Введение 4
1 Обзор используемого программного обеспечения, языка программирования, библиотек, спутниковых данных и алгоритмов 6
1.1 Геоинформационная система QGIS 6
1.2 Язык программирования Python 8
1.3 Библиотеки Python 9
1.3.1 Библиотека GDAL 9
1.3.2 Библиотека NumPy 9
1.3.3 Библиотека PIL 10
1.4 Спутниковые данные 11
1.4.1 Постобработка космических данных 14
1.4.2 Спутники семейств Landsat и Sentinel 16
1.5 Алгоритмы классификации 18
1.5.1 Классификация с использованием сигнатур 18
1.5.2 Классификация методом k-ближайших соседей 19
1.5.3 Байесовский классификатор 21
1.5.4 Классификация методом расстояния Махаланобиса 23
2 Реализация и тестирование алгоритмов классификации 25
2.1 Подготовка исходных данных 25
2.2 Реализация алгоритма классификации методом k-ближайших соседей .... 31
2.3 Реализация классификатора Байеса 34
2.4 Классификация с использованием расстояния Махаланобиса 38
2.5 Классификация с использованием плагина SACP 40
2.6 Общая схема действия реализованных алгоритмов 43
2.7 Оценка алгоритмов классификации 44
3 Создание цифровой карты 46
3.1 Создание тематической карты на основе кадастра отходов 47
3.2 Анализ тематической карты 49
Заключение 54
Список использованных источников 55
Приложение А Код алгоритмов классификации объектов
В настоящее время является актуальной проблема несанкционированных свалок в окрестностях населённых пунктов. Человеческая деятельность оказывает глобальное влияние на биосферу по сравнению с началом XX века: вырубка леса, осушение рек и озёр, распашка степей, опустынивание земли, строительство зданий, дорог, плотин, загрязнение свалками и т. д. Отсутствие специально отведённых территорий под различные виды отходов ведёт к образованию несанкционированных свалок. Вследствие этого возникает необходимость определения этих территорий на картах. Для решения данной проблемы необходимо объехать все дороги близлежащие к населённым пунктам, для проверки и нанесения на карту несанкционированных свалок, либо использовать какие-либо воздушные суда или аппараты для облёта больших территорий близ населённых пунктов. К сожалению, и то, и другое занимает немалое количество времени, а также требуют определённых затрат ресурсов. В качестве решения данной проблемы было решено написать программный модуль, который позволяет, используя космические данные, полученные со спутников дистанционного зондирования Земли (ДЗЗ), идентифицировать территории с несанкционированными свалками. На основе полученных результатов работы программного модуля составляется цифровая тематическая карта объектов распределения отходов производства и потребления.
Для решения данной проблемы используется Геоинформационная система Quantum GIS, с встроенным в неё языком программирования Python
Цель работы: создание цифровой карты объектов размещения отходов производства и потребления.
Задачи:
- произвести загрузку и предварительную обработку космических данных;
- разработать алгоритмы, классифицирующие объекты на территории города Красноярска на космических изображениях;
- реализовать эти алгоритмы на языке Python, а также протестировать разработанные программы на различных наборах космических изображений;
- оценить эффективность алгоритмов классификации;
- создать цифровую карту отходов производства и потребления.
В результате выполнения данной работы были реализованы три алгоритма классификации на языке python в Quantum GIS. Была произведена оценка эффективности действия алгоритмов и выбран наиболее оптимальный. На основе результатов классификации была создана цифровая карта объектов размещения отходов производства и потребления. В процессе выполнения работы была изучена предметная область, в пределах которой и создаются цифровые карты отходов.
По окончанию разработки была создана на основе кадастровой карты отходов тематическая карта размещения этих отходов, а также выполнен её анализ. Полученная карта представляет собой обобщённый вариант уже имеющегося кадастра.
Карты, полученные в результате такой работы, могут оказаться полезными для решения проблем несанкционированных свалок вблизи населённых пунктов. Посредством них можно найти места с несанкционированными свалками, не затрачивая при этом большого количества времени и денег. Таким образом, меры по устранению несанкционированных свалок будут предприниматься наиболее оперативно.
Задача по загрузке и предварительной обработке космических снимков к работе выполнена. Задача по разработке алгоритмов классификации выполнена, но возможно доработка для большей эффективности. Задача по реализации алгоритмов на языке Python и их тестирование выполнены, но возможно изменение кода для улучшения эффективности. Задача по оценке эффективности алгоритмов классификации выполнена. Задача по созданию цифровой карты объектов размещения отходов производства и потребления Красноярской агломерации выполнена частично, создана лишь цифровая карта объектов размещения отходов производства и потребления города Красноярска.
1. Цифровая карта. Сетевая энциклопедия Wikipedia [Электронный ресурс]. - Режим доступа: https:// ru.wikipedia.org/wiki/Цифровая_карта
2. Система координат. Сетевая энциклопедия Wikipedia [Электронный ресурс]. - Режим доступа: https:// ru.wikipedia.org/wiki/Система_координат
3. Python. Программирование для смартфонов [Электронный ресурс]. - Режим доступа: http://dimonvideo.ru/articles/1368/
4. Sentinel-2. Сетевая энциклопедия Wikipedia [Электронный ресурс]. - Режим доступа: http://ru.wikipedia.org/wiki/Sentinel-2
5. Мониторинг земель [Электронный ресурс]. - Режим доступа: http://biofile.ru/bio/35187.html
6. Дистанционное зондирование Земли. Сетевая энциклопедия
Wikipedia [Электронный ресурс]. - Режим доступа: https://
ru.wikipedia.org/wiki/Дистанционное_зондирование_Земли
7. Система электронного обучения СФУ [Электронный ресурс]. - Режим доступа: https://e.sfu-kras.ru/
8. NumPy. Python 3 для начинающих [Электронный ресурс]. - Режим доступа: http://pythonworld.ru/numpy/1.html
9. Разработка простого решения для QGIS на Python. GIS-Lab [Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/qgis-dev- python.html
10. Разработка Python. Хабр [Электронный ресурс]. - Режим доступа: https://habrahabr.ru/post/150302/
11. GDAL. GIS-Lab [Электронный ресурс]. - Режим доступа: http://gis- lab.info/
12. Космические снимки. GIS-Lab [Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/open-rs-control.html/
13. Свалка. Сетевая энциклопедия Wikipedia [Электронный ресурс]. - Режим доступа: https://ru.wikipedia.org/wiki/Свалка
14. OpenStreetMap. Русская энциклопедия Традиция [Электронный ресурс]. - Режим доступа: https://traditio.wiki/OpenStreetMap
15. Semi-Automatic Classification Plugin Documentation [Электронный
ресурс]. - Режим доступа: http://semiautomaticclassificationmanual-
v4.readthedocs.io/en/latest
16. Атмосферная коррекция по методу DOS. GIS-Lab [Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/atcorr-dos.html/
17. Методологический аппарат для классификации изображений. GIS- Lab [Электронный ресурс]. - Режим доступа: http://gis-lab.info/qa/genclass- erdas.html
18. Европейское космическое агентство. Сетевая энциклопедия Wikipedia [Электронный ресурс]. - Режим доступа: https://ru.wikipedia.org/w/index.php?title=Европейское_космическое_агентство&oldid=91923924
19. НАСА. Сетевая энциклопедия Wikipedia [Электронный ресурс]. -
Режим доступа:
https://ru.wikipedia.org/w/index.php?title=HACA&oldid=90767156
20. Чабан, Л. Н. Теория и алгоритмы распознавания образов. М.,МИИГАИК, 2004 г. - 128 с.
21. Chavez, P. S. Image-based atmospheric correction—revisited and improved. Photogrammetric Engineering and Remote Sensing, 1996 г. - С. 1025 - 1036.
22. Жиленев, М. Ю. Обзор применения мультиспектральных данных ДЗЗ и их комбинаций при цифровой обработке, ГЕОМАТИКА №3, 2009 г. - 163 с.
23. Форсайт, Д. А. Компьютерное зрение. Современный подход.: Пер. с англ. / Д. А. Форсайт, Ж. Понс. - М. : Издательский дом Вильямс, 2004 г. - 928 с.
24. Дворкин, Б. А. Новейшие и перспективные спутники дистанционного зондирования земли/ Б. А. Дворкин, С. А. Дудкин// Геоматика. -2013. -№2. - С. 16-36.
25. Копанева, И. М. Обработка многозональных снимков с использованием геоинформационных технологий/ И. М. Копанева, Е. А. Рублева// Теория и практика гармонизации взаимодействия природных, социальных и производственных систем региона. -2017. - С. 343-347.
26. Лаврова, О. Ю. Средства и методы работы с данными спутникового дистанционного зондирования/ О.Ю. Лаврова, М.И. Митягина, А.Г. Костяной// Спутниковые методы выявления и мониторинга зон экологического риска морских акваторий. - Москва, 2016. - С. 50-100.
27. Адамович, Т. А. Новая группировка спутников дистанционного зондирования земли Sentinel/ Т.А. Адамович, В.П. Савиных// Биодиагностика состояния природных и природно-техногенных систем. - 2017. - С. 42-45.
28. Адамович, Т. А. Использование различных комбинаций спектральных каналов космических снимков спутника landsat 8 для оценки природных сред и объектов/ Т.А. Адамович, Т.Я. Ашихмина, Г.Я. Кантор //Теоретическая и прикладная экология. -2017. -№2. - С. 9-18.
29. Богданов, А. П. Разработка методики мониторинга состояния лесов на основе использования данных мультиспектральной космосъемки/ А.П. Богданов, Р.А. Алешко// Проблемы экологического мониторинга и моделирования экосистем. -2017. -№1. - С. 98-110.
30. Деркачёва, А. А. Эффективность атмосферных коррекций гиперспектральных снимков HYPERION в регионах с развитым растительным покровом/ А. А. Деркачёва, О. В. Тутубалина// Современные проблемы дистанционного зондирования земли из космоса. -2014. -№4. - С. 360-368.
31. Донцов, А. А. Разработка технологии организации каталогов спутниковых данных/ А. А. Донцов, Н. В. Волков, А. А. Лагутин// Известия алтайского государственного университета. -2014. -№1-2. - С. 172-175.