Развитие BI инструментов в интересах анализа состояния растительного покрова на различных территориях

При решении различных задач с применением данных дистанционного зондирования Земли зачастую возникает необходимость получения каких-либо агрегированных характеристик исследуемых объектов. Это могут быть как площадные характеристики различных классов поверхности, находящихся в заданных границах, в роли которых могут выступать административные границы, границы бассейнов, водосборов, особо охраняемые природные территории и т.п., так и агрегированные значения параметров какого-либо процесса. Для получения таких агрегированных характеристик часто используются OLAP-кубы и основанные на них механизмы BI-аналитики (business intelligence). Более подробно разберем BI-инструменты для анализа временных рядов типов растительного покрова, интегрированных в информационную систему дистанционного мониторинга «Вега-гидро». 

В 2025 году был реализован расчет временных рядов динамики растительного покрова в рамках границ глобальных водосборов (Hydro BASIC), а также границ особо охраняемых природных территорий РФ. Также был разработан и внедрен расчет интегральных значений метеорологических данных реанализа модели Climate Forecast System Version 2 (CFSv2) NCEP в рамках границ глобальных водосборов (Hydro BASIC).

BI-инструменты были реализованы на базе программно-аналитического комплекса Contour BI версии 6.2. Комплекс включает в себя следующие части:

• Portal — в соответствии с правами конкретного пользователя, предоставляет доступ к предварительно настроенным интерактивным отчетам через web-интерфейс.
• Reporter — предоставляет инструменты для разработки интерактивных отчетов: подключение различных источников данных, выборка данных для анализа, трансформация выбранных данных (например замена идентификаторов объектов их названиями, сортировка по названиям, привязка цвета и т.п.), построение на основе выбранных данных OLAP-куба, привязка к OLAP-кубу различных интерактивных отчетов (таблицы, карты, графики), группировка форм в даш-борды; а так же интерфейс менеджмента прав доступа к созданным отчетным формам.
• Publisher — утилита, осуществляющая обновление OLAP-кубов, периодически по расписанию, либо в привязке к внешним событиям, служащих источниками данных для интерактивных отчетов.
   

Одной из основных особенностей систем BI-аналитики является то, что они предоставляют в распоряжение пользователя обширный инструментарий, позволяющий ему прямо из WEB-интерфейса запросить необходимые для анализа данные, и просматривать полученные результаты через динамически формируемые интерактивные отчеты. Интерактивные отчеты предоставляют пользователю возможность самому решать, какие именно данные требуется использовать для решения стоящих перед ним задач анализа, и как эти данные необходимо организовать. Таким образом, имея в своем распоряжении сравнительно небольшое количество интерактивных отчетов, пользователь способен решать с их помощью широкий спектр аналитических задач, перестраивая их под свои нужды. 

В информационной системе «Вега-Гидро» (http://hydro.geosmis.ru/) на основе временных рядов карт растительного покрова [1], а также данных реанализа модели Climate Forecast System Version 2 (CFSv2) NCEP в рамках границ глобальных водосборов (Hydro BASIC), для каждого водосбора были рассчитаны соответственно ежегодные площади классов растительного покрова (с 2001 г. по 2024 г.), а также ежесуточные данные о средней температуре и количестве осадков (с 1 января 2001 г. по настоящее время). 

Агрегация временных рядов карт по растительному покрову. Карты растительного покрова имеют пространственное разрешение в 230х230 м, строятся на всю территорию Российской Федерации ежегодно начиная с 2001 года, классифицируют поверхность на 6 различных групп (леса, травянисто-кустарниковая растительность, тундра, водно-болотные комплексы, прочая растительность, не покрытые растительностью земли), содержат в общей сложности 24 различных класса, представляет собой геопривязанное растровое изоражение в проекции альберса. 

Для определения площадей конкретных классов растительного покрова в рамках какого-либо водосбора, каждая карта разрезалась на тайлы по 256х256 пикселей и загружается в базу данных PostgreSQL. Загруженные тайлы пересекались с геометриями глобальных водосборов (Hydro BASIC) [3]. В пределах каждой геометрии подсчитывалась площадь каждого класса растительности, результаты сохраняются в отдельной таблице (info_cells_vegetation, см. рисунок 1).

Агрегация метеорологических данных. Метеорологические данные – данные реанализа модели Climate Forecast System Version 2 (CFSv2) NCEP [2], с пространственным разрешением 0,25° и временным шагом 6 часов. 

Для определения метеорологических параметров, характеризующих конкретный водосбор, на первом этапе для каждой геометрии расчитывалиcь веса, для учета вклада конкретного узла сетки. Затем измерения агрегировались в соответствии с весами узлов и временными интервалами, т.к. итоговый массив предполагал ежесуточную скважность данных, результаты сохранялись в отдельной таблице (meteo_date, см. рисунок 1).

Инструменты анализа. Ректифицированные наборы данных (meteo_date и info_cells_vegetation, смотрите Рис. 1), содержат набор характеристик (площади классов растительности, температура, осадки) по некоторым территориям (гидрологические границы в рамках территории Российской Федерации). Площади классов имеют годовой масштаб изменчивости (т.е. краты растительности строятся ежегодно), метеорологические данные в свою очередь – ежесуточный, в связи с чем совместный анализ данных показателей имеет смысл проводить именно на годовом масштабе, для чего метеоданные были представлены в виде накопленных параметров, что позволило отобразить их в одной таблице с площадями классов территорий.

В качестве примера на рисунке 2 приведена табличная аналитическая форма с ежегодными характеристиками водосборов, в частности метеопараметры приведены как накопленные характеристики (при подсчете накопленных температур учитывались только положительные значения выше 0°C). Названия бассейнов и идентификаторы групп бассейнов составляют измерения строк первого и второго уровня вложенности, соответственно годы, группы и классы характеристик – измерение столбцов первого, второго и третьего уровня. Пользователь прямо в web-интерфейсе может менять местами уровня вложенности измерений, а также переносить их из строк в столбцы и обратно. Каждое измерение может быть отфильтровано по интересующим пользователя значениям. 
На рисунке 3 приведен пример картографической формы, где к описанным выше измерениям, также добавлены производные характеристики от идентификатора границы водосбора (Hybas_id): регионы (первая цифра идентификатора), уровень Пфафштеттера (вторая и третья цифра) и hybas_shed (с четвертой по девятую цифру). На карте включен слой, наглядно показывающий преобладающие типы растительного покрова для каждого водосбора.

Рисунок 1 — Структурирование растровых крат и метеоданных для анализа средствами BI-технологий

 

Инструменты анализа. Ректифицированные наборы данных (meteo_date и info_cells_vegetation, смотрите рис. 1), содержат набор характеристик (площади классов растительности, температура, осадки) по некоторым территориям (гидрологические границы в рамках территории Российской Федерации). Площади классов имеют годовой масштаб изменчивости (т.е. краты растительности строятся ежегодно), метеорологические данные в свою очередь — ежесуточный, в связи с чем совместный анализ данных показателей имеет смысл проводить именно на годовом масштабе, для чего метеоданные были представлены в виде накопленных параметров, что позволило отобразить их в одной таблице с площадями классов территорий.

В качестве примера на рисунке 2 приведена табличная аналитическая форма с ежегодными характеристиками водосборов, в частности метеопараметры приведены как накопленные характеристики (при подсчете накопленных температур учитывались только положительные значения выше 0°C). Названия бассейнов и идентификаторы групп бассейнов составляют измерения строк первого и второго уровня вложенности, соответственно годы, группы и классы характеристик — измерение столбцов первого, второго и третьего уровня. Пользователь прямо в web-интерфейсе может менять местами уровня вложенности измерений, а также переносить их из строк в столбцы и обратно. Каждое измерение может быть отфильтровано по интересующим пользователя значениям.

Рисунок 2 — Табличная интерактивная аналитическая форма с ежегодными характеристиками водосборов

На рисунке 3 приведен пример картографической формы, где к описанным выше измерениям, также добавлены производные характеристики от идентификатора границы водосбора (Hybas_id): регионы (первая цифра идентификатора), уровень Пфафштеттера (вторая и третья цифра) и hybas_shed (с четвертой по девятую цифру). На карте включен слой, наглядно показывающий преобладающие типы растительного покрова для каждого водосбора.

Рисунок 3 — Картографическая интерактивная аналитическая форма, показывающая преобладающие классы растительного покрова в границах водосборов