vestnik Журнал "Вестник Сибирского государственного университета геосистем и технологий (СГУГиТ)" 2411-1759 ФГБОУ ВО "Сибирский государственный университет геосистем и технологий (СГУГиТ)" RU https://vestnik.sgugit.ru 10.33764/2411-1759-2024-29-5-80-91 Дистанционное зондирование земли, фотограмметрия Оценивание информативности разнородных признаков объектов дистанционного зондирования Земли М. А. Сквазников Сквазников М. А. Д. Л. Колыгин Колыгин Д. Л. Военно-космическая академия им. А. Ф. Можайского, г. Санкт-Петербург, Российская Федерация 2024 29 5 80 91 © М. А. Сквазников, Д. Л. Колыгин, 2024 2024 М. А. Сквазников, Д. Л. Колыгин Эта статья дотупна по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная. Данные дистанционного зондирования Земли применяются для информационного обеспечения широкого спектра задач в проектировании, производстве и контроле функционирования объектов различных секторов экономики. При обработке аэрокосмических снимков наиболее трудоемким и трудно поддающимся автоматизации является этап дешифрирования получаемых изображений, который представляет собой процесс распознавания образов. Ключевым элементом процесса распознавания объектов являются их признаки. Показателем качества признаков объектов наблюдения предлагается считать их информативность, определяемую как изменение энтропии системы распознавания при использовании признака, к начальной энтропии распознающей системы. Предложен метод определения оценок условных априорных вероятностей принятия признаком значений, соответствующих определенному классу, на основе анализа статистических совокупностей. Разработана математическая модель информативности набора признаков объекта дистанционного зондирования Земли. Обусловлена необходимость космического мониторинга состояния объектов нефтепромышленного комплекса в режиме штатного функционирования и чрезвычайных ситуаций. Представлен пример применения разработанной математической модели информативности набора признаков для анализа состояния объектов нефтепромышленного комплекса по данным дистанционного зондирования Земли. объекты дистанционного зондирования Земли распознавание образов набор признаков информативность признаков объектов энтропия системы распознавания объекты нефтепромышленного комплекса Earth remote sensing objects pattern recognition set of features information content of object features entropy of the recognition system objects of the oil industry complex 1. Карпик А. П., Мусихин И. А., Ветошкин Д. Н. Интеллектуальные информационные модели территорий как эффективный инструмент пространственного и экономического развития // Вестник СГУГиТ. – 2021. – Т. 26, № 2. – C. 155–163. – DOI 10.33764/2411-1759-2021-26-2-155-163. 2. Филиппов Д. В., Чурсин И. Н., Рулев Д. Д. Применение методов комплексной обработки данных дистанционного зондирования Земли для изучения процессов окарбоначивания почв с искусственным орошением // Вестник СГУГиТ. – 2023. – Т. 28, № 1. – C. 80–91. – DOI 10.33764/2411-1759-2023-28-1-80-91. 3. Зулин К. А., Кулик Е. Н. Использование данных дистанционного зондирования SENTINEL-2B для мониторинга последствий разливов нефти // Вестник СГУГиТ. – 2023. – Т. 28, № 2. – C. 60–66. – DOI 10.33764/2411-1759-2023-28-2-60-66. 4. Хлебникова Т. А., Арбузов А. С., Лисицкий Д. В., Оприпова О. А. Использование материалов БВС для выявления фактов нарушения земельного законодательства на территории г. Новосибирска // Вестник СГУГиТ. – 2023. – Т. 28, № 5. – C. 33–40. – DOI 10.33764/2411-1759-2023-28-5-33-40. 5. Долгополов Д. В., Никонов Д. В., Полуянова А. В., Мелкий В. А. Возможности визуального дешифрирования магистральных трубопроводов и объектов инфраструктуры по спутниковым изображениям высокого и сверхвысокого пространственного разрешения // Вестник СГУГиТ. – 2019. – Т. 24, № 3. – С. 65–81. – DOI 10.33764/2411-1759-2019-24-3-65-81. 6. Гордиенко А. С., Ткач А. В. Исследование состояния окружающей среды в районе нефтеразработок по космическим снимкам // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 55–63. – DOI 10.33764/2411-1759-2022-27-6-55-63. 7. Горелик А. Л., Скрипкин В. А. Методы распознавания : учебное пособие. – М. : Высш. шк., 1984.– 208 с. 8. Савиных В. П., Кучко А. С., Цветков В. Я. Геоинформацинный анализ данных дистанционного зондирования. – М. : Картгеоцентр-Геодезиздат, 2001. – 228 с. 9. Шовенгердт Р. А. Дистанционное зондирование. Модели и методы обработки изображений. – М. : Техносфера, 2010. – 560 с. 10. Белый А. А., Лошкарев П. А., Пушкарский С. В. Перспективы развития технологий ЕТРИС ДЗЗ // Дистанционное зондирование Земли из космоса. – 2022. – № 1. – С. 40–51. 11. Davis S. M., Landgrebe D. A., Phillips T. L., Swain P. H., Hoffer R. M., Lindenlaub J. C., Silva L. F. (1978). Remote sensing: The quantitative approach. – New York, McGraw-Hill International Book Co., – 405 p. 12. Дж. Ту, Р. Гонсалес. Принципы распознавания образов. – М. : Мир, 1978.– 414 с. 13. Р. Дуда, П. Харт. Распознавание образов и анализ сцен. – М. : Мир, 1976.– 507 с. 14. Lee D. S., Shen J., Bethel J. S. Cluss-guided building extraction from Ikonos imagery // Photogrammetric Engineering and Remote Sensing. – 2003. – Vol. 69, No. 2. – Pp. 143–150. 15. Blaschke T. Object based image analysis for remote sensing // ISPRS Journal of Photogrammetry and Remote Sensing. – 2010. – Vol.65, Issue 1. – Pp. 2–16. 16. Huang, L. Object-oriented classification of high resolution satellite image for better accuracy // Proc. of the 8th International Symposium on Spatial Accuracy Assessment in Natural Resources and Environmental Sciences. – Shanghai, 2008. – P. 211–218. 17. Сквазников М. А., Колыгин Д. Л., Торшина И. П. Применение математического аппарата теории возможностей для семантического описания признаков объектов дистанционного зондирования Земли // Изв. вузов. Геодезия и аэрофотосъемка. – 2022. – Т. 66. – № 2. – C. 6–19. – DOI 10.30533/0536-101Х-2022-66-2-6-19. 18. Blaschke T., Lang S., Hay G.J. Object-based image analysis: spatial concepts for knowledgedriven remote sensing applications. – Berlin: Springer, 2008. – 817 p. 19. Du F. L., 2004. Object-oriented Image Classification Analysis and Evaluation, remote sensing technology and application, – Vol.19. – No. 1. – Pp. 20–23. 20. Lee J. Y. Image classification with a region-based approach in high spatial resolution imagery. – ISPRS, Istanbul. – 2004. – ACK. 21. Roux L. Multisources Approach for Satellite Image Interpretation SPIE. – 1994. – Pp. 172–181. 22. Сквазников М. А., Лобовко В. В. Алгоритм классификации чрезвычайных ситуаций по данным дистанционного зондирования Земли с учетом потенциальной опасности нарушения электроснабжения критически важных объектов // VII Всероссийская научная конференция «Проблемы военно-прикладной геофизики и контроля состояния природной среды». – СПб. : ВКА им. А. Ф. Можайского, 2022. – С. 469–475. 23. Сквазников М. А., Колыгин Д. Л. Подход к разработке математической модели процесса интерпретации данных дистанционного зондирования Земли с использованием статистических методов регрессионного анализа // Интерэкспо ГЕО-Сибирь. XIX Международный научный конгресс, 17–19 мая 2023 г., Новосибирск : сборник материалов в 8 т. Т. 4 : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология». – Новосибирск : СГУГиТ, 2023. № 1. – С. 30–36. – DOI 10.33764/2618-981X-2023-4-1-30-36. 24. Сквазников М. А., Лобовко В. В. Концепция объектно-ориентированной интерпретации данных дистанционного зондирования Земли в интересах решения социально-экономических задач // Интерэкспо ГЕО-Сибирь. XIX Международный научный конгресс, 17–19 мая 2023 г., Новосибирск : сборник материалов в 8 т. Т. 4 : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология». – Новосибирск : СГУГиТ, 2023. № 1. – С. 37–43. – DOI 10.33764/2618-981X-2023-4-1-37-43. 25. Добровольский Д. О. Исследование эффективности дешифрирования объектов кадастрового учета по разносезонным аэроснимкам и бинарным картам высот с применением сверточной нейронной сети // Изв. вузов. Геодезия и аэрофотосъемка. 2022. – Т. 66. – № 2. – C. 81–91. – DOI 10.30533/0536-101Х-2022-66-2-81-91. 26. Живичин А. Н., Соколов В. С. Дешифрирование фотографических изображений. – М. : Недра, 1980. – 253 с. 27. Соловьева А. Н., Кучуганов А. В. Многоуровневое описание космических снимков в задаче автоматизированного дешифрирования // Интеллектуальные системы в производстве. – 2014. – № 2 (24). – С. 164–166. 28. Бриллюэн Л. Наука и теория информации. – М. : Физматгиз, 1960. – 392 с. 29. Юсупов Р. М., Петухов Г. Б., Сидоров В. Н., Городецкий В. И., Марков В. М. Статистические методы обработки результатов наблюдений. – М. : МО СССР, 1984. – 563 с. 30. Ростовцев Ю. Г. Основы построения автоматизированных систем сбора и обработки информации. – СПб. : ВИКИ, 1992. – 571 с. 31. Литвак Б. Г. Экспертная информация: Методы получения и анализа. – М. : Радио и связь, 1982. – 184 с. 32. Leiss I. A., Stefan Sandmeier, Klaus I. Itten, and Tobias W. Kellenberger Use of Expert Knowledge and Possibility Theory in Land Use Classification. – 1996. – P. 133–137. 33. Бондур В. Г. Аэрокосмические методы и технологии мониторинга нефтегазоносных территорий и объектов нефтегазового комплекса // Исследование Земли из космоса. – 2010. – № 6. – С. 3–17. 34. Алексеева М. Н., Ященко И. Г. Экологический мониторинг нефтедобывающих территорий на основе космических снимков // Интерэкспо ГЕО-Сибирь-2013. IХ Междунар. науч. конгр. : Междунар. науч. конф. «Дистанционные методы зондирования Земли и фотограмметрия, мониторинг окружающей среды, геоэкология» : сб. материалов в 2 т. (Новосибирск, 15–26 апреля 2013 г.). – Новосибирск : СГГА, 2013. Т. 2. – С. 101–106. 35. Шляхова М. М., Лакеев И. Ю. Мониторинг объектов нефтегазовой отрасли с помощью воздушного лазерного сканирования // Вестник СГУГиТ. – 2022. – Т. 27, № 6. – C. 64–72. – DOI 10.33764/2411-1759-2022-27-6-64-72.