Анализ космических снимков

  • география
  • информатика

«Анализ космических снимков и геопространственных данных» — это новый профиль Олимпиады НТИ на стыке анализа больших данных и географии. Участникам нужно будет написать алгоритм, который бы на основе огромного массива спутниковых снимков смог решать задачи вроде таких:

  • Определение возраста и оценка запасов древесины на плантациях в тропических странах и регионах (для оценки достаточности данных объёмов для работы нового целлюлозно-бумажного предприятия).
  • Первичное картографирование древесных плантаций по тропическим и субтропическим странам.
  • Мониторинг лова рыбы и выявление случаев нарушений действующих нормативов.
  • Мониторинг загрязнения рек при добыче россыпного золота.

Количество участников — 3–4 человека:

  • информатик-программист: обработка растровых изображений, классификация, работа с пространственными данными и геоинформационными системами;
  • математик, специалист по статистике (первые две позиции могут совмещаться);
  • географ: работа с геоинформационными системами, дешифрирование космических снимков, экономическая география, география ландшафтов;
  • биолог / специалист по лесному и сельскому хозяйству: дешифрирование космических снимков, понимание экологии лесных экосистем и агроценозов.

Разработчики профиля

ООО «LoReTT», АНО «Прозрачный мир», ООО «Экобюро GREENS», «Фонд новых форм развития образования», сеть детских технопарков «Кванториум»

Отборочные этапы

Второй отборочный этап будет ориентирован на решение командами участников задач по интерпретации космических снимков, работе с пространственными данными и по умению связать результаты анализа снимков с данными из других источников, с теми или иными процессами и проблемами «на земле».

Работа с космическими снимками и загрузка результатов участников будет организована через геопортал. Однако, от участников также потребуются навыки самостоятельного поиска и привлечения дополнительной информации, а также навыки обработки пространственных данных в настольных ГИС-приложениях.

Заключительный этап

На заключительном этапе 2018–19 гг. участникам будет предложено решить задачу по обновлению по космическим снимкам цифровой карты древесных плантаций в тропиках и мониторингу изменений на них и в естественных лесах того же региона.

Сегодня ни один алгоритм анализа не позволяет быстро и надёжно отделить естественные леса от древесных плантаций (масличной пальмы, каучукового дерева, быстрорастущих пород для производства целлюлозы, плодовых деревьев и др.), на которые приходится большая часть исчезновения и восстановления тропического древесного полога, наблюдаемого со спутников. Глобальных и регулярно обновляемых карт древесных плантаций сегодня не существует.

При этом древесные плантации, особенно тропические, являются одной из ведущих причин уничтожения естественных лесов, важнейшим источником пожаров и иных экологических проблем. Одновременно они играют всё возрастающую роль в производстве продуктов для глобального рынка и в экономике многих стран.

Всем командам будет предложено обновить карту древесных плантаций (создать карту изменения за период в несколько лет) по одной и той же территории (стране/региону) в тропической зоне. При этом территория будет достаточно велика, чтобы обновление путём простого визуального дешифрирования космоснимков с отрисовкой изменений «вручную» на цифровых картах в отведённые сроки этапа было бы сделать затруднительно.

Каждой команде будет дана исходная цифровая карта плантаций разных типов и разных пород деревьев по состоянию на несколько лет назад, созданная коллективом экспертов и прошедшая независимую верификацию (точность и ошибка исходной карты известны). Необходимо будет составить обновлённую карту плантаций по космическим снимкам, наиболее актуальным для данной территории на момент проведения этапа.

Материалы для участников

При подготовке к решению заданий по этому профилю вам пригодятся:

Hard Skills:

  • Знание английского языка или умение использовать онлайн-переводчики.
  • Умение и навыки работы с пространственными данными и геоинформационными системами (на примере Quantum GIS).
  • Знакомство с основными источниками пространственных данных в интернете, навыки работы с геопорталами. В частности (но не ограничиваясь этим):
    https://www.openstreetmap.org/
    https://gptl.ru/
    https://www.ngdc.noaa.gov/
    https://eros.usgs.gov/
    https://earthexplorer.usgs.gov/
    https://worldview.earthdata.nasa.gov/
    http://apps.sentinel-hub.com/eo-browser
    https://scihub.copernicus.eu/dhus/
    http://kosmosnimki.ru/
    https://www.globalforestwatch.org/map.
  • Знание основ статистики, умение проводит простейшие статистические расчеты и оценивать статистическую погрешность полученных результатов, понимание пространственной статистики.
  • Программирование на одном или нескольких языках программирования.
  • Знакомство с наиболее распространёнными алгоритмами классификации космических снимков и умение их применить к конкретным растровым изображениям.
  • Хорошее знание физической географии в целом и изучаемых регионов, особенно в части природных зон, растительности и ландшафтов, 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, воздействия деятельности человека на природные экосистемы и ландшафты.
  • Знание основных экологических закономерностей и функционирования экосистем и растительных сообществ, основных принципов строения лесных экосистем, первичных и вторичных сукцессий, лимитирующих факторов, воздействия человека на окружающую среду и природные экосистемы.

Soft Skills:

  • умение работать в команде;
  • умение распределить работу между членами команды;
  • умение сформулировать задачу для другого члена команды исходя из специфических знаний по своей специализации;
  • умение искать и пользоваться информацией в интернете;
  • умение оценивать результаты работы, своей и других членов команды, и вносить коррективы для их улучшения.

Рынки НТИ

  • AeroNet
  • AutoNet
  • EnergyNet
  • MariNet
  • NeuroNet