того как классифицированный растр сформирован, возникает задача перевести его в векторное представление. Векторная модель, а не растровая, лежит в основе большинства картографических произведений. Она позволяет хранить точные координаты границ, выполнять пространственные запросы и строить корректные топологические отношения между объектами. Сам процесс преобразования пиксельной сетки в геометрические примитивы называется векторизацией.

Векторизация выполняется двумя способами: вручную и автоматически. Ручной способ предполагает оцифровку экрана оператором. Специалист обводит контуры объектов, которые видит на снимке или на классифицированном растре. Метод трудоёмкий, но незаменим при работе со сложными, неоднородными контурами. Например, при выделении границ застройки в плотной городской среде без него не обойтись. Автоматическая векторизация использует алгоритмы, которые преобразуют группы пикселей одного класса в линии и полигоны без участия человека. В ArcGIS для этого применяется инструмент Raster to Polygon, а в QGIS аналогичную функцию выполняет модуль r.to.vect из набора GRASS. Автоматический подход быстрее ручного, однако результат требует проверки. На выходе нередко появляются артефакты в виде «рваных» границ или мелких полигонов-«ошмётков», которые приходится вычищать вручную.

В результате векторизации формируются три типа векторных объектов. Точечные объекты фиксируют дискретные позиции: родники, геодезические пункты, отдельно стоящие деревья. Линейные объекты описывают вытянутые элементы: дороги, реки, линии электропередачи. Полигональные объекты представляют площади: кварталы застройки, лесные массивы, сельскохозяйственные угодья. Каждый объект при этом получает атрибутивную запись с информацией о его принадлежности к тому или иному классу.

Однако просто нарисовать контуры недостаточно. Необходимо построить топологически корректную модель. Топология в ГИС описывает правила пространственных отношений между объектами. Полигоны не должны перекрываться, между ними не должно быть щелей, линии должны соединяться в узлах, а не пересекаться внахлёст. Без соблюдения этих правил дальнейший анализ теряет смысл: площадь участка, посчитанная по перекрывающимся полигонам, окажется завышенной, а маршрут по дороге с разрывом в узле не построится вовсе. Проверка топологии в ArcGIS выполняется через набор правил, например, Must Not Overlap или Must Not Have Gaps. Ошибки, выявленные при проверке, исправляются вручную или полуавтоматически. В работе Железнякова по методике создания электронных карт особо подчёркивается, что игнорирование топологической корректности на этапе векторизации приводит к накоплению ошибок, которые проявляются уже на этапе картографического моделирования.

Картографическое моделирование представляет собой следующий уровень работы. Здесь векторные объекты организуются в тематические слои. Отдельный слой для гидрографии, отдельный для дорожной сети, отдельный для растительного покрова. Каждый слой, по сути, отвечает на конкретный вопрос. Слой землепользования, полученный из классифицированного снимка, позволяет рассчитать площади пашни и леса. Слой уклонов, построенный на основе цифровой модели рельефа, даёт ответ о пригодности территории для строительства. Наложение этих слоёв друг на друга (операция оверлея) выявляет новые закономерности. Например, участки эрозионно опасных склонов, которые одновременно являются пахотными землями. В статье «Геоинформационное картографирование и дистанционное зондирование в управлении регионом» отмечается, что именно возможность многовариантного анализа тематических слоёв отличает картографическое моделирование от простого черчения карты.

Завершающий этап работы с векторной моделью, оформление итоговой карты, требует отдельного внимания. Сырой результат векторизации и моделирования не готов к печати или публикации. Он содержит избыточную детализацию, мелкие объекты, которые загромождают изображение. Здесь вступает в силу генерализация. Она подразумевает отбор и обобщение объектов в соответствии с масштабом карты. При переходе от масштаба 1:10 000 к масштабу 1:50 000 мелкие озёра площадью менее гектара исчезают с карты, а извилистая береговая линия крупного водоёма упрощается, сохраняя лишь основные изгибы. Параллельно с генерализацией разрабатывается легенда. Легенда должна быть однозначной: каждый класс объектов получает свой цвет и свой условный знак, причём эти обозначения не должны визуально сливаться друг с другом. Наконец, на карту наносятся масштаб, координатная сетка и зарамочное оформление. Только после этих процедур цифровая карта становится полноценным картографическим произведением, пригодным для использования в научной работе или в управленческих решениях.

СПИСОК ЛИТЕРАТУРЫ

1. Данные дистанционного зондирования и изображения в ArcGIS — https://pro.arcgis.com/ru/pro-app/3.5/help/data/imagery/imagery-and-remote-sensing-in-arcgis.htm

2. Типы изображений и растровых данных используемых снимками и данными дистанционного зондирования — https://pro.arcgis.com/ru/pro-app/3.4/help/analysis/image-analyst/imagery-and-raster-data-in-image-analyst.htm

3. Типы изображений и растровых данных используемых снимками и данными дистанционного зондирования—ArcGIS Pro — https://pro.arcgis.com/ru/pro-app/3.3/help/data/imagery/imagery-and-raster-data-in-image-analyst.htm

4. Использование ДЗЗ и ГИС при создании географических основ для тематических карт — https://vestnik.sgugit.ru/arkhiv/ispolzovanie-dzz-i-gis-pri-sozdanii-geograficheskikh-osnov-dlya-tematicheskikh-kart/

5. Создание цифрового плана с использованием материалов дистанционного зондирования земли — https://qje.su/ru/nauka/article/90468/view

6. Методика создания электронных карт — https://miigaik.ru/science/councils/congregation/14_06_19_zheleznyakov/2.pdf

7. К программе электронной топографо-тематической карты, создаваемой с использованием ГИС и ДЗЗ — https://cyberleninka.ru/article/n/k-programme-elektronnoy-topografo-tematicheskoy-karty-sozdavaemoy-s-ispolzovaniem-gis-i-dzz

8. Геоинформационное картографирование и дистанционное зондирование в управлении регионом — https://geocartography.ru/scientific_article/2012_2_30-37