Высокопроизводительные вычисления в задачах раннего обнаружения ЧС с использованием данных дистанционного зондирования земли.

Актуальность проблемы
На сегодняшний день фактически отсутствуют системы раннего обнаружения чрезвычайных ситуаций (ЧС), что связанно не только со сложностью предметной области, но и слабо развитым алгоритмическим обеспечением, особенно, что касается использования высокопроизводительных вычислений. Имеющиеся попытки обнаружения ЧС по данным дистанционного зондирования земли (ДЗЗ) как правило, имеют большую задержку, недостаточную автоматизацию, узкую специализацию, кроме того, часто исследования направлены на решение конкретных задач в ограниченной географической области.
Концепция системы раннего обнаружения чрезвычайных ситуаций
Применяемые технологии ДЗЗ позволяют получать большой объем разнообразных данных о наблюдаемой территории. Типичные данные ДЗЗ: фотографии, сделанные в видимом диапазоне, инфракрасные снимки и снимки в широком спектре радиодиапазона. Помимо этого имеется возможность применения других технологий для получения данных, таких как лазерная спектрометрия, радиолокационная съемка, оптическая лазерная дальнометрия, дифференциальная интерферометрия. Эти технологии позволяют получить не только тематические карты земной поверхности, но и данные об особенностях рельефа поверхности, высоты, движения ветра, температуры, атмосферного давления, осадков, высоты снежного покрова, химическом составе атмосферы, наличии ионизирующего излучения и др. Это, в свою очередь, означает возможность контроля динамики этих показателей, характерных для процессов природного или техногенного характера, таких как движение дыма, повышение температуры в зоне пожара, растекание нефтяного пятна по поверхности воды, разлив реки, подъем уровня воды, изменение толщины снежного покрова на склоне горы, изменение радиационного фона, движение тектонических плит и т.п. Таким образом, задача раннего обнаружения ЧС по данным ДЗЗ предполагает работу с крайне значительным объемом разновременных и разнообразных пространственных данных, требующих эффективного хранения и оперативной обработки новыми, адаптированными для задач раннего обнаружения ЧС, алгоритмами разностного анализа, классификации и моделирования изменений и др.
Создание эффективной системы раннего обнаружения ЧС по данным ДЗЗ предполагает реализацию следующих функций:
1) Автоматизированная интерпретация мульти- и гиперспектральных аэрокосмических изображений, реализуемая с использованием оригинальных сложных схем на базе многомерной параметрической и непараметрической статистики, а также расширенного признакового пространства с применением текстурного анализа, позволяющих обеспечить точное и оперативное тематическое картирование исследуемой территории в условиях неизвестных статистических законов распределения признаков и варьируемого пространственного разрешения.
2) Автоматизированное оперативное обнаружение изменений наблюдаемой территории по данным различного частотного диапазона путем сравнения с ретроспективными данными, а также анализ этих изменений на предмет обнаружения признаков, характерных для протекания конкретных ЧС или потенциальной опасности их возникновения.
3) Моделирование изменений на наблюдаемых территориях с использованием сложных имитационных и стохастических моделей, с возможностями построения ландшафтных, атмосферных и иных прогнозных карт исследуемых территорий и условных сценариев краткосрочного и долгосрочного развития с применением теории марковских цепей, пространственного анализа. Следует отметить, что для более комплексной оценки ЧС, необходимо рассмотреть семейство возможных сценариев протекания таких изменений. Для обеспечения оперативного расчета значительного числа возможных сценариев необходимо использовать высокопроизводительные распределенно-параллельные вычисления, адаптировав алгоритм для обработки данных на базе кластеров из недорогих ПЭВМ и с использованием дорогостоящей суперкомпьютерной техники.
Обнаружение и локализация чрезвычайных ситуаций
Из описания концепции системы раннего обнаружения ЧС понятно, что разработка подобной системы предполагает применение и адаптацию множества алгоритмов и операций для последовательной обработки данных ДЗЗ. Одна из первых операций, необходимых для обнаружения и идентификации ЧС – поиск изменений местности по разновременным данным ДЗЗ. Начальное обнаружение изменений позволит в первую очередь локализовать область интереса и за счет этого уменьшить объем обрабатываемых данных. Впоследствии, более подробный анализ области интереса должен помочь идентифицировать процессы, протекающие на рассматриваемой территории.
Задача поиска изменений на двух изображениях в простейшем случае решается вычитанием одного из другого и поиском наиболее крупных объектов на получившейся разности. Однако, следует учесть некоторые особенности данных ДЗЗ. Во-первых, снимки одной и той же территории могут не идеально совпадать, то есть могут иметь место сдвиги и поворот. В этом случае необходимо сначала сопоставить карты. Для этого предлагается выявить несколько «особых точек» по методу SIFT и сопоставить изображения с учетом координат этих точек путем применения аффинных преобразований к одному из изображений. Во-вторых, следует учесть, что съемки зачастую проводят одновременно в нескольких диапазонах частот с получением мульти- или гиперспектральных изображений, что фактически означает наличие множества изображений одной и той же территории. Это обстоятельство заставляет не только анализировать множество пар изображений, сделанных в соответствующих диапазонах, с последующим сопоставлением результатов, но и представляет собой существенную проблему для быстродействия всей системы. Для обеспечения приемлемой производительности необходимо использовать параллельные вычисления путем создания кластера и распределения данных по различным вычислительным узлам.
Выводы
Задача раннего обнаружения ЧС по данным ДЗЗ представляет собой многоэтапную задачу с большим объемом данных, что предполагает использование множества алгоритмов обработки и улучшения изображений, а также машинного зрения с применением высокопроизводительных распределенно-параллельных вычислений. В частности, задача обнаружения и локализации ЧС требует автоматизированного сопоставления изображений путем поиска «особых точек» по парам изображений соответствующих спектральных диапазонов.
Список используемых источников
1. Ярошенко А.Ю. О дистанционном мониторинге природных пожаров в Российской Федерации // «Земля из космоса», №11. – 2011. – с.45-52
2. Спивак Л.Ф., Архипкин О.П., Сагатдинова Г.Н. Практика и перспективы космического мониторинга чрезвычайных ситуаций в Казахстане //Земля из космоса. Наиболее эффективные решения, №4,2010, С.14-22
3. David G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints.2004