Отображение озера
Для вычисления изменений площади поверхности озера мы сравним снимки, снятые со спутников Landsat между 1984 и 2014 гг. Спутниковая программа Landsat действует уже более 40 лет, что делает эти снимки жизненно важными для мониторинга изменений, происходящих с нашей планетой. Сначала вы настроите проект и визуально сравните изображения.
Открытие проекта
Вы скачаете проект и откроете его в ArcGIS Pro.
- Скачайте файл пакета проекта Lake Poyang. Найдите загруженный файлу себя на компьютере и распакуйте в местоположение, где эти данные будет просто найти, например в папку Документы.
Примечание:
В зависимости от настроек браузера, вам может быть предложено выбрать место для сохранения загружаемого файла. Большинство браузеров по умолчанию скачивают все в папку Загрузки.
- Если у вас есть ArcGIS Pro, дважды щелкните пакет проекта Lake_Poyang_Project.ppkx, чтобы открыть его. Если будет предложено, войдите под лицензированной учетной записью ArcGIS или учетной записью ArcGIS Enterprise.
Примечание:
Если у вас нет доступа к ArcGIS Pro или учетной записи организации ArcGIS, см. варианты доступа к программному обеспечению.
Проект откроется на востоке центральной части Китая. Чтобы вы могли ориентироваться, включены три слоя (и базовая карта): Three Gorges Dam, Yangtze River и Lake Poyang. Озеро Поянху расположено на несколько сотен миль ниже по течению, чем плотина "Три Ущелья".
Визуально сравните изображение озера Поянху за разное время
Проект также содержит три слоя снимков, которые в данный момент отключены. Эти слои показывают озеро Поянху на пике сезона дождей за три разных года: 1984, 2001 и 2014. Вы визуально сравните изображения, чтобы понять, как форма озера менялась с течением времени.
- На панели Содержание щелкните правой кнопкой слой Lake Poyang (озеро Поянху) и выберите Приблизить к слою.
Озеро Поянху довольно длинное и узкое, простирающееся на юг от реки Янцзы. Его узкая форма означает, что даже малое падение уровня воды приведет к фрагментации акватории. Кроме того, экономика нескольких прибрежных городов зависит от рыбной ловли и перевозки товаров по озеру. На национальном уровне это озеро является крупнейшим источником пресной воды в Китае. Высыхание озера может привести к катастрофическим экологическим и экономическим последствиям.
- На панели Содержание снимите отметку рядом со слоями Three Gorges Dam, Yangtze River и Lake Poyang, чтобы отключить их.
- На панели Содержание отметьте слой June 1984.tif, чтобы включить его.
- Перемещайте и масштабируйте карту с помощью мыши, чтобы было видно все изображение.
На рисунке показано озеро в июне 1984. Изображение было получено со спутника Landsat 5.
Примечание:
Спутниковая программа Landsat является совместной инициативой двух американских государственных агентств: Геологической Службы США (USGS) и Национального Аэрокосмического Агентства (NASA). Вы можете узнать больше о программе Landsat на странице USGS Landsat Missions.
Изображение показывает яркое четкое различие между синим озером и растущей зеленью вокруг. Эти цвета могут показаться естественными, на самом деле они являются комбинацией электромагнитных спектров, невидимых человеческому глазу.
- На панели Содержание щелкните на стрелке рядом со слоем June 1984.tif.
Снимки Landsat имеют разные каналы цвета в электромагнитном спектре. В зависимости от типа Landsat, на изображение приходится от 7 до 11 каналов, как вы можете видеть в таблице ниже.
Канал Landsat 5 Landsat 7 Landsat 8 1
Синий
Синий
Coastal aerosol
2
Зеленый
Зеленый
Синий
3
Красный
Красный
Зеленый
4
Ближний инфракрасный 1
Ближний инфракрасный 1
Красный
5
Ближний инфракрасный 2
Дальний инфракрасный
Ближний инфракрасный
6
Thermal
Thermal
Дальний инфракрасный 1
7
Средний инфракрасный
Дальний инфракрасный 2
Дальний инфракрасный 2
8
Панхроматический
Панхроматический
9
Cirrus
10
Тепловой инфракрасный 1
11
Тепловой инфракрасный 2
Поскольку все каналы не могут быть отображены одновременно, вы обычно выбираете комбинацию из трех каналов, которые вы отображаете через цветные каналы: красный, зеленый и синий, которые видны человеческому глазу. Как вы можете видеть в легенде, изображение 1984 года использует Near Infrared 2 для канала красного цвета, Near Infrared 1 для канала зеленого цвета и Red для канала синего цвета.
Все три изображения в вашем проекте используют сочетания каналов, выделяющие растительность и делающие границы между озером и окружающим пространством более ясными и отчетливыми. Теперь вы сравните изображение 1984-го года с более поздними изображениями, чтобы увидеть, как изменилось озеро.
- Поставьте отметку рядом со слоем June 2001.tif, чтобы включить его.
Это изображение было сделано Landsat 7, а не Landsat 5, так что цвета отличаются. Без сопоставления бок о бок сложно увидеть, что именно изменилось. Вы используете инструмент Спрятать, чтобы сравнить изображения.
- На панели Содержание щелкните слой June 2001.tif, чтобы выделить его.
- Щелкните вкладку Растровый слой на ленте в верхней части приложения. В группе Сравнить щелкните Спрятать.
Когда вы наведёте курсор на карту, он превратится в стрелочку.
- Протащите карту в направлении, которое указывает стрелка.
Выбранный слой будет скрываться там, где вы перетащите курсор. Теперь вы можете сравнить два изображения. Когда вы двигаете инструмент Спрятать вперед-назад (или вверх-вниз), вы видите, что большинство изменений произошло на южном и восточном краях озера. Территории, где озеро отступило, по большей части оранжевые, потому что там нет растительности. В целом, в 2001 году озеро визуально занимало меньшую поверхность, чем в 1984 году. Оба изображения были сделаны до открытия плотины Три Ущелья в 2003 г., так что причиной снижения уровня озера могут быть засухи или другие метеорологические явления.
- Включите слой May 2014.tif на панели Содержание.
Изображение было получено с Landsat 8. Оранжевые зоны, обозначавшие землю, обнажившуюся после обмеления озера, на изображении 2001 года стали светло-зелеными из-за выросших там растений, то есть произошли долгосрочные изменения уровня воды.
- На панели Содержание щелкните слой May 2014.tif, чтобы выделить его.
- Используйте инструмент Спрятать, чтобы сравнить снимки за 2014 и 2001 гг.
Озеро, по-видимому, претерпело дополнительную потерю площади поверхности, в основном в его южной и западной частях. Визуально очевидно, что озеро уменьшилось в период между 1984 и 2014 гг. (как минимум во время сезона дождей, когда были сделаны все три снимка), хотя не известно на сколько точно.
- На ленте на вкладке Карта в группе Навигация щелкните кнопку Исследовать, чтобы выйти из режима спрятать.
Вы можете снова перемещаться по карте в обычном режиме.
Следующим шагом будет более точная количественная оценка потери площади.
Классификация почвенно-растительного покрова для анализа озера
Чтобы количественно оценить изменение площади поверхности озера с 1984 по 2014 гг, вы классифицируете почвенно-растительный покров на обоих изображениях, идентифицируя области, покрытые водой, и отличая их от другого почвенно-растительного покрова, такого как растительность или городские районы. В мультиспектральных изображениях, таких как Landsat, каждый отдельный пиксел (или ячейка) изображения имеет значение для каждого спектрального канала. Как вы можете видеть на динамичном изображении озера Поянху, есть много возможных значений цветов для разнообразных оттенков. Однако все пикселы, представляющие один и тот же почвенно-растительный покров, имеют тенденцию иметь несколько схожие спектральные значения. Классифицируя изображение, вы определите пикселы, которые похожи по значению, и сгруппируете их вместе, чтобы представить небольшое количество классов, таких как вода, растительность или городские районы.
Вы будете использовать особый тип метода классификации, известный как неконтролируемая классификация, при которой программное обеспечение использует статистический анализ, чтобы решить, какие значения достаточно похожи друг на друга, чтобы их можно было сгруппировать в классы. Вам нужно только указать, сколько классов вы хотите получить, и инструмент создаст это точное количество классов. Инструмент, который вы будете использовать для этого, - Неконтролируемая классификация изокластера.
Классификация почвенно-растительного покрова в 1984 году
Сначала вы классифицируете изображение 1984 года.
- Щелкните вкладку Анализ на ленте. В группе Геообработка щелкните Инструменты.
Откроется панель Геообработка.
- На панели Геообработка введите в окне поиска Неконтролируемая классификация изокластеров. Щелкните результат с таким же именем.
Откроется инструмент Неконтролируемая классификация изокластера. Этот инструмент выполняет неконтролируемую классификацию выбранного вами слоя изображения или растра. Он использует алгоритм изокластеров, чтобы определить характеристики естественной группировки ячеек, и создает выходной слой, базирующийся на том числе классов, какое вы хотите. Вы запустите инструмент для слоя снимка 1984 года.
Вы классифицируете пикселы изображения 1984.tif только на четыре класса, потому что в первую очередь нужно увидеть озеро, поэтому нет необходимости в большом количестве классов, которые бы различали многие типы почвенно-растительного покрова.
- В параметрах инструмента Неконтролируемая классификация изокластера выберите следующие значения:
- Для Входных каналов растра, выберите June 1984.tif.
- Введите 4 в качестве Числа классов.
- Для Выходного классифицированного растра введите Iso_1984 в конце местоположения poyang.gdb.
- Оставьте все другие параметры без изменений.
- Щелкните Запустить.
После окончания работы инструмента на карту будет добавлен выходной слой. Цвета на вашей карте могут отличаться от цветов на примере изображения.
Новый слой похож на исходное изображение июня 1984 года, но теперь есть только четыре цвета, которые представляют каждый из четырех классов, созданных с помощью инструмента классификации. Все слои снимков состоят из сеток пикселов, также известных как ячейки, но на оригинальном снимке пикселы имели тысячи разных цветов. Инструмент Неконтролируемая классификация изокластера взял все пикселы оригинального снимка и отсортировал их на четыре класса по значениям на основании их спектрального сходства. Затем он произвольно выбрал четыре цвета для обозначения каждого класса. Похоже, что все ячейки воды были отнесены к одному классу (Значение 1), а растительность, облачный покров и другие типы почвенно-растительного покрова относятся к трем другим классам.
- На панели Содержание ниже слоя Iso_1984 щёлкните правой кнопкой Value 1 и измените цвет на светло-синий.
- Измените остальные значения (2,3 и 4) на Нет цвета.
Только водные значения останутся видимыми. Вы сравните их с оригинальным снимком June 1984, чтобы убедиться в корректности классификации.
- На панели Содержание отключите слои May 2014.tif и June 2001.tif.
- Щелкните слой Iso_1984, чтобы выбрать его. На ленте на вкладке Растровый слой включите инструмент Спрятать, чтобы сравнить два слоя 1985 года.
Границы озера по большей части совпадают, но классифицированные значения также содержат мелкие водные объекты вокруг озера. Мы уберём некоторые из этих объектов в следующем разделе. Также есть часть озера, не классифицированная из-за облачного покрова.
Облака часто заслоняют наземные объекты на спутниковых снимках. Облачность на этом изображении относительно небольшая, поэтому она не окажет существенного влияния на анализ, но анализ можно улучшить, используя изображения с еще меньшей облачностью.
- На ленте, на вкладке Карта ленты повторно активируйте инструмент Исследовать.
- На панели Содержание отключите слои Iso_1984 и June 1984.tif.
Классификация почвенно-растительного покрова в 2014 году
Далее вы классифицируете изображение 2014 года, чтобы увидеть, как озеро изменилось с течением времени. Панель Геообработка уже открыта на инструменте Неконтролируемая классификация изокластера, так что вы просто измените параметры, прежде чем запустить инструмент снова.
- Включите слой May 2014.tif на панели Содержание.
- На панели Геообработка измените следующие параметры:
- Для Входных каналов растра измените June 1984.tif на May 2014.tif.
- Для Выходного классифицированного растра введите Iso_2014 в конце местоположения poyang.gdb.
- Оставьте все другие параметры без изменений.
- Щелкните Запустить.
Как и раньше, водные ячейки были отнесены к Значению 1 нового слоя.
- На панели Содержание для слоя Iso_2014 измените цвет Значения 1 на Зелёное яблоко, светлый.
- Измените остальные значения (2,3 и 4) на Нет цвета.
- На ленте на вкладке Растровый слой включите инструмент Спрятать, чтобы сравнить два слоя 2014 года.
И здесь классификация воды кажется довольно точной.
- На панели Содержание отключите слой May 2014.tif и включите слой Iso_1984.
Видимые синие области указывают на площади, которые были покрыты водой в 1984 году, но не в 2014 году, что более четко демонстрирует уменьшение озера между двумя точками времени.
- На панели инструментов быстрого доступа нажмите кнопку Сохранить.
Примечание:
Если вы видите сообщение, что этот проект был создан в предыдущей версии ПО, нажмите Да, чтобы продолжить.
Вы классифицировали изображения 1984 и 2014 годов, чтобы показать почвенно-растительный покров, создав отдельное значение для воды из множества значений воды на исходном изображении. Далее вы сгладите границы озера и удалите многочисленные малые водные объекты, которые были классифицированы вокруг озера Поянху.
Улучшение классификации
Далее вы прочистите классифицированные изображения при помощи аналитических инструментов генерализации, удалив мелкие погрешности и небольшие водные объекты вокруг озера. Также вы сгладите границы озера.
Фильтрация отдельных пикселов
Во-первых, вы очистите маленькие изолированные пикселы, которые были классифицированы как вода, но не являются частью озера Поянху. Некоторые из них относятся к небольшим прудам и прочим водным объектам, а некоторые получились в результате неверной классификации. В любом случае, их не следует учитывать при вычислении площади озера Поянху, поэтому мы запустим инструмент геообработки, чтобы по максимуму их исключить.
- Если требуется, откройте проект Poyang Land Cover в ArcGIS Pro.
- На ленте щелкните вкладку Анализ и щелкните Инструменты, чтобы открыть панель Геообработка.
- На панели Геообработка щёлкните кнопку со стрелкой назад, чтобы вернуться в окно поиска.
- В окне поиска введите Фильтр большинства и нажмите Enter. Щёлкните инструмент Фильтр большинства.
Инструмент Фильтр большинства служит для генерализации данных. Он замещает значения ячеек растрового слоя, основываясь на значениях большинства соприкасающихся смежных ячеек. Если ячейка была классифицирована как класс 1 (вода), но три из четырех ее соседних ячеек были классифицированы как класс 2, инструмент изменит значение ячейки в соответствии с окружающими значениями, другими словами, на класс 2. Надо будет запустить этот инструмент два раза, для каждого классифицированного изображения.
- В инструменте Фильтр большинства для Входного растра выберите Iso_1984.
- Измените имя Выходного растра на Filter_1984 в конце местоположения poyang.gdb.
Прочие параметры позволяют выбрать, сколько соседних ячеек будет использовать инструмент и должно ли у большинства соседних ячеек быть одно и то же значение или достаточно половины. Чтобы генерализовать максимальное количество отдельных пикселов и создать более сглаженный эффект, следует использовать половину.
- В опции Порог замещения выберите Половина.
- Щелкните Запустить.
Генерализация удалила немало отдельных пикселов, но осталось тоже много. Может потребоваться дополнительная генерализация, но она также сопряжена с риском удаления необходимых вам данных; другими словами, вы можете потерять ячейки, представляющие озеро Поянху. Вы исправите некоторые из оставшихся проблем, когда сгладите границы позже, а пока вы запустите инструмент на другом слое изображения.
- На панели Геообработка измените Входной растр на Iso_2014, а имя Выходного растра на Filter_2014.
- Щелкните Запустить.
Генерализованный снимок 2014 года будет добавлен на карту.
Теперь, когда у вас есть генерализованные версии двух классифицированных изображений, вам больше не нужны исходные классифицированные изображения на карте, поэтому вы удалите их.
- На панели Содержание щёлкните правой кнопкой слой Iso_2014 и выберите Удалить.
- Аналогичным образом удалите слой Iso_1984.
Если вам снова понадобятся эти слои, вы найдёте их (а также все остальные созданные в этом проекте слои) в базе данных poyang.gdb на панели Каталог.
Очистка границ снимка
Вы удалили с каждого снимка некоторые отдельные пикселы. Теперь надо очистить границы между значениями на каждом снимке, чтобы избавиться от пикселизованных ступенчатых краёв.
- На панели Геообработка щелкните кнопку Назад.
- Найдите и откройте инструмент Удаление границ.
Инструмент Удаление границ сглаживает границу между классами путем растяжения и сокращения границы с последующим возвратом к исходным размерам. При этом вместо значений отдельных пикселов подставляются значения окружающих их пикселов. Его результаты достигают такого же эффекта, что и инструмент Фильтр большинства, но с акцентом на границах классов.
- В параметрах инструмента Удаление границ выберите следующие значения:
- В качестве Входного растра выберите Filter_1984.
- Измените имя выходного растра на Clean_1984.
Параметр Тип сортировки определяет, будут ли значения крупных или мелких площадей в приоритете во время увеличения, а отмеченная опция устанавливает, сколько раз будет запущен процесс. Вы примете значения по умолчанию для этих параметров.
- Щелкните Запустить.
Новый слой 1984 добавлен на карту. Разница невелика, но границы между значениями были сглажены. Кроме того, исчезло большинство мелких отдельных пикселов, рассеянных по всему снимку. Хотя небольшое количество их всё-таки осталось, инструменты генерализации приемлемо очистили изображение. Если вы хотите сами посмотреть на различия, попробуйте воспользоваться инструментом Спрятать и посильнее увеличить изображение для сравнения. Теперь надо применить инструмент Удаление границ к остальным изображениям.
- Запустите инструмент Удаление границ применительно к растру Filter_2014. Измените имя выходного растра на Clean_2014.
Новый слой 2014 года будет добавлен на карту. Исходные слои, созданные инструментом Фильтр большинства, больше не нужны, поэтому вы удалите их с карты.
- На панели Содержание удалите слои Filter_2014 и Filter_1984.
- Сохраните проект.
Вы очистили исходные классифицированные снимки и удалили множество мелких ошибок и группировок пикселов. Далее вы рассчитаете площадь озера для 1984 и 2014 годов и определите, сколько поверхности озера было потеряно между этими двумя датами.
Вычисление исторических площадей
Вы рассчитаете площадь озера Поянху в гектарах в 1984 и в 2014 гг. Сначала вы выберете подходящую формулу.
Разработка формулы вычисления площади
Вы проведете исследования, чтобы решить, как можно вычислить площадь озера.
- На панели Содержание щёлкните правой кнопкой слой Clean_1984 и выберите Таблица атрибутов.
Появится таблица.
Каждому из четырех значений слоя (для четырех классов) соответствует число пикселов. Для значения Value 1, соответствующего воде, число пикселов - приблизительно 3 миллиона. Это очень много пикселов, но чему соответствует размер пиксела в единицах реального мира? Это можно узнать, посмотрев, каково разрешение снимка, то есть сколько единиц земной поверхности соответствует одному пикселу.
Примечание:
Получение площади объекта непосредственно на основе количества пикселов, содержащихся в таблице атрибутов, как вы собираетесь сделать, допустимо только в том случае, если вы используете систему координат проекции, которая не слишком сильно искажает площади. Как вы узнаете позже, здесь используется система координат WGS 1984 UTM Zone 50N, являющаяся приемлемой для этих целей. Такие системы координат, как Web Mercator, часто используемые для веб-карт, нам не подходят.
- Не закрывайте таблицу атрибутов. На панели Содержание щёлкните правой кнопкой слой Clean_1984 и откройте Свойства.
Откроется окно Свойства слоя.
- В левой части окна Свойства слоя щёлкните Источник.
На вкладке Источник содержится информация о типе данных слоя, его местоположении на компьютере, экстенте и проекции данных.
- Щёлкните Информация о растре.
Размер ячейки по Х и Размер ячейки по Y определяют длину (X) и высоту (Y) каждой ячейки, или пиксела. В данном случае каждый пиксел на карте соответствует квадрату размером 30х30 единиц реального мира. Но мы до сих пор не знаем, какие это единицы измерения. Это 30 дюймов? Или 30 километров? Нам нужна площадь в гектарах, поэтому очень важно узнать единицы измерения.
- Щелкните Информацию о растре еще раз, чтобы закрыть ее. Щёлкните Пространственная привязка.
Параметр Линейные единицы измерения говорит о том, в каких единицах измерения производятся по умолчанию все пространственные вычисления над этим слоем. В данном случае это метры, то есть каждый пиксел отображает площадь 30х30 метров (или 900 квадратных метров) в реальном мире.
В разделе Пространственная привязка вы также можете увидеть, что в качестве Системы координат проекции используется WGS 1984 UTM Zone 50N, как уже упоминалось выше.
- Закройте окно Свойства слоя.
Чтобы вычислить площадь каждого значения на снимке, надо умножить количество пикселов на 900. Получатся квадратные метры. Затем необходимо разделить результат на 10000 (квадратных метров в одном гектаре). Общая формула имеет следующий вид:
Гектары = (Кол-во × 900) / 10000
Теперь у вас есть формула, и вы примените ее для вычисления площади озера.
Вычисление уменьшения площади озера в гектарах
Теперь вы вычислите площадь озера в гектарах в 1984 и в 2014 годах. Затем вы найдете, на сколько гектаров в этот период уменьшилась площадь.
- В таблице атрибутов Clean_1984 щелкните кнопку Добавить поле.
Откроется вид Поля, в котором можно управлять полями таблицы атрибутов. Новое поле добавилось в конце списка.
- Для нового поля измените Имя поля на Hectares. Измените Тип данных на Float.
Тип данных Float позволяет хранить числа со знаками после запятой.
- На вкладке Поля ленты, в группе Изменить, щёлкните Сохранить.
- Закройте вид Поля: Clean_1984, чтобы вернуться к таблице атрибутов.
Теперь в таблице есть поле Hectares, но оно пустое. Теперь вы вычислите площадь в гектарах для каждого значения класса, воспользовавшись обсуждавшейся выше формулой.
- Щелкните правой кнопкой заголовок поля Hectares и воспользуйтесь командой Вычислить поле.
Появляется инструмент Вычислить поле.
- В инструменте Вычислить поле подтвердите следующее.
- Для Входной таблицы значение - Clean_1984.
- Для параметра Имя поля (существующее или новое) значение - Hectares.
- Тип выражения - Python.
- Ниже Hectares = , создайте выражение (!Count! * 900) / 10000.
Подсказка:
Дважды щелкните поле Count в списке полей, чтобы внести поле Count в окно выражения в область Поля.
- Нажмите OK.
Поле Hectares в таблице атрибутов заполнится площадями в гектарах для каждого значения на снимке. Значение Value 1, соответствующее воде, занимает площадь, приблизительно равную 270 тысячам гектаров — это площадь озера в 1984 году.
- Закройте таблицу атрибутов.
Аналогичным образом вы рассчитаете площадь озера в гектарах в 2014 году. Поскольку пространственное разрешение и другие характеристики двух снимков одинаковы, вы будете использовать ту же формулу, что и раньше.
- На панели Содержание щёлкните правой кнопкой слой Clean_2014 и выберите Таблица атрибутов. В таблице атрибутов щелкните кнопку Добавить поле.
- Для нового поля измените Имя поля на Hectares и Тип данных на Float.
- На вкладке Поля ленты, в группе Изменить, щёлкните Сохранить. Закройте вид Поля: Clean_2014, чтобы вернуться в таблицу атрибутов.
- Щелкните правой кнопкой заголовок поля Hectares и воспользуйтесь командой Вычислить поле. Убедитесь, что Входная таблица - Clean_2014, Имя поля (существующего или нового) - Hectares, а Тип выражения - Python.
- Ниже Hectares = , создайте выражение (!Count! * 900) / 10000. Нажмите OK.
Поле Hectares в таблице атрибутов заполнено, а Значение 1, соответствующее воде, занимает площадь примерно в 200 000 гектаров. Это площадь озера в 2014 году.
- Закройте таблицу атрибутов.
Площадь озера в 1984 году была около 270 тысяч гектаров, а в 2014 году сократилась почти до 200 тысяч. В период с 1984 по 2014 год было потеряно почти 70 000 гектаров озера Поянху: в среднем около 2300 гектаров в год.
Примечание:
Есть и другие методы вычисления площади после завершения классификации. Например, вы можете сначала использовать инструмент Растр в полигон, чтобы создать полигональный объект озера, который будет содержать значение площади в квадратных метрах. Затем вы должны будете преобразовать площадь в гектары, разделив ее на 10 000.
- Сохраните проект.
В этом руководстве вы визуально сравнили и классифицировали снимки Landsat озера Поянху, чтобы понять, насколько изменилась площадь озера с течением времени. Ваши выводы указывают на серьезную проблему: площадь озера уменьшилась на тысячи гектаров всего за 30 лет. Наши вычисления не объясняют причины сокращения площади озера Поянху, но их можно считать достоверным свидетельством существования серьёзной проблемы, которая служит достаточным основанием для специалистов в области охраны окружающей среды заняться более глубокими исследованиями.
Примечание:
Если вы хотите узнать больше о темпах изменения площади озера Поянху за этот 30-летний период, вы можете провести тот же анализ по изображениям из промежуточных дат, например, по снимку, полученному в июне 2001 года. Так вы сможете отобразить изменения во времени и понять, постоянен ли темп или же есть ускорение уменьшения площади озера.
Больше подобных уроков вы можете найти на странице Introduction to Imagery & Remote Sensing.
Вы можете найти больше учебных пособий в галерее учебных пособий.
