search icon search icon

Анализ космических снимков и геопространственных данных

  • Рынки НТИ: Аэронет
  • III уровень РСОШ
  • 100 баллов к ЕГЭ
  • «Зеленая» экономика
  • Рынки НТИ: Аэронет
  • III уровень РСОШ
  • 100 баллов к ЕГЭ
  • «Зеленая» экономика
Информатика География
Рекомендации для наставника
  • Этап 1
    5 сентября — 8 ноября
    2022
  • Этап 2
    14 ноября — 16 декабря
    2022
  • Финал
    20 марта — 24 марта
    2023

Расписание

Сбор и обработка спутниковых снимков поверхности Земли. Физическая и экономическая география, знание природных и антропогенных ландшафтов, динамика экосистем.

Задача финала будет посвящена алгоритмам и методам мониторинга событий на поверхности Земли.

Анализ космических снимков и геопространственных данных1
Анализ космических снимков и геопространственных данных2
Анализ космических снимков и геопространственных данных3
Анализ космических снимков и геопространственных данных4
Анализ космических снимков и геопространственных данных5
Анализ космических снимков и геопространственных данных6
Анализ космических снимков и геопространственных данных7
Анализ космических снимков и геопространственных данных8
Анализ космических снимков и геопространственных данных9
01 9

Этапы соревнований

Этап 1

В рамках первого отборочного этапа участникам предстоит решить задачи олимпиадного уровня по информатике и географии. Также участникам предстоит решение индивидуальных задачи профиля, направленных на подготовку участников к участию во втором этапе и в финале (решения этих задач будут использоваться участникам на следующих этапах олимпиады).

Индивидуальные задачи профиля разделены по компетенциям (направлениям) которые будут востребованы в команде при решении командных задач.

Этап 2

Второй эта направлен на освоение участниками геоиформационных технологий, как в форме настольных ГИС-систем, так и онлайн. Ряд инструментов требует навыков программирования.

Вторая группа развиваемых навыков связана с обработкой и интерпретацией космических снимков, способностью анализировать то, что на них видно.

Финал

Космические снимки являются уникальным источником информации о состоянии окружающей среды. Особенностью современного этапа использования данных дистанционного зондирования является увеличение их доступности для широкого круга пользователей.

Космические снимки и прочие свободно распространяемые в сети Интернет 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, спланировать будущие путешествия. Космические снимки позволяют изучать глобальные процессы, происходящие в океане и атмосфере, проявления вулканизма, оценивать состояния ледников.

В рамках заключительного этапа олимпиады каждый участник сможет почувствовать себя полноценным исследователем, который выполняет все этапы работы: сбор и подготовка исходных данных, выбор методики их обработки, автоматизация обработки и интерпретация результатов для целей мониторинга состояния окружающей среды.

Требования к команде

Знания

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:

  • Хорошее 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.
  • Хорошее 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.

Hard skills для старта

  • 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 нём реализованы некоторые бесплатные алгоритмы анализа и классификации).

Hard skills для финала

  • Владение хотя бы простейшими приёмами 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 расчёта 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.

Численность команды и роли

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: прежде всего, обработка растровых изображений, классификация, работа с пространственными данными и геоинформационными системами, вероятное написание скриптов для массивной или автоматизированной обработки пространственных данных. Программисты разрабатывают / осваивают 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 / программистам, при решении других – дешифровщику / дешифровщикам. Умение работать с геоинформационными системами необходимо всем участникам.

На всех этапах эффективное распределение ролей внутри команды является прерогативой и ответственностью самой команды.

Материалы подготовки

Организаторы

Партнеры

background image background image background image background image background image background image background image background image background image background image background image background image
background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image background image