كيف يتم إنشاء الخرائط

خريطة مرسومة باليد في متحف ماساتشوستس للفن الحديث

رسامو الخرائط الحديثون أسهل بكثير من زملائهم من الماضي ، الذين ابتكروا مخططًا بعيدًا عن المثالية مع تقديرات تقريبية جدًا لموقع الأشياء. حتى بداية القرن العشرين ، تغير رسم الخرائط ببطء ، وعلى الرغم من عدم وجود بقع بيضاء في ذلك الوقت ، إلا أنهم لم يتمكنوا من التباهي بدقة الخريطة.

مع بداية عصر التصوير الجوي للتضاريس ، تلقى رسامي الخرائط أداة ممتازة تسمح لهم بوضع خطة تفصيلية لأي منطقة. كان من المفترض أن تكمل صور الأقمار الصناعية العمل لمدة ألف عام في إنشاء أداة التوجيه المثالية ، لكن رسامي الخرائط واجهوا مشاكل جديدة.

كأداة لحل مشاكل وأخطاء رسم الخرائط ، ظهر مشروع OpenStreetMap (OSM) ، استنادًا إلى البيانات التي توجد بها خدمة MAPS.ME الخاصة بنا. لدى OSM كمية هائلة من البيانات: ليس فقط صور الأقمار الصناعية المحددة ، ولكن أيضًا المعلومات التي يعرفها السكان المحليون فقط. اليوم سنخبرك بمزيد من التفصيل كيف يتم تحويل العالم الحقيقي إلى خريطة رقمية.

تصحيح التضاريس

هذه البطاقة عمرها 14000 سنة.

ظهرت الخرائط الأولى في فترة التاريخ البدائي. الانحناءات من الأنهار ، التلال ، الوديان ، القمم الصخرية ، المسارات الوحشية - تمت الإشارة إلى جميع الأشياء بشقوق بسيطة وخطوط متموجة ومستقيمة. الخرائط اللاحقة ليست بعيدة عن الرسوم التخطيطية الأولى.

أدى اختراع البوصلة ، التلسكوب ، السداسي ، وغيرها من الأدوات الملاحية ، والفترة اللاحقة للاكتشافات الجغرافية العظيمة ، إلى ازدهار رسم الخرائط ، لكن الخرائط كانت لا تزال غير دقيقة بما فيه الكفاية. لا يمكن أن يكون استخدام الأدوات المختلفة والأساليب الرياضية هو حل المشكلة - في النهاية ، رسم الناس خرائط باستخدام وصف أو رسوم بيانية تم إنشاؤها عينيًا.

بدأت مرحلة جديدة في تطوير رسم الخرائط بمسح طبوغرافي. لأول مرة ، بدأ المسح الأرضي لإنتاج الخرائط الطبوغرافية في القرن السادس عشر ، وتم تنفيذ أول صور جوية لمناطق يتعذر الوصول إليها في عقد 1910. في روسيا ، تم إنشاء "خرائط هيئة الأركان العامة" و "سيئة السمعة" لهيئة الأركان العامة ، والتي كانت دقتها وتغطيتها في ذلك الوقت غير مسبوقة ، تم إنشاؤها من قبل الطوبوغرافيين باستخدام المزواة .

مثال على فك التشفير في منتصف القرن الماضي

بعد التصوير الجوي ، من الضروري اتخاذ خطوة فك تشفير طويلة ومعقدة. يجب التعرف على الأشياء في الصورة والتعرف عليها ، لتحديد خصائصها النوعية والكمية ، وكذلك لتسجيل النتائج. تعتمد طريقة فك التشفير على قوانين الاستنساخ الفوتوغرافي للخصائص البصرية والهندسية للأشياء ، وكذلك على علاقات التوزيع المكاني لها. ببساطة ، يتم أخذ ثلاثة عوامل في الاعتبار: البصريات ، وهندسة الصورة ، والتوزيع المكاني.

للحصول على بيانات الإغاثة ، يتم استخدام الأساليب مجتمعة والخطوط المجسمة. في الطريقة الأولى ، يتم تحديد ارتفاع أهم النقاط على السطح مباشرة بمساعدة الأدوات الجيوديسية ، ثم يتم تطبيق موضع الخطوط الكنتورية على الصور الجوية. تتضمن طريقة التصوير المجسم التداخل الجزئي لصورتين مع بعضهما البعض بحيث يصور كل منهما نفس المنطقة. في الصورة المجسمة ، تبدو هذه المنطقة وكأنها صورة ثلاثية الأبعاد. علاوة على ذلك ، وفقًا لهذا النموذج ، فإن استخدام الأدوات يحدد ارتفاعات نقاط التضاريس.

صور القمر الصناعي

مثال على زوج استريو من القمر الصناعي WorldView-1

وبالمثل ، عند إنشاء صورة مجسمة ، تعمل الأقمار الصناعية أيضًا. يتم توفير معلومات عن التضاريس (والعديد من البيانات الأخرى ، بما في ذلك قياس التداخل الراداري - بناء نماذج التضاريس الرقمية ، وتحديد الإزاحة وتشوهات سطح وهياكل الأرض) بواسطة الأقمار الصناعية الرادارية وأجهزة الاستشعار عن بعد الضوئية للأرض.

لا تصور الأقمار الصناعية عالية الدقة كل شيء على التوالي (لا حاجة إلى غابات سيبيريا التي لا نهاية لها بدقة عالية) ، ولكن عن طريق طلب منطقة معينة. تشمل هذه الأقمار الصناعية ، على سبيل المثال ، Landsat و Sentinel (في المدار هما Sentinel-1 ، المسؤول عن صور الرادار ، Sentinel-2 ، التي تجري مسوحات بصرية لسطح الأرض ودراسة الغطاء النباتي ، و Sentinel-3 ، الذي يراقب حالة المحيطات).

صورة القمر الصناعي لاندسات 8 في لوس أنجلوس

ترسل الأقمار الصناعية البيانات ليس فقط في الطيف المرئي ، ولكن أيضًا في الأشعة تحت الحمراء (والعديد من الآخرين). تسمح لنا البيانات من النطاقات الطيفية غير المرئية للعين البشرية بتحليل أنواع السطح ، ومراقبة نمو المحاصيل ، واكتشاف الحرائق ، وأكثر من ذلك بكثير.

تتضمن صورة لوس أنجلوس نطاقات التردد الكهرومغناطيسية المقابلة (في مصطلحات لاندسات 8) للمديات 4-3-2. تعيّن لاندسات أجهزة استشعار باللون الأحمر والأخضر والأزرق على أنها 4 و 3 و 2 على التوالي. تظهر صورة ملونة بالكامل عندما يتم دمج مجموعة من الصور من أجهزة الاستشعار هذه.

يتلقى مالكو الأقمار الصناعية والموزعون الرسميون - DigitalGlobe و e-Geos و Airbus Defense and Space وغيرها - البيانات ومعالجتها. في بلدنا ، فإن الموردين الرئيسيين لصور الأقمار الصناعية هم أنظمة الفضاء الروسية و Sovzond و ScanEx .

تعتمد العديد من الخدمات على مجموعات بيانات مسح الأراضي العالمي (GLS) من هيئة المسح الجيولوجي الأمريكية (USGS) ووكالة ناسا. يتلقى GLS البيانات في المقام الأول من مشروع لاندسات ، الذي تم إنشاء صور الأقمار الصناعية لكوكب الأرض بأكمله في الوقت الحقيقي منذ عام 1972. باستخدام Landsat ، يمكنك الحصول على معلومات حول سطح الأرض بالكامل ، فضلاً عن التغييرات التي تطرأ عليها على مدى العقود الماضية. هذا المشروع لجميع خدمات رسم الخرائط العامة هو المصدر الرئيسي لبيانات استشعار الأرض عن بعد على نطاق صغير.

جزر البهاما من حيث MODIS

يقع مقياس MODIS للمسح الطيفي للمسح الضوئي المتوسط ​​الدقة (مقياس الطيف التصويري المتوسط ​​الدقة) على الأقمار الصناعية Terra and Aqua ، والتي تعد جزءًا من برنامج NASA EOS (نظام مراقبة الأرض) المتكامل. دقة الصور الناتجة أكثر خشونة من نتائج معظم الأقمار الصناعية الأخرى ، لكن التغطية تتيح لك الحصول على مجموعة عالمية يومية من الصور في الوقت الفعلي تقريبًا.

البيانات المتعددة الأطياف مفيدة لتحليل سطح الأرض والمحيط والغلاف الجوي ، مما يسمح عبر الإنترنت (حرفيا بضع ساعات) لدراسة التغيرات في السحب والثلوج والجليد والأجسام المائية والنباتات وتتبع ديناميات الفيضانات والحرائق وما إلى ذلك.

" أطلس العالم الحي " عبارة عن أطلس يحتوي على خرائط وبيانات مخصصة لمجموعة متنوعة من المواضيع: السكان والأعمال والمناظر الطبيعية والمناخ والنقل وما إلى ذلك.

Roscosmos Geoportal - مصدر بيانات مجاني (جزئيًا). صور الأقمار الصناعية المقدمة من Roscosmos و NASA ، بيانات الخرائط - OpenStreetMap و Rosreestr ، أدوات البحث - GeoNames و OpenStreetMap Nominatim .

بالإضافة إلى الأقمار الصناعية ، هناك اتجاه واعد آخر للتصوير "العمودي" - استقبال البيانات من الطائرات بدون طيار. لذا فإن شركة DroneMapper ترسل طائرات بدون طيار (نادرًا - quadrocopters) لمسح الأراضي الزراعية - وتبين أنها أكثر اقتصادا من استخدام القمر الصناعي أو الطائرة.

توفر الأقمار الصناعية كمية هائلة من المعلومات المتنوعة ويمكنها التقاط صور للأرض بأكملها ، ولكن الشركات تطلب البيانات فقط للمنطقة التي تحتاجها. نظرًا لارتفاع تكلفة صور القمر الصناعي ، تفضل الشركات تفصيل مناطق المدن الكبيرة. كل ما يعتبر قليل الكثافة السكانية ، وعادة ما تتم إزالته بالمصطلحات الأكثر عمومية. في المناطق ذات الغطاء السحابي المستمر ، تلتقط الأقمار الصناعية صورًا جديدة وجديدة ، لتحقيق صور واضحة وزيادة التكاليف. ومع ذلك ، يمكن لبعض شركات تكنولوجيا المعلومات شراء صور لبلدان بأكملها. على سبيل المثال ، خرائط Bing.

استنادًا إلى صور وقياسات الأقمار الصناعية على الأرض ، يتم إنشاء خرائط متجهة. تُباع بيانات المتجه المجهزة للشركات التي تطبع الخرائط الورقية و / أو تنشئ خدمات الخرائط. يعد رسم الخرائط بنفسك باستخدام صور الأقمار الصناعية مكلفًا ، لذلك تفضل العديد من الشركات شراء حل جاهز يعتمد على API لخرائط Google أو Mapbox SDK وتعديل موظفيها من رسامي الخرائط.

مشاكل خريطة القمر الصناعي

في أبسط الحالات ، لرسم خريطة حديثة ، يكفي التقاط صورة القمر الصناعي أو جزء منها وإعادة رسم جميع الكائنات في المحرر أو في بعض خدمات إنشاء الخرائط التفاعلية عبر الإنترنت. للوهلة الأولى ، في المثال أعلاه ، كل شيء على ما يرام من OSM - تبدو الطرق كما ينبغي. ولكن هذا فقط للوهلة الأولى. في الواقع ، لا تتوافق هذه البيانات الرقمية مع العالم الحقيقي ، لأنها مشوهة ومحوّلة بالنسبة إلى الموقع الحقيقي للأشياء.

يلتقط القمر الصناعي صورًا بزاوية عالية السرعة ، ووقت التقاط الصور محدود ، ويتم لصق الصور معًا ... تتداخل الأخطاء مع بعضها البعض ، لذلك بدأوا في استخدام الصور وتصوير الفيديو على الأرض لإنشاء خرائط ، بالإضافة إلى تكسير السيارات ، وهو دليل واضح على وجود مسار معين.

مثال على صورة نشأت فيها مشكلة بسبب ضعف التقويم: تم وضع المسارات بشكل مثالي بالقرب من الماء ، وانتقلت على الجبل إلى اليمين

تؤثر التضاريس وظروف التصوير ونوع الكاميرا على مظهر التشويه في الصور. تسمى عملية إزالة التشويه وتحويل الصورة الأصلية إلى إسقاط متعامد ، أي ، حيث يتم ملاحظة كل نقطة من التضاريس بشكل عمودي تمامًا ، بالتصحيح.

إعادة توزيع وحدات البكسل في الصورة كنتيجة للتصحيح التقويمي

يعد استخدام قمر صناعي يلتقط الصور فقط فوق نقطة معينة أمرًا مكلفًا ، لذلك يتم التصوير بزاوية يمكن أن تصل إلى 45 درجة. من ارتفاع مئات الكيلومترات ، يؤدي هذا إلى تشويه كبير. لإنشاء خرائط دقيقة ، يعد تصحيح تقويم الجودة أمرًا حيويًا.

الخرائط تفقد أهميتها بسرعة. هل فتحت ساحة انتظار سيارات جديدة؟ هل قمت ببناء طريق التفافي؟ هل انتقل المتجر إلى عنوان مختلف؟ في جميع هذه الحالات ، تصبح الصور القديمة للمنطقة عديمة الفائدة. ناهيك عن حقيقة أن العديد من التفاصيل المهمة ، سواء كانت فورد على النهر أو مسار في الغابة ، غير مرئية في الصور من الفضاء. لذلك ، يعد العمل على الخرائط عملية يستحيل فيها وضع نقطة أخيرة.

كيف بطاقات OpenStreetMap

صورة

OpenStreetMap هو مشروع رسم خرائط غير ربحي يقوم فيه مجتمع من المستخدمين من جميع أنحاء العالم بإنشاء خريطة جغرافية مفتوحة ومجانية. لإنشاء خرائط باستخدام بيانات من أجهزة تعقب GPS الشخصية ، والتصوير الجوي ، وتسجيلات الفيديو ، وصور الأقمار الصناعية ، وكذلك المعرفة البشرية. المشروع التالي الذي يمكن مقارنة OSM به هو ويكيبيديا. وبالمثل ، في OSM ، يقوم أي مستخدم بتحرير خريطة ، ويتم توزيع بيانات المشروع بموجب ترخيص مجاني.

يستخدم OpenStreetMap مسارات GPS مسجلة بواسطة المستخدمين وصور الأقمار الصناعية من Bing و Mapbox و DigitalGlobe كأساس للخرائط. لا يمكن استخدام بطاقات العمل مثل Google و Yandex بسبب القيود القانونية.

ترتبط الصور بالتضاريس تلقائيًا في مرحلة الاستحواذ. يمكن أيضًا ربط عمليات المسح باستخدام نقاط مرجعية بإحداثيات معروفة تم الحصول عليها من المسارات أو مرتبطة بنقاط الشبكة الجيوديسية.

عند تحرير الخرائط ، يتم دائمًا تحويل صور القمر الصناعي في OSM كمسارات مسجلة في العرض الأرضي ، لتعويض معظم الأخطاء. هناك الكثير من التطبيقات التي يمكنها تسجيل ومشاركة مسارات GPS ، على سبيل المثال ، Geo Tracker و Strava (Android) و GPX Tracker (iOS).

يرسم منشئ الخريطة في صورة القمر الصناعي الطرق أولاً باستخدام بيانات المسار. نظرًا لأن المسارات تصف الحركة في الإحداثيات الجغرافية ، فمن السهل تحديد مكان مرور الطريق. ثم يتم تطبيق جميع الكائنات الأخرى. يتم إنشاء الكائنات المفقودة والمساحية من الصور ، ويتم أخذ التوقيعات التي تشير إلى ملكية الكائنات أو استكمالها بمعلومات الخلفية من الملاحظات أو السجلات.

لإنشاء خريطة مليئة بمعلومات متنوعة ، استخدم نظام المعلومات الجغرافية (GIS) المصمم للعمل مع البيانات الجغرافية - لتحليلها وتحويلها وتحليلاتها وطباعتها. باستخدام GIS ، يمكنك إنشاء خريطتك الخاصة مع تصور أي بيانات. في نظام المعلومات الجغرافية للخرائط ، يمكنك إضافة بيانات من Rosstat والبلديات والوزارات والإدارات - كل ما يسمى البيانات الجغرافية المكانية.

من أين تأتي البيانات الجغرافية

لذلك ، يتم تحويل صور الأقمار الصناعية بالنسبة للواقع بعشرات الأمتار. لإنشاء خريطة دقيقة حقًا ، تحتاج إلى تسليح نفسك باستخدام متصفح (جهاز استقبال GPS) أو هاتف عادي. ثم استخدام جهاز الاستقبال أو التطبيق في الهاتف لتسجيل أكبر عدد ممكن من نقاط المسار. يتم التسجيل على طول الأجسام الخطية الموجودة على الأرض - الأنهار والقنوات ، والممرات ، والجسور ، ومسارات السكك الحديدية والترام ، وما إلى ذلك مناسبة.

مسار واحد لا يكفي أبدًا لأي قسم - يتم تسجيلهم هم أنفسهم أيضًا بمستوى معين من الخطأ. بعد ذلك ، يتم محاذاة الركيزة الساتلية مع مسارات متعددة مسجلة في أوقات مختلفة. يتم أخذ أي معلومات أخرى من مصادر مفتوحة (أو مقدمة من مزود البيانات).

من الصعب تخيل البطاقات بدون معلومات عن الشركات المختلفة. يتم جمع البيانات المحلية حول المنظمات مع الإشارة إلى مواقع GPS بواسطة Yelp و TripAdvisor و Foursquare و 2 GIS وغيرها. يساهم المجتمع (بما في ذلك الممثلون المباشرون للشركات المحلية) بشكل مستقل في البيانات في OpenStreetMap وخرائط Google. لا تريد جميع الشبكات الكبيرة أن تزعج نفسها بإضافة المعلومات ، لذلك تلجأ إلى الشركات ( Brandify و NavAds و Mobilosoft وغيرها) التي تساعد في وضع الفروع على الخرائط ومراقبة مدى صلة البيانات.

في بعض الأحيان ، تتم إضافة معلومات حول كائنات التضاريس الحقيقية إلى الخرائط من خلال تطبيقات الجوال - على الفور ، في الميدان ، يمتلك الشخص القدرة على تحديث بيانات الخرائط بدقة. في MAPS.ME يوجد محرر خرائط مدمج لهذا ، يتم من خلاله نقل البيانات المحدثة مباشرة إلى قاعدة بيانات OpenStreetMap. يتم التحقق من موثوقية المعلومات من قبل أعضاء آخرين في مجتمع OSM. في "الاتجاه المعاكس" ، يتم إرسال البيانات من OSM إلى MAPS.ME في شكل خام. قبل ظهورها على شاشة الهاتف الذكي للمستخدم ، تتم معالجتها وتعبئتها.

المستقبل: مخططو الشبكات العصبية

قال Facebook أنهم استخدموا خوارزميات التعلم الآلي للعثور على الطرق في صور القمر الصناعي. ولكن تم التحقق من الحقائق بالفعل من قبل الأشخاص الذين قاموا بفحص الطرق و "لصقها" ببيانات OSM.

أضافت خدمة مشاركة الصور في Mapillary في العام الماضي ميزة توفر تجزئة دلالات صور الكائن. في الواقع ، كانوا قادرين على تقسيم الصور إلى مجموعات منفصلة من وحدات البكسل المطابقة لكائن واحد مع التحديد المتزامن لنوع الكائن في كل منطقة. يقوم الناس بذلك بسهولة - على سبيل المثال ، يمكن لمعظمنا تحديد وإيجاد السيارات والمشاة والمنازل في الصور. ومع ذلك ، كان من الصعب التنقل في أجهزة الكمبيوتر في مجموعة كبيرة من البيانات.

باستخدام التدريب العميق على الشبكة العصبية التلافيفية ، تمكن Mapillary من تحديد 12 فئة من الأشياء التي توجد غالبًا في مشهد الطريق. تسمح طريقتهم بتحقيق تقدم في المهام الأخرى لرؤية الماكينة. بتجاهل الصدف بين الأجسام المتحركة (على سبيل المثال ، السحب والمركبات) ، يمكننا تحسين سلسلة عملية تحويل بيانات المصدر بشكل كبير إلى صورة ثنائية الأبعاد أو مجسمة. يوفر تقسيم Mapillary الدلالية تقديرًا تقريبيًا لكثافة النباتات أو توفر الرصيف في بعض المناطق الحضرية.

قسم الجنوب الغربي من موسكو الشبكة العصبية إلى مناطق اعتمادًا على نوع التطور

يحلل مشروع CityClass أنواع التنمية الحضرية باستخدام شبكة عصبية. إن رسم خريطة للمناطق الوظيفية للمدينة طويلة ورتيبة ، ولكن يمكنك تدريب جهاز كمبيوتر لتمييز المنطقة الصناعية عن المنطقة السكنية ، والتطور التاريخي من مقاطعة صغيرة.

قام فريق من العلماء من جامعة ستانفورد بتدريب شبكة عصبية للتنبؤ بالفقر في إفريقيا من صور القمر الصناعي ليلاً ونهارًا. أولاً ، تعثر الشبكة على أسطح المنازل والطرق ، ثم تقارنها بالبيانات المتعلقة بإضاءة المناطق ليلاً.

يواصل المجتمع اتباع الخطوات الأولى في مجال إنشاء الخريطة تلقائيًا ، ويستخدم بالفعل رؤية الماكينة لرسم بعض الأشياء. من الصعب الشك في أن المستقبل سوف ينتمي إلى بطاقات تم إنشاؤها ليس فقط من قبل الناس ، ولكن أيضًا من قبل الآلات.