Існуюча сукупність методів
дистанційного зондування Землі (ДЗЗ) логічно вкладається в кілька
класифікаційних схем, що відображають сфери їхнього застосування, або ж
традиційне розділення задач, що вирішуються в тих або інших галузях науки.
Традиційні завдання склалися
історично, як таки, що не зводяться одна до одної за методами обробки і
інтерпретації інформації, або як ті, що відносяться до різних предметних
областей.
Класифікація за сферами застосування
ґрунтована на розрізненні сукупності завдань, що вирішуються за допомогою
методів ДЗЗ.
- Глобальні зміни
(контроль кліматичних змінних, моніторинг змін компонент кліматичної
системи для зменшення невизначеностей моделей клімату та уточнення
кліматичних прогнозів)
- Екологічна безпека
(контроль загрозливих змін екосистем: антропогенні і природні зміни
ландшафтів, моніторинг біологічної
продуктивності, контроль забруднень)
- Надзвичайні ситуації (контроль, прогнозування, аналіз збитків,
планування рятувальних операцій та відновлювальних заходів)
- Цивільна безпеки і оборона (моніторинг загроз, розвідка, контроль кордонів, міграція,
переміщення небезпечних вантажів тощо)
- Ресурсний моніторинг
(прогнозування біологічної та економічної продуктивності лісових та сільськогосподарських
ландшафтів, пошук покладів корисних копалин, оцінка ресурсного потенціалу
територій)
Усередині цих класифікаційних схем
можуть бути сформульовані галузеві наукові задачі.
Галузевий
розподіл основних напрямів досліджень в галузі наук про Землю із застосуванням
ДЗЗ
- Атмосфера
- Світовий
океан
- Водні
ресурси суходолу
- Сніговий
і льодовий покрив
- Вивчення
рельєфу, геологічні задачі, ресурсний моніторинг
- Ландшафтний
аналіз: ґрунти, рослинність, структура, динаміка, сталість і вразливість
- Лісове
господарство
- Сільське
господарство
- Урбанізовані
території і антропогенні ландшафти
- Надзвичайні ситуації і ризики
Постановка задачі (коректна і
адекватна) вимагає чіткого уявлення про те, що може бути зроблено за допомогою
дистанційних методів досліджень. Яка сфера застосування цього інструментарію,
які наукові завдання ми можемо вирішувати, і яка сукупність методів буде
оптимальною для їх вирішення. Для відповіді на це питання, ми повинні,
примітивно кажучи, зрозуміти, що ми бачимо з космосу.
Існує три варіанти відповіді на це
питання, і таким чином, існує три типи методології використання даних ДЗЗ в галузі
наук про Землю. Ці випадки розрізняються істотно.
По-перше, історично закономірною
відповіддю є методика простої реєстрації
змін, що відбуваються на поверхні - так звана методика «chаnge detection».
Якщо ми приймаємо, що наше знання обмежене, тобто ми не можемо або
відмовляємося пояснювати природу реєстрованих змін, а можливості аналізу
обмежуються алгоритмами класифікації зображень, то методологія «change
detection» залишається єдино коректним підходом в ДЗЗ. До сьогоднішнього
моменту в деяких окремих застосуваннях безпеки і розвідки ця методологія
продовжує успішно використовуватися.
Проте наука, як здатність робити
висновки на основі усієї сукупності знань, що мають у тому числі прогностичну
силу, може запропонувати інші, складніші, але і перспективніші шляхи
застосування даних ДЗЗ.
Наприклад, очевидно, що часові ряди
спостережень змін, що сталися на поверхні (проведених у рамках методології «change
detection»), можуть бути використані як змінні в моделях природних систем.
Враховуючи глобальний характер систем супутникового спостереження, отримані
таким чином дані можуть бути інтегровані в моделі з більшим успіхом, ніж дані,
отримані традиційним шляхом - наземними точковими вимірами.
Таким чином ми отримуємо можливість контролю окремих змінних моделей природних
систем за даними ДЗЗ. В цьому випадку дані ДЗЗ вбудовуються в моделі
середовища (як глобальні моделі, так і моделі окремих його компонент) і аналізуються
в рамках цих моделей, а моніторинг зміни спостережуваних характеристик дозволяє
з певною достовірністю прогнозувати поведінку природних систем. Така
методологія може бути умовно названа «модельним підходом» до використання даних
ДЗЗ.
При постановці наукових задач слід
орієнтуватися саме на використання даних ДЗЗ для контролю змінних x моделей
природних систем і процесів f(x).
Саме ця методологія лежить в основі більшості задач, які сьогодні вирішуються у
світі за допомогою методів і даних ДЗЗ.
І, нарешті, третя існуюча
методологія застосування ДЗЗ може бути умовно названа «підходом ухвалення
рішень» або ГИС- підходом. Ця методологія припускає використання даних ДЗЗ для відновлення
функції інформації з метою оптимізації розв’язувальної функції Байєса в завданнях ухвалення управлінських
рішень. В даному випадку дані ДЗЗ розглядаються як незалежне джерело інформації, необхідне
для підвищення достовірності вхідної інформації і підвищення ефективності управлінських рішень і зниження ризиків.
Зазвичай цей підхід застосовується в
системах управління ризиками, в експертних системах, як правило інтегрованих з
ГІС. При цьому для підвищення ефективності управління, як випливає з приведеного
в Зауваженні 2 прикладу, застосовуються як дані ДЗЗ, так і моделі природних
систем і процесів, розраховані з використанням цих даних.
Таким чином, перед тим, як розпочати
дослідження, слід чітко уявляти, яке наукове завдання ми вирішуємо, на якій
моделі, якого процесу або природної системи ми базуємося, які змінні збираємося
контролювати, і з якою управлінською метою. Тоді питання визначення
оптимального набору засобів і інструментів, методів обробки і інтерпретації
інформації, а головне – отримання коректних результатів і висновків з усієї
сукупності опрацьованої інформації, буде вирішуватися значно простіше.
Надалі ми зосередимося саме на
моделях геосистем, і на змінних, які ми можемо контролювати за допомогою систем
ДЗЗ.
Перелік посилань
Ruszczyński Andrzej (2006). Nonlinear Optimization. Princeton , NJ :
Princeton University Press. pp. 454.
ISBN 978-0691119151
Davis, D. Bayesian decision theory applied to design in hydrology / D. Davis, C. Kisiel, L. Duckstein // Water Resources Res. – 1972. – #1, V. 8 . – P. 33-41
Raiffa, H. Applied statistical decision theory / H. Raiffa, R. Schlaifer. – Cambridge, MA: Harverd Univ. Press, 1961. – 318 p.
Kostyuchenko Yu.V. Geostatistics and remote sensing for extremes forecasting and disaster risk multiscale analysis. in: S. Kadry and A. El Hami (eds.), Numerical Methods for Reliability and Safety Assessment: Multiscale and Multiphysics Systems, Springer International Publishing Switzerland, 2014, XII, 805 p. 334 il., 403-422, DOI 10.1007/978-3-319-07167-1_16, ISBN 978-3-319-07166-4
