Аннотация:В настоящее время в географических исследованиях широко используется информа-
ция из открытых баз пространственных данных, формируемых сообществом непро-
фессиональных картографов, примером такой базы данных может являться проект
OpenStreetMap. Наполнение подобных баз пространственных данных происходит из
разных источников - по материалам дистанционного зондирования Земли, картам, негео-
графическим базам данных; зачастую единственная доступная информация о многих
пространственных объектах - их форма. Исследование характеристик формы объектов
и их пространственных отношений может позволить разработать инструменты допол-
нительной классификации объектов, то есть алгоритмы, позволяющие получать раз-
нообразную качественную и количественную информацию, исследуя геометрические
свойства контуров
Отсутствие контроля на стадии векторизации и наполнения базы данных приводит
к тому, что качество геометрии и атрибутов пространственных объектов остается на
совести пользователей-участников проекта.Такая ситуация делает проблему контроля
качества информации в базах пространственных данных актуальной.
Широкое внедрение использования космических снимков сверхвысокого разрешения
в географические исследования приводит к необходимости интерпретации сложного ри-
сунка изображения. Специалист-дешифровщик, при условии высокой квалификации и
глубокого понимания географических особенностей изучаемой территории, использует
этот дешифровочный признак изображения при визуальном дешифрировании. Такие
важные прямые дешифровочные признаки, как структура и текстура, определяющие
рисунок изображения, очень сложно поддаются формализации, поэтому в настоящее
время автоматизация дешифрирования космических снимков затрагивает в основном
методы классификации изображения по спектральным яркостям.
Все большая важность автоматизации в дешифрировании космических снимках де-
лает актуальной проблему формализации экспертных знаний о форме и характере
пространственного распределения объектов, как о признаках, формирующих сложный
и своеобразный рисунок изображения.
Цель работы экспериментальная оценка возможностей применения морфометрических характеристик и характеристик пространственного распределения для до-
полнительной классификации объектов, полученных при дешифрировании аэрокосми-
ческих снимков, и объектов баз пространственных данных, а также контроля качества
в базах пространственных данных.
Следует заметить, что создание универсального инструмента, позволяющего в ав-
томатическом режиме распознавать и классифицировать пространственные объекты,
подходящего для анализа данных любого вида в любом масштабе и при любом терри-
ториальном охвате, в рамках данной работы представляется нам невозможным. Опи-
санный выше модуль должен работать лишь для общегеографических данных, так как
форма контуров объектов и явлений, изображаемых на тематических картах, зависит от
слишком большого количества факторов и требует детального исследования для каж-
дого частного случая. Для этой работы были выбраны данные масштаба и содержания
генеральных планов городов как достаточно разнообразные по набору пространствен-
ных объектов, форма которых близка к реальной в связи с малой степенью генерали-
зации.
Для достижения поставленной цели было необходимо решить следующие задачи:
1. изучить разработанные к настоящему моменту морфометрические характеристи-
ки пространстенных объектов и подходы к их оценке, определить направления
приложения анализа формы к задачам геоинформатики и дешифрирования дан-
ных дистанционного зондирования Земли;
2. проанализировать возможности геоинформационного программного обеспечения
с точки зрения анализа формы и расположения пространственных объектов;
3. разработать на языке Python специализированные инструменты для вычисления
индексов извилистости, компактности, ортогональности формы и построения ха-
рактеристических кривых, объединить их в экспериментальный модуль для клас-
сификации векторных данных;
4. исследовать характеристики формы пространстенных объектов, а также их про-
странственного распределения на примере объектов растительности экотона тундра-
тайга, полученных при дешифрировании космических снимков, и данных OpenStreetMap
на территорию города Москва, разработать набор морфометрических и простран-
ственных признаков для проведения классификации объектов;
5. применить созданные инструменты к объектам, полученным при дешифрирова-
нии аэрокосмических снимков на лесотундровые ландшафты, а также к данным
баз пространственных данных на примере застройки города Москва из базы дан-
ных OpenStreetMap;
6. оценить эффективность предложенного набора характеристик для дополнитель-
ной классификации пространственных объектов, а также разработанных инстру-
ментов, выявить их недостатки и перспективы совершенствования.
В работе использованы данные векторных топографические данные OpenStreetMap
на территорию города Москва,а также схем дешифрирования материалов дистанцион-
ного зондирования лесотундровой растительности.
Работа состоит из трех глав. Первая глава является обзором используемых мор-
фометрических характеристик пространственных объектов, типов метрических и ди-
рекционных отношений между объектами, топологических отношений, также приведен
анализ роли рассмотренных характеристик в базах пространственных данных и при
дешифрировании космических снимков.
Во второй главе приведен обзор возможностей морфометрического анализа неко-
торых из наиболее распространенных геоинформационных программных продуктов, а
также изложен опыт разработки новых программных средств для вычисления извили-
стости, компактности, ортогональности пространственных объектов, построения сигна-
тур формы объектов на языке Python. Также здесь описано создание из вышеупомя-
нутых инструментов специального модуля для проведения классификации векторных
данных в программном пакете ArcGIS 10.2.2.
В третьей главе производится анализ типов растительности экотона тундра-тайга,
типов застройки по характеру расположения домов на примере города Москва, описы-
ваются критерии их выделения, формируются эталонные значения выбранных пока-
зателей. В главе описаны опыты, проведенных на тестовых наборах данных, а также
анализ полученных результатов.