Category: космос

Category was added automatically. Read all entries about "космос".

dog

Картография - Часть 14 - Создание карты

   Для векторизации космических снимков мы будем использовать лицензионные:

•  ГИС "Карта" Профессиональная
•  Профессиональный векторизатор "Панорама-редактор"

   Оба эти продукта обеспечивают всю необходимую для картографа функциональность.

   Не забудьте перед началом проекта обновить продукты до их последних версий. У "Панорамы" на удивление адекватная тех.поддержка, оперативно исправляющая баги и косяки - если только, конечно, вы не побрезгуете о них сообщать.


   1. Создаём карту

   Файл -> Создать -> Карту:   указываем на каталог MAP нашего проекта.

•  Выбираем созданный нами в предыдущем разделе классификатор оцифровки.

•  Тип карты = Топографическая UTM WGS 84

•  Эллипсоид = WGS 84

•  Балтийская система высот

•  Масштаб = 1 : 2000

•  Задавать номер зоны, или отказаться от него - вопрос спорный. Я предпочитаю номер зоны UTM указывать.

   На всякий случай: номер зоны по географической широте и долготе можно узнать, напримр, здесь: http://www.apsalin.com/utm-zone-finder.aspx

22.32 КБ



   2. Добавляем растры, выгруженные из GlobalMapper'а (см. главу 12) в состав данных карты.

   При этом будет происходить преобразование растров из формата GeoTIFF в RSW. Новые RSW-файлы необходимо расположить в подкаталоге RSW проекта.


   3. Рисуем на карте границу области оцифровки

   Для удобства работы оцифровщика граница должна быть не площадным, а линейным объектом. Поэтому вместо объекта "ГРАНИЦА НАС.ПУНКТА" применяем "ГРАНИЦА СЕЛЬСОВЕТА" или линейный системный объект.

165.31 КБ

dog

Картография - Часть 13 - Создание классификатора карты

   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:

50.97 КБ


   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.
 
dog

Картография - Часть 6 - Источники космической съёмки

   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
LandSat-7
(США, 1999 - )
ч/б - 15 м
цв. - 30 м
15.26 КБ
 
Составляет основную мозаику Google Maps, на всю территорию мира
IRS-1С, IRS-1D
(Индия, 1995 - 2010)
ч/б - 6 м
цв. - 24 м
15.99 КБ
 
Составляет основную мозаику Яндекс Карт, на европейскую территорию РФ
OrbView-3
(США, 2003 - 2007)
ч/б - 1 м
16.36 КБ
 
14.06 КБ
 
Открытые источники не используют панхроматические снимки
IKONOS
(США, 1999 - )
ч/б - 1 м
цв. - 4 м
14.24 КБ
 
9.07 КБ
 
Google для районных центров РФ,
Яндекс для части областных центров РФ
WorldView-1
(США, 2007 - )
ч/б - 0,5 м
18.52 КБ
 
12.81 КБ
 
Открытые источники не используют панхроматические снимки
QuickBird
(США, 2001 - )
ч/б - 0,61 м
цв. - 2,44 м
11.55 КБ
 
10.22 КБ
 
Самый распространённый поставщик космических снимков. Данные используют Google, Яндекс, Bing
WorldView-2
(США, 2009 - )
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.
QeoEye-1
(США, 2008 - )
ч/б - 0,41 м
цв. - 1,65 м
16.45 КБ
 
13.31 КБ
 
Второй по популярности спутник, после QuickBird.
Снимки активно размещают: Google, Яндекс
до 0,15 м
27.92 КБ
 
19.53 КБ
 
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.
 
dog

Картография - Часть 4 - Этапы большого пути

Допустим, вы решили нарисовать карту какого-нибудь населённого пункта масштаба 1:2.000 на основе космической съёмки. Какие этапы работ вам предстоят?

•  Создание репозитория растров
•  Формирование областей космической съёмки, поиск архивных данных
•  Заказ съёмки и ожидание её результатов
•  Обработка поступивших снимков

   После этого этапа на выходе имеем растры на всю интересующую нас территорию

•  Создание пустой векторной карты
•  Векторизация (оцифровка) снимков

   Результат - векторная карта без адресов и названий улиц

•  Подготовка к печати карты
•  Печать альбомов для сбора семантики
•  Сбор семантических данных на местности
•  Ввод собранных данных в электронную карту

   Результат - готовая векторная карта с адресными и семантическими данными

   Обратите внимание, что если вы не найдёте ничего в архивах космической съёмки, вам придётся заказывать новую - а это может занять около 3 месяцев в промежутке май-октябрь. Раньше мая и позже октябрь заказывать съёмку не следует - зимний снежный снимок практически не поддаётся оцифровки. И молитесь, чтобы за эти три месяца не произошло никаких катаклизмов в виде затяжной облачности или лесных пожаров.

   Если вы собираете семантику в отдалённых сёлах русской глубинки, это можно будет сделать только летом: весной и осенью в часть сёл тупо не проехать, а если село облюбовано дачниками, то зимой в них можно ещё и никого не найти.

   Именно из-за такой зависимости от сезона многие картографические проекты изначально нереально выполнить за 1 год. Об этом нужно честно предупреждать заказчиков, потому как многие организации предпочитают заключать договора на срок не более 1 года.