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.
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.
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.
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.
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.
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.