search icon

Анализ космических снимков и геопространственных данных

Рынки НТИ: Аэронет Рынки НТИ: Аэронет
III уровень РСОШ III уровень РСОШ
100 баллов к ЕГЭ 100 баллов к ЕГЭ
Рынки НТИ: Аэронет Рынки НТИ: Аэронет
III уровень РСОШ III уровень РСОШ
100 баллов к ЕГЭ 100 баллов к ЕГЭ
Информатика География
Рекомендации для наставника
  • Этап 1
    1 октября — 21 ноября
    2020
  • Этап 2
    16 ноября — 8 января
    2021
  • Финал
    29 марта — 3 апреля
    2021

Расписание

Внимание! Финал пройдет в очном формате!

Съёмка Земли из космоса широко используется в различных сферах бизнеса и при чрезвычайных ситуациях, для изучения и экологического мониторинга нашей планеты. Как «чёрные ящики» на самолёте, сотни спутников постоянно записывают завораживающую картину происходящих на наших глазах драматических изменений мира, в котором мы живём, — как в глобальном, так и в местном масштабе. Для космических снимков не существует границ и закрытых зон, нет «слишком далёких» и недоступных мест.

Для анализа огромного массива космических данных используются самые передовые технологии обработки и анализа изображений и самые разнообразные алгоритмы. Геоинформатика — это также цифровые карты, системы навигации и совместная работа миллионов мобильных устройств, пространственное моделирование и анализ больших данных. Геоинформационные инструменты и системы развиваются быстро, но объём данных дистанционного зондирования Земли растёт ещё быстрее. Нам нужны новые подходы, новые идеи и новые энтузиасты!

При этом космические снимки и инструменты работы с ними сегодня доступны как никогда ранее. Открытые данные, общедоступные космические снимки и карты на их основе, геоинформационные системы с открытым кодом, станции для приема информации прямо со спутников, стоящие на крыше вашей школы и собираемые самими учащимися — это сегодняшние реалии отрасли. Большая наука, изучающая нашу планету, и успешные информационные бизнесы во многом построены на тех же данных и инструментах, с которыми вы будете работать, если станете участниками профиля «Анализ космических снимков и геопространственных данных».

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
01 7

Этапы соревнований

Этап 1

В рамках первого этапа участникам предстоит решить задачи по географии и информатике.

Этап 2

Задания второго этапа будут нацелены на освоение участниками навыков работы по следующим темам:

  • Пространственные данные и работа с ними, системы географических координат.
  • Геопорталы и работа с ними, источники открытых пространственных данных.
  • Геоинформационные системы и работа в них с пространственными данными: QGIS, GRASS, ArcGIS, ScanEx Image Processor, DTclassifier, Semi-Automaic Classification Plugin, etc. (в том числе, – программирование на Python в среде QGIS и/или GRASS).
  • Основные алгоритмы классификация растровых изображений: нейросетевые алгоритмы, decision tree, метод опорных векторов, kNN, etc.
  • Алгоритмы change detection.
  • Вегетационные индексы и другие метрики, рассчитываемые как функции от значений яркости спектральных каналов оптических снимков.
  • Работа в Google Earth Engine.

Задания второго этапа будут оформлены в виде курса на платформе Stepik. Взаимодействие с участниками будет осуществляться через информационный канали чат профиля в Telegram или другом мессенджере. 

Количество попыток для решения каждого задания на Stepik будет рассчитываться с учётом того, что каждый член команды может вводить решения независимо. В этом отношении команды в составе 4-х человека будут иметь преимущество по попыткам перед командами в составе 3-х человек.

Финал

Задача заключительного этапа будет посвящена алгоритмам и методам «бизнес-разведки» с использованием космических снимков, то есть анализу состояния и текущей динамики наблюдаемых наземных объектов, который позволяет делать выводы, важные для принятия бизнес решений. В качестве объектов будут выбраны сельскохозяйственные угодья и объекты нефтегазового сектора.

Задание будет разбито на несколько подзадач.

Оценка площади и динамики используемых сельхозугодий по определённому региону, с определением доли заброшенных сельскохозяйственных земель и площадей, занятых различными сельскохозяйственными культурами. Для разделения указанных классов участникам необходимо будет анализировать сезонную динамику вегетационных индексов и других показателей, которые меняются по-разному для разных сельскохозяйственных культур, заброшенных полей и естественных травянистых экосистем. В большинстве случаев это потребует использования космических снимков из разных источников, с разными характеристиками и с различным пространственным разрешением (включая, вероятно, и радарные снимки, позволяющие получать данные при любом облачном покрове). Участники должны будут продемонстрировать не только умение работать с источниками открытых данных, но и умение получать сравнимые показатели на основе снимков различных типов.

Оценка долговременных трендов в использовании земель того же региона: определение площади сельхозугодий, заброшенных за определённый многолетний период, а также доли таких угодий, (а) вновь вернувшихся в сельскохозяйственный оборот, (б) окончательно заброшенных и заросших древесной и кустарниковой растительностью.

Оценка активности нефтедобычи в период во время и после текущей пандемии коронавируса по наблюдаемым из космоса признакам, для одного или нескольких из основных нефтедобывающих регионов мира. Среди возможных наблюдаемых показателей: количество и время работы факелов сжигаемого попутного газа на эксплуатируемых месторождениях; количество и динамика транспортных средств на обсуживающих дорогах; положение подвижных крышек на крупных нефтехранилищах; активность и маршруты морских нефтеналивных танкеров.

По первым двум подзадачам участники создают карты (наборы пространственных данных) различных типов сельхозугодий и их динамики за указанный период, с разделением на соответствующие классы и подсчётом их площадей. 

По третьей подзадаче участники создают методику/алгоритм оценки объёма нефтедобычи на изучаемых эксплуатируемых месторождениях по наблюдаемым из космоса признакам. Они также получают динамику этих показателей за изучаемый период и на её основе делают выводы о динамике нефтедобычи.

Требования к команде

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:

Рекомендуются для всех участников команды к финалу:

  • 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 GISSNAPArcGISScanEx Image ProcessorDTclassifierSemi-Automaic Classification PlugingvSIG.

  • 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 хатя 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 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.

  • Владение английским языком (чтение) или умение использовать онлайн-переводчики.

Рекомендуются, в первую очередь для участников-дешифровщиков:

  • Умение «читать» географические карты, находить на них нужные территории и объекты.

  • Умение интерпретировать космические снимки, визуально определять по ним характер растительного покрова и различные объекты.

  • 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.

Рекомендуются, в первую очередь для участников-программистов:

  • Программирование на одном или нескольких языках программирования. Прежде всего, рекомендуется Python (который используется в среде QGIS и/или GRASS) и Perl (рекомендуется ActivePerl, используется для доступа к некоторым данным и для автоматизации их обработки), дополнительно – JavaScript (лучше всего подходит для задач в среде Google Earth Engine) и R (на нём реализованы некоторые бесплатные алгоритмы анализа и классификации).

  • Использование библиотек работы с пространственными данными GDAL/OGR.

  • Работа в среде Google Earth Engine.

Soft Skills:

Для выполнения командной работы важны такие навыки как умение слушать друг друга, распределять задачи, брать ответственность за свою часть работы.

  • Для решения задач олимпиады будут требоваться знания и навыки, которых не приобретают в школе, поэтому важна готовность учиться в процессе олимпиады. В частности, способность (и готовность) осваивать новые навыки и инструменты (прежде всего, речь о программном обеспечении и работе с геоинформационными системами).

  • Потребуется  найти ответы на сложные комплексные вопросы, поэтому нужно умение самостоятельно находить и анализировать информацию, сопоставлять данные из различных источников.

  • Важны аккуратность и последовательность, в частности, в такой работе как очерчивание объектов на карте / космическом снимке.

Численность команды и роли

Число участников команды: 3 или 4 человека.

  • 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 методики расчёта вегетационных индексов и других показателей, сезонная динамика которых позволяет разделит соответствующие классы, дорабатывают алгоритмы и готовят их демонстрационные версии на финале.
  • Географы/биологи-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. Скорее всего, в значительной мере именно дешифровщики подводят итоги и оформляют результаты решения задач в виде картографических материалов.

Вместе с тем, роли могут по-разному распределяться между участниками для решения каждой задачи. Соотношение и важность ролей при решении каждой задачи может быть различной и, вероятно, будет различной. При решении одних задач ведущая роль будет принадлежать программисту / программистам, при решении других – географу-дешифровщику / географам-дешифровщикам.

На втором отборочном этапе возможно (и даже желательно) параллельное решение задач разными членами команды. Вместе с тем, какая-то из задач может на определённом этапе потребовать участия всех членов команды.

Для заключительного этапа мы предварительно предполагаем, что третья подзадача будет решаться командой параллельно с первыми двумя, в то время как вторая будет решаться после решения первой. Соответственно, над каждой из подзадач одномоментно может работать пара, дешифровщик и программист. В команде из трёх человек один программист может обслуживать двух дешифровщиков, работающих над двумя разными задачами.

Однако, на всех этапах эффективное распределение ролей внутри команды является прерогативой и ответственностью самой команды.

Роли могут пересекаться. Умение работать с геоинформационными системами необходимо на определённом уровне всем участникам.

Материалы подготовки

Разработчики

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