 |
|
|
| |
|
|
|
|
|
|
|
Итак, наши растровые спутниковые изображения готовы к оцифровке.
Векторизацию будем проводить в популярном продукте отечественной разработки - ГИС "Карта" ("Панорама").
Что нужно сделать в первую очередь перед созданием карты и началом оцифровки? Сначала нужно определиться с используемым класссификатором.
Классификатор карты - это набор сведений о возможных слоях карты, объектах на этих слоях, начертаниях (внешнем виде) объектов, и используемой семантике.
С сайта ГИС "Карты": http://gisinfo.ru/classifiers/classifiers.htm можно загрузить множество классификаторов, как общего так и специализированного назначения. Большинство из них входят в комплект поставки профессиональной версии продукта.
Например, map2000.rsc - классификатор цифровых планов городов масштаба 1:2000, полностью соответствующий Приказу Минэкономразвития № 467 от 24 декабря 2008 г. "Об утверждении требований к составу, структуре, порядку ведения и использования единой электронной картографической основы федерального, регионального и муниципального назначения".
Раньше это был яркий цветной классификатор, в котором можно было легко различить объекты. После издания Минэкономразвитием пресловутого приказа, КБ "Панорама" его полностью переработала в соответствии с ним - классификатор потерял цвет и стал чёрно-белый. В результате даже качественные карты, представленные в этом "утверждённом" классификаторе становятся нечитаемыми с экрана. Попробуйте разберитесь в такой карте, когда вокруг зелёные реки и чёрно-белый лес.
Пожалуй, единственное, к чему может сгодиться нынешний map2000.rsc - это печать на чёрно-белом принтере.
На мой взгляд, ни один стандартный классификатор Панорамы не пригоден для оцифровки космических снимков. Сейчас объясню почему.
Во-первых, это количество объектов. Универсальные классификаторы предоставляют выбор из 1.5 тысяч самы разных объектов. Каждый картограф, оцифровывающий снимок, проявляет фантазию и по-своему трактует это многообразие. В результате, кто-то выбрал "Лес широколиственный густой", а кто-то "Лес смешанный низкорослый", кто-то выбрал "Ограду каменную ж/б выше 1 м" а кто-то "Ограду металлическую ниже 1м с деревянными опорами".
Большинство объектов стандартного классификатора не могут быть точно идентифицированы с космического снимка. Поэтому такое многообразее лишь усложняет жизнь картографу и приводит к беспорядку.
Во-вторых, это внешний вид объектов. Проблема оцифровки состоит в том, что нанесённый поверх растра векторный объект должен быть:
• с одной стороны достаточно ярким и броским, чтобы выделяться на фоне растра
• с другой стороны - полупрозрачным, чтобы под ним оставались видны детали подложки
• иметь чёткие границы
Естественно, что при таких требованиях об оцифровке чёрно-белыми значками не может быть и речи.
Я рекомендую перед началом работ по оцифровке создать собственный классификатор, состоящий только из тех объектов, которые нужны оцифровщику.
Однако для того, чтобы вы всегда могли преобразовать карту из собственного классификатора в утверждённый - рекомендуется при создании объектов собственного класификатора использовать коды наиболее близких объектрв классификатора стандартного. Например, когда мы создём в классификаторе оцифровщиков объект "Заборы" мы указываем ему код 82211000 - "Ограда каменная, ж/б выше 1 м".
Ниже привожу пример классификатора оцифровки, оптимальный на мой взгляд:
Учтите, что кроме вышеперечисленных слоёв, в классификаторе всегда будет присутствовать СИСТЕМНЫЙ слой с кодом 0.
Обратите внимание на нестандартную раскраску объектов: многие объекты классификатора, предназначенного для оцифровки, представленны видом "полигон-цветное стекло" с той или иной степенью прозрачности или видом "полигон-векторное заполнение".
Слои сортируются в порядке, приведённым на схеме: самый нижний слой - ОСНОВА, самый верхний - ТЕКСТ. Внутри слоя сначала отображаются площадные объекты, поверх них линейные и поверх них точечные.
Типовой классификатор должен содержать семантики:
• СОБСТВЕННОЕ НАЗВАНИЕ - строковая, общая для всех объектов
• КЛАДР - числовая, с выбором из списка - для быстрой привязки адресов при загрузке карт в сторонние информационные системы
• НОМЕР ДОМА - строковый
• ЧИСЛО ЭТАЖЕЙ - целый
Отдельно позаботьтесь о создании брата-близнеца вашего классификатора - с тем же перечнем объектов и теми же кодами - но только с начертаниями, предназначенными для печати.
В этом случае менять классификатор карты можно будет простой заменой одного .RSC файла на другой.
Метки: Картография
|
|
|
|
|
|
|
|
|
| |
|
|
|
|
|
|
|
И так, вы окончательно определились и готовы начать проект создания электронной векторной карты, например, населённого пункта. Что нужно делать дальше?
В первую очередь, нужно собрать всю растровую информацию по данному населённому пункту, доступную из открытых источников. Открытые источники в наше время - это Яндекс.Карты и Google.Maps.
Обычно на Google всегда более качественные снимки, чем на Яндексе - но лишний раз проверить не помешает.
Для того, чтобы уметь "на глаз" оценивать качество спутникового снимка, давайте разберёмся, какие именно спутники существуют. Не секрет, что пока вы спите, идёте на работу, гуляете по улице - над вами в далёком космосе пролетают десятки спутников, большинство из которых, к слову, вражеские.
Полный список спутниковых аппаратов, способных выполнять дистанционное зондирование земли (ДЗЗ) - иными словами фотографировать большие участки её поверхности представлен здесь: http://sovzond.ru/satellites/
Некоторые спутники снимают только в панхроматическом режиме (чёрно-белые снимки в градациях серого цвета), некоторые - в панхроматическом и мультиспектральных (цветных). Часть аппаратов имеют расширенный спектр, позволяющий производить съёмку в инфракрасном диапазоне.
Аппаратура спутников различается пространственном разрешением съёмки - расстоянием на земной поверхности, которое приходится на 1 пиксель снимка.
Что характерно, лучший действующий отечественный спутник "Ресурс-ДК1" способен делать снимки с разрешением до 1 м в панхроме - "среднячок", к сожалению не пригодный для составления карт масштаба 1:2.000. В общем зачёте лучший результат показывают зарубежные спутники WorldView-2 и GeoEye: 46 и 41 см соответственно.
Некоторые спутники имеют разные разрешения в панхроме и в цветовых каналах. Например, QuickBird: 61 см в панхроме и 2.44 м в цвете. В этом случае RGB-изображения со спутника синтезируются взаимным наложением показаний обоих сенсоров. Поэтому на таких снимках цвета более размыты чем тени.
А сейчас рассмотрим наиболее популярные спутники подробно и с иллюстрациями:
Спутник | Разрешение | Вид снимка, крупный план | Доступность в открытых источниках |
| ч/б - 15 м
цв. - 30 м | | Составляет основную мозаику Google Maps, на всю территорию мира |
| ч/б - 6 м
цв. - 24 м | | Составляет основную мозаику Яндекс Карт, на европейскую территорию РФ |
| ч/б - 1 м | | | Открытые источники не используют панхроматические снимки |
| ч/б - 1 м
цв. - 4 м | | | Google для районных центров РФ,
Яндекс для части областных центров РФ |
| ч/б - 0,5 м | | | Открытые источники не используют панхроматические снимки |
| ч/б - 0,61 м
цв. - 2,44 м | | | Самый распространённый поставщик космических снимков. Данные используют Google, Яндекс, Bing |
| ч/б - 0,46 м
цв. - 1,84 м | Снимки данного спутника представляют собой нечто среднее между Quickbird и GeoEye. Спутник призван заменить устаревающий QuickBird с "замыливающейся" оптикой. | Основной потребитель снимков WorldView-2 - сервис Microsoft Bing. |
| ч/б - 0,41 м
цв. - 1,65 м | | | Второй по популярности спутник, после QuickBird.
Снимки активно размещают: Google, Яндекс |
| до 0,15 м | | | Применяется Google и Bing для крупных городов США и Европы. В России практически недоступна. |
Отдельное спасибо хочется сказать компании Совзонд за собранную точную классификацию спутников, и за проводимую работу (в виде разнообразных форумов и семинаров) по популяризации ДЗЗ и ГИС.
Вам придётся работать со снимками WorldView-1, QuickBird, WorldView-2 и GeoEye. Ортофотопланы разрешения до 0,5 м в России или не изготавливаются, или имеют гриф "Секретно", а остальные спутники непригодны для создания карт масштаба 1.2000.
Метки: Картография
|
|
|
|
|
|
|
|
|
|
