Профиль посвящен сбору, обработке и анализу спутниковых снимков поверхности Земли. Такой анализ применяется в физической и экономической географии, при изучении природных и антропогенных ландшафтов, исследовании динамики экосистем.
Космические снимки являются уникальным источником информации о состоянии окружающей среды. Особенностью современного этапа использования данных дистанционного зондирования является их доступность для широкого круга пользователей.
Космические снимки и прочие свободно распространяемые пространственные данные позволяют решить широкий круг задач. С их помощью, не выходя из дома, можно посмотреть на нашу планету из Космоса, познакомиться с уникальными природными объектами, которые находятся за тысячи километров от вашего рабочего места, планировать будущие путешествия. Космические снимки позволяют изучать глобальные процессы, происходящие в океане и атмосфере, проявления вулканизма, оценивать состояние ледников.
В рамках первого отборочного этапа участникам предстоит решить задачи олимпиадного уровня по информатике и географии. Также участникам предстоит решение задач по профилю, направленных на подготовку участников ко второму этапу и финалу. Знания и опыт, полученные при решении этих задач, пригодятся участникам во втором и заключительном этапах.
Второй этап направлен на освоение участниками геоинформационных технологий, как в форме настольных, так и онлайн ГИС-систем. Ряд инструментов требует навыков программирования. Помимо этого при решении задач второго этапа участники получат опыт обработки, интерпретации и анализа космических снимков.
В рамках заключительного этапа олимпиады каждая команда сможет почувствовать себя полноценной командой исследователей, которая выполняет все этапы работы: сбор и подготовку исходных данных, выбор методики их обработки, автоматизацию обработки и интерпретация результатов для целей мониторинга состояния окружающей среды.
Для того, чтобы правильно интерпретировать то, что вы видите на космических снимках, необходимы знания из разных областей географии и некоторых областей биологии. В частности, с самого начала участникам будут необходимы:
Знание физической географии в целом и изучаемых регионов, особенно в части растительности и ландшафтов, в том числе агроландшафтов, чтобы анализировать распределение и характер растительности в зависимости от различных физических факторов: рельефа, гидрологии, геологии, климата и пр.
Знание экономической географии и основных видов природопользования изучаемых регионов, чтобы разобраться, какая хозяйственная деятельность человека формирует ландшафты, которые вы видите на космических снимках.
Знание основ функционирования и динамики различных экосистем, растительных сообществ, чтобы анализировать, связаны ли наблюдаемые изменения на снимках из космоса с сезонными явлениями, со сменой одних растительных сообществ другими (сукцессиями) или с воздействием человека.
Владение английским языком хотя бы на базовом уровне (чтение) или умение использовать онлайн-переводчики.
Умение «читать» географические карты, находить на них нужные территории и объекты.
Умение интерпретировать космические снимки хотя бы на базовом уровне – визуально определять по ним различные объекты и характер растительного покрова. (потренируйтесь, разглядывая знакомые вам места на «Яндекс Картах», Google Maps и портале «Глобальные изменения лесного покрова», а также на задачах первого этапа.)
Умение анализировать причины того или иного распределения и характера растительности, а также изменений растительного покрова в зависимости от различных факторов: рельефа, гидрологии, геологии, климата и хозяйственной деятельности человека.
Рекомендуется хотя бы для некоторых членов команды (хотя и не является критическим):
Владение базовыми навыками программирования на одном или нескольких языках. Прежде всего, рекомендуется Python (который используется в среде QGIS и/или GRASS) и JavaScript (лучше всего подходит для задач в среде Google Earth Engine), дополнительно – Perl (рекомендуется ActivePerl, используется для доступа к некоторым данным и для автоматизации их обработки) и R (на нем реализованы некоторые бесплатные алгоритмы анализа и классификации).
Владение хотя бы простейшими приемами работы с пространственными данными в геоинформационных системах, включая загрузку и визуализацию наборов векторных и растровых данных, редактирование векторных данных, работа с каналами и гистограммами космических снимков, подсчёты площадей и простейшая геообработка векторных данных (обрезка, пересечение, объединение). Выбор конкретного программного обеспечения остаётся на усмотрение участников и их наставников. Набор возможных ГИС-систем включает, но не ограничивается следующими пакетами: QGIS (сборка от российской компании «NextGIS» или международная версия), GRASS GIS, SNAP, Semi-Automaic Classification Plugin, gvSIG.
Умение работать с основными источниками пространственных данных (космических снимков, различных электронных карт) в интернете, навыки работы с геопорталами. Задания всех этапов олимпиады, особенно второго и заключительного этапов, будут опираться на общедоступные космические снимки и другие данные.
Владение методами / алгоритмами классификации растровых изображений: нейросетевые алгоритмы, decision tree, метод опорных векторов, kNN или другие – чтобы выявлять по космическим снимкам и картографировать те или иные объекты или типы растительности. Не требуется знать всё разнообразие алгоритмов – достаточно уверенно владеть одним-двумя.
Владение хотя бы одним методом / алгоритмом анализа изменений (change detection) – чтобы по паре разновременных космических снимков выявлять изменения, произошедшие между ними.
Владение методами расчета вегетационных индексов и других метрик, рассчитываемых как функции от значений яркости спектральных каналов оптических снимков. Динамика этих индексов поможет вам разделить разные типы растительности (например, поля, засеянные разными культурами).
Умение проводить простейшие статистические расчеты для пространственных данных: оценивать ваши результаты по пробным участкам, строить матрицу ошибок.
Использование библиотек работы с пространственными данными GDAL/OGR.
Работа в среде Google Earth Engine.
Для участия на втором и заключительном этапах вам понадобится команда из 3 или 4 человек.
Роль 1. Информатики-программисты: 1 или 2 человека
Основные задачи: обработка растровых изображений, классификация, работа с пространственными данными и геоинформационными системами, написание скриптов для массивной или автоматизированной обработки пространственных данных. Программисты осваивают и разрабатывают алгоритмы автоматической обработки космических снимков, расчёта яркостной температуры и отражающей способности, вегетационных индексов и других показателей.
Роль 2. Географы-дешифровщики: 1 или 2 человека
Основные задачи: работа с геоинформационными системами, дешифрирование космических снимков, анализ результатов дешифрирования. Дешифровщики изучают дешифровочные признаки различных классов объектов на разных типах космических снимков и ищут источники данных и дополнительную информацию, проводят визуальную проверку корректности выделения объектов, сделанного с помощью алгоритмов. В значительной мере именно дешифровщики подводят итоги и оформляют результаты решения задач в виде картографических материалов.
Роли могут по-разному распределяться между участниками для решения каждой задачи. При решении одних задач ведущая роль будет принадлежать программисту, при решении других – дешифровщику. Умение работать с геоинформационными системами необходимо всем участникам.
На всех этапах эффективное распределение ролей внутри команды является прерогативой и ответственностью самой команды.
