Профиль посвящен сбору, обработке и анализу спутниковых снимков поверхности Земли и других пространственных данных. Космические снимки являются уникальным источником информации о состоянии окружающей среды и позволяют решать широкий круг научных и прикладных 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.
Особенно актуальна на современном этапе развития науки и техники разработка подходов автоматизации обработки растровых изображений, которые позволяют упрощать анализ большого объема данных.
Целью первого отборочного этапа является знакомство участников со спецификой профиля. Этап разделен на предметный и инженерный туры.
Предметный тур включает задания по информатике и географии олимпиадного уровня.
Задания инженерного тура направлены на знакомство участников с основными видами пространственных данных и базовыми подходами к их анализу и обработке. Решая задания первого тура участники получат необходимые навыки для продолжения соревнования на следующих этапах олимпиады.
Второй этап направлен на более глубокое освоение участниками геоинформационных технологий, как в форме настольных, так и онлайн ГИС-систем. Тематика заданий второго этапа требует от участников знания физической и экономической географии, физических основ дистанционного зондирования Земли, основ картографии и геоинформатики, навыков программирования на языке Python.
Второй этап содержит индивидуальные и командные задания, приступать к решению которых можно только после командообразования согласно принятым в рамках проводимой олимпиады требованиям.
Задания будут посвящены мониторингу состояния геосистем российского сектора Арктики с акцентом на экологический и ледовый мониторинг акватории северных морей.
В рамках заключительного этапа олимпиады участники, прошедшие конкурсный отбор, смогут почувствовать себя полноценной командой исследователей, которые продемонстрируют свои знания и умения, полученные на предыдущих этапах соревнования.
Финалистам предстоит самостоятельно разрабатывать дорожную карту решения финальной задачи, выполнять сбор и предобработку исходных данных, предлагать подходы к автоматизации их обработки и интерпретации.
Для того, чтобы успешно справиться с заданиями Олимпиады, необходимы знания в области:
Физической географии, гляциологии, криолитологии, метеорологии и топографии.
Экономической географии и основных видов природопользования изучаемых регионов.
Основ функционирования и динамики различных экосистем, растительных сообществ.
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 разделять естественные и техногенно преобразованные объекты гидрографической сети, определять характер рельефа, тип растительности, особенности облачного покрова, снежного покрова суши и ледового покрова акваторий морей.
Умение устанавливать причинно-следственные связи.
Рекомендуется хотя бы для некоторых членов команды:
Владение базовыми навыками программирования на одном или нескольких языках. Прежде всего, рекомендуется Python (который используется в среде QGIS и/или GRASS).
Владение 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, геообработка векторных данных (обрезка, пересечение, объединение). Набор возможных ГИС-систем включает: QGIS (сборка от российской компании «NextGIS» или международная версия), GRASS GIS, SAGA GIS, SNAP.
Умение работать с основными источниками пространственных данных (космические снимки, цифровые модели рельефа, общегеографические и тематические карты, векторные слои), навыки работы с геопорталами.
Владение методами / алгоритмами классификации растровых изображений: нейросетевые алгоритмы, decision tree, метод опорных векторов, random forest, или другие.
Владение хотя бы одним методом / алгоритмом анализа изменений (change detection), которые позволяют по паре разновременных космических снимков выявлять произошедшие изменения.
Владение методами получения индексных изображений, рассчитываемых как функции от значений яркости спектральных каналов оптических снимков.
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.
Базовое владение Python.
Для участия во втором и заключительном этапах вам понадобится команда из 3 или 4 человек.
Роль 1. Программист/Аналитик данных: 1 или 2 человека.
Разработка программного обеспечения для автоматизации процессов предварительной обработки векторных и растровых данных и дешифрирования.
Роль 2. Географ-дешифровщик: 1 или 2 человека.
Работа с космическими снимками, принятие решений о предварительной обработке снимков, выбор оптимального варианта синтеза цветного изображения под конкретные задачи, визуальное (по прямым и косвенным дешифровочным признакам) и автоматизированное (с помощью специализированного программного обеспечения) дешифрирование.
Роль 3. Картограф: 1 человек.
Работа с картографическими проекциями. Подготовка векторных слоев согласно требованиям задач. Проверка топологической корректности разработанных слоев. Оформление макетов карт.
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.
Тематическое дешифрирование и интерпретация космических снимков среднего и высокого пространственного разрешения
Дешифрирование аэрокосмических снимков: учебник
Геопортал Роскосмоса
Российская Арктика в цифрах
Арктические регионы России
Официальный сайт ФГБУ «Главсевморпуть»
Мониторинг Северного морского пути
Современное состояние и перспективы исследований ледяного покрова морей российской Арктики
Поведение и мониторинг разливов нефти в водах арктических морей (на примере Баренцева моря)
