Сравнительный анализ результатов тематической обработки космических снимков в свободном и коммерческом программном обеспечении

Сравнительный анализ результатов тематической обработки космических снимков в свободном и коммерческом программном обеспечении

Применение свободного программного обеспечения для обработки данных дистанционного зондирования обладает рядом преимуществ, к которым можно отнести: доступ к полному набору функциональных возможностей без приобретения лицензии, открытый исходный код, возможность адаптирования существующих модулей под решение собственных задач либо создание новых. В условиях ограничений использования зарубежных программных продуктов и высокой стоимости коммерческих программ исследование возможностей свободного программного обеспечения является актуальным. Целью данной работы является сравнение результатов обработки космических снимков в свободном (QGIS, SAGA) и коммерческом (ENVI, ERDAS IMAGINE) программном обеспечениях для получения тематической информации по многоспектральным космическим снимкам. В качестве проверяемого алгоритма выбрана классификация с обучением методами максимального правдоподобия и минимальных расстояний, реализованных во всех исследуемых программах. Выполнен сравнительный анализ результатов обработки и сделаны выводы о возможности применения свободного программного обеспечения для решения тематических задач по космическим снимкам.

Детальная_Инф:  Да

Автор1:  А. С. Гордиенко

Афиилиация1:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация

Автор2:  В. В. Дедкова

Афиилиация2:  Сибирский государственный университет геосистем и технологий, г. Новосибирск, Российская Федерация

Название статьи:  Сравнительный анализ результатов тематической обработки космических снимков в свободном и коммерческом программном обеспечении

Рубрика:  Дистанционное зондирование земли, фотограмметрия

Начало_Страница:  74

Конец_Страница:  82

УДК:  528.71:004.4

DOI:  10.33764/2411-1759-2025-30-2-74-82

Год:  2025

Номер:  2

Том:  30

Ключевые слова_RU:  свободное программное обеспечение, тематическая обработка, космические снимки, открытый исходный код, классификация с обучением, плагин

Ключевые слова_EN:  free software, thematic processing, satellite images, open source code, supervised classification processing methods, plugin

Библиографический список:  1. Гордиенко А. С., Дедкова В. В. Исследование возможности применения свободного программного обеспечения для получения тематической информации по многоспектральным космическим снимкам // Вестник СГУГиТ. – 2024. – Т. 29, № 3. – С. 72–82. – DOI 10.33764/2411-1759-2024-29-3-72-82. – EDN DSYAND.
2. PlanetScope [Electronic resource]. – URL: https://developers.planet.com/docs/data/planetscope/ (accessed 18.06.2024).
3. Наводнение в Иркутской области [Электронный ресурс]. – URL: https://ria.ru/202-00625/1573362527.html.
4. QGIS. Documentation [Electronic resource]. – URL: https://qgis.org/ru/docs/index.html (accessed 10.10.2023).
5. Congedo L. Semi-Automatic Classification Plugin: A Python tool forthe download and processing of remote sensing images in QGIS // Journal of Open Source Software. – 2021. – Vol. 6, № 64. – P. 3172. – DOI 10.21105/joss.03172. – EDN HVVOPO.
6. Pragada S., Jaysawal D. Land use pattern using Semiautomatic classification plugin (SCP) with open source data // International Journal of Engineering Applied Sciences and Technology. – 2022. – Vol. 6, № 12. – P. 235–240. – DOI 10.33564/ijeast.2022.v06i12.039. – EDN EBYWPZ.
7. Unsupervised Classification Using QGIS Software [Electronic resource]. – URL: https://gisrsstudy.com/unsupervised-classification-in-qgis (accessed 20.06.2024).
8. Image Classification in QGIS – Supervised and Unsupervised classification [Electronic resource]. – URL: https://www.igismap.com/image-classification-in-qgis-supervised-andunsupervised-classification (accessed 21.06.2024).
9. SAGA. System for Automated Geoscientific Analyses [Electronic resource]. – URL: https://saga-gis.sourceforge.io/en/index.html (accessed 18.06.2024).
10. Saga GIS tutorials [Electronic resource]. – URL: https://sagatutorials.wordpress.com/about-sagagis/ (accessed 20.06. 2024).
11. Wu W., Ren C., Yin A., Zhang X. MixerNet-SAGA A Novel Deep Learning Architecture for Superior Road Extraction in High-Resolution Remote Sensing Imagery // Applied Sciences. – 2023. Vol. 13, № 18. – P. 10067. – DOI 10.3390/app131810067. – EDN ETCHNK.
12. Дунаева А. В. Обзор общедоступных инструментов для сегментации объектов на спутниковых снимках // Региональные проблемы дистанционного зондирования Земли : материалы IX Международной научной конференции (Красноярск, 13–16 сент. 2022 г.). – Красноярск : Сибирский федеральный университет, 2022. – С. 105–108. – EDN GINYIW.
13. Ишамятова И. Х. Выявление земель, подверженных негативному влиянию с применением программного продукта SAGA GIS // Столыпинский вестник. – 2022. – Т. 4, № 3. – DOI 10.55186/27131424_2022_4_3_3. – EDN UYKCYK.
14. Ступин В. П. Возможности SAGA GIS При исследовании и картографировании селевой опасности Байкальской горной страны // Интерэкспо ГЕО-Сибирь. XVII Междунар. науч. конгр., 19–21 мая 2021 г., Новосибирск : сб. материалов в 8 т. Т. 1 : Междунар. науч. конф. «Геодезия, геоинформатика, картография, маркшейдерия». – Новосибирск : СГУГиТ, 2021. – С. 184–193. – DOI 10.33764/2618-981X-2021-1-184-193. – EDN JWHHCV.
15. Spatial–temporal analysis of various land use classifications and their long-term alteration's impact on hydrological components: using remote sensing, SAGA-GIS, and ARCSWAT model / F. Gholami, Z. Sedighifar, P. Ghaforpur [et al.] // Environmental Science: Water Research and Technology. – 2023. – Vol. 9, № 4. – P. 1161–1181. – DOI 10.1039/d2ew00138a. – EDN LRKDFE.

Образец цитирования:  Гордиенко А. С., Дедкова В. В. Сравнительный анализ результатов тематической обработки космических снимков в свободном и коммерческом программном обеспечении // Вестник СГУГиТ. – 2025. – Т. 30, № 2. – С. 74–82. – DOI 10.33764/2411-1759-2025-30-2-74-82

Ссылка:  /upload/vestnik/sborniki/2025/30_2/74-82.pdf