Программа секции «Дистанционное зондирование» ЛКШ-2025

......

Дистанционное зондирование Земли (ДЗЗ) играет ключевую роль в изучении природных процессов, мониторинге экосистем, прогнозировании катастроф и решении задач урбанистики. Современные спутниковые системы позволяют получать изображения в различных диапазонах (оптическом, инфракрасном, радиодиапазоне), что даёт возможность детально анализировать поверхность Земли, её атмосферу и динамику изменений.

Длительность программы: 20 часов занятий в секции (лекции и практика)

Программа секции: разработана при участии сотрудников Института космических исследований РАН — ведущего научного центра, занимающегося сбором, хранением, обработкой данных и созданием информационных продуктов по теме ДЗЗ. Ключевая особенность программы — практические занятия, которые позволят участникам получить опыт работы с полным циклом обработки данных ДЗЗ: от приема сырых данных со спутника до нормализации изображения и геопривязки.

Практика: участники секции будут работать с реальными спутниковыми данными, изучать методы спектрального анализа, обрабатывать изображения и создавать карты с использованием геоинформационных систем (ГИС). Также они познакомятся с современными технологиями искусственного интеллекта, применяемыми для анализа данных ДЗЗ.

В симуляции научной экспедиции в систему TRAPPIST-1 участники секции будут участвовать в выборе целей для проведения экспериментов в каждом из этапов, в составлении циклограмм выполнения экспериментов.

Что узнают и чему научатся участники
  • Как работают системы дистанционного зондирования и какие спутники используются для наблюдения Земли.
  • Как получать, обрабатывать и интерпретировать спутниковые снимки.
  • Как работают различные сенсоры (оптические, инфракрасные, радиодиапазона) и как они применяются для изучения Земли и других небесных тел.
  • Как проводить анализ спектральных данных для определения состава поверхности и изучения природных явлений.
  • Как использовать ГИС-технологии для визуализации и анализа пространственных данных.
  • Как дистанционное зондирование помогает в мониторинге природных катастроф, экологии и сельского хозяйства.
  • Как осуществляется картографирование Луны, Марса и других тел Солнечной системы, какие инструменты и методы используются для создания планетных карт.
  • Какие современные технологии ИИ применяются для обработки данных дистанционного зондирования, в чем их преимущества и ограничения.
  • Как определить место посадки планетной миссии, используя данные ДЗЗ и топографические карты.
Основные темы
  1. Методы и технологии дистанционного зондирования Земли.
  2. Обработка и анализ данных ДЗЗ.
  3. Картографирование внеземных тел и выбор посадочных площадок для миссий.
Программа секции:
  1. Основы дистанционного зондирования Земли
    Теория: Принципы дистанционного зондирования, основные спутниковые системы наблюдения Земли, обзор сенсоров и методов съёмки (оптическая, радиолокационная, инфракрасная, микроволновая).
    Практика: Знакомство с открытыми базами данных спутниковых снимков, получение первых снимков из архивов Sentinel, ВЕГА.
  2. Оптические и инфракрасные сенсоры в ДЗЗ
    Теория: Основы работы оптических сенсоров, различие между многоспектральной и гиперспектральной съёмкой, использование инфракрасных сенсоров для изучения температуры поверхности Земли и растительности.
    Практика: Анализ многоспектральных данных, построение индексов NDVI, NDWI для оценки растительности и водных объектов.
  3. Микроволновое зондирование и спутниковое радиотепловидение
    Теория: Принципы радиолокационного дистанционного зондирования, активные и пассивные радиолокационные сенсоры, их преимущества перед оптическими методами, применение в метеорологии и мониторинге ледников.
    Практика: Интерпретация радиолокационных снимков, анализ данных Sentinel-1.
  4. Обработка данных ДЗЗ: от снимка к анализу
    Теория: Методы предобработки спутниковых изображений, коррекция геометрических и атмосферных искажений, калибровка данных.
    Практика: Геопривязка спутниковых снимков, работа с ПО для обработки спутниковых данных.
  5. Гиперспектральная съёмка и определение состава поверхности
    Теория: Основы гиперспектрального анализа, методы выделения спектральных сигнатур, применение для геологии, сельского хозяйства, экологии.
    Практика: Работа с гиперспектральными данными, определение минерального состава почвы и типа растительности.
  6. Картографирование тел Солнечной системы
    Теория: Принципы дистанционного картографирования Луны, Марса, спутников планет-гигантов, астероидов и других небесных тел, обзор ПО PHOTOMOD.
    Практика: Анализ и интерпретация данных картографирования планет, работа с цифровыми моделями рельефа Луны и Марса.
  7. Определение мест посадки планетных миссий
    Теория: Критерии выбора посадочных площадок, учет геологических, климатических и инженерных факторов, примеры миссий (Луна-26, Венера-Д, Curiosity, Perseverance).
    Практика: Использование картографических данных и данных дистанционного зондирования для выбора оптимального места посадки на Луне и Марсе.
  8. Центры приёма и обработки данных ДЗЗ
    Теория: Как организована сеть станций приёма данных, принципы обработки больших объёмов спутниковой информации, распределённые вычисления и облачные платформы.
    Практика: Анализ работы существующих центров обработки данных (на примере Sentinel Hub, ВЕГА).
  9. Применение данных ДЗЗ в экологии и мониторинге природных процессов
    Теория: Дистанционный анализ последствий природных катастроф (пожары, наводнения, землетрясения), мониторинг вырубки лесов, загрязнения водоёмов, изменения ледников.
    Практика: Сравнительный анализ спутниковых снимков до и после природных явлений, оценка изменений с помощью ГИС-инструментов.
  10. Применение ИИ в спутниках ДЗЗ: преимущества и недостатки
    Теория: Автоматический анализ спутниковых снимков, использование нейросетей для классификации данных, примеры применения ИИ в отечественных проектах и проектах NASA и ESA, ограничения и потенциальные риски автоматизированных решений.
    Практика: Обзор алгоритмов машинного обучения в обработке спутниковых данных, анализ возможностей и ограничений нейросетевых моделей.