Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 5. С. 319-326
Использование методов обработки естественного языка для анализа использования Google Earth Engine в научных публикациях 2015–2023 гг. в области дистанционного зондирования
А.Б. Джаксылыкова
1 , А.М. Мираш
2 , А.А. Пак
1 , А.А. Зияден
1 1 Институт информационных и вычислительных технологий, Алматы, Казахстан
2 БЛ-груп, Алматы, Казахстан
Одобрена к печати: 10.10.2023
DOI: 10.21046/2070-7401-2023-20-5-319-326
Дистанционное зондирование имеет ключевое значение для обеспечения устойчивого развития человеческой деятельности. Ранее в области обработки спутниковых данных доминировало специализированное профессиональное программное обеспечение, имеющее высокую стоимость. С расширением возможностей информационных технологий ландшафт этой области претерпел существенную трансформацию, в частности благодаря появлению и развитию облачных технологий, сочетающих встроенный доступ к базам спутниковых данных с инструментами для их обработки. Наиболее известным в этой области является продукт GEE (англ. Google Earth Engine), впервые появившийся в 2010 г. В настоящее время этот продукт от Google стал серьёзным конкурентом для дорогостоящих профессиональных пакетов обработки спутниковой информации, которые часто обладают менее интуитивным интерфейсом из-за ограниченной аудитории и финансовых барьеров. GEE предоставляет пользователям бесплатный (с определёнными лимитами на объём передаваемых данных) доступ к большинству баз спутниковых данных, а также облачные инструменты для их обработки. Кроме того, следует отметить, что GEE открыл новые перспективы для детального мониторинга окружающей среды и климатических изменений. Его инструменты для обработки больших объёмов глобальных данных дистанционного зондирования (ДДЗ) и автоматизации анализа спутниковых изображений открывают пользователям революционные возможности работы в направлении анализа спектральных свойств подстилающей поверхности Земли. Частота использования GEE и её временная динамика могут служить индикатором потенциальных возможностей развития обработки ДДЗ в разных странах и в различных научных направлениях. Цель настоящей работы заключается в анализе тенденций частоты использования GEE в научных и технических публикациях в период 2015–2023 гг. на основе методов обработки естественного языка. Полученные данные показывают степенной рост частоты упоминаний GEE в аннотациях научных статей в период 2015–2022 гг. При этом доминирующее использование GEE регистрируется в работах авторов, аффилированных с академией наук Китайской народной республики (КНР). Авторы из университетов США проигрывают более чем в два раза. Такая ситуация диагностирует опережающий рост научных исследований КНР и вытеснение научных институтов США с лидирующих позиций в мире в области дистанционного зондирования.
Ключевые слова: дистанционное зондирование, базы спутниковых данных, облачные технологии обработки, Google Earth Engine, контент-анализ, продольный анализ
Полный текстСписок литературы:
- Балашов И. В., Кашницкий А. В., Барталев С. А. и др. Информационная система комплексного мониторинга лесов и охотничьих угодий России ВЕГА-Лес // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 4. С. 73–88. DOI: 10.21046/2070-7401-2020-17-4-73-88.
- Балдина Е. А., Лабутина И. А. Дешифрирование аэрокосмических снимков. М.: КДУ, Добросвет, 2021. 269 с. DOI: 10.31453/kdu.ru.978-5-7913-1163-4-2021-269.
- Барталев С. А., Ершов Д. В., Лупян Е. А., Толпин В. А. Возможности использования спутникового сервиса ВЕГА для решения различных задач мониторинга наземных экосистем // Современные проблемы дистанционного зондирования Земли из космоса. 2012. Т. 9. № 1. С. 49–56.
- Гаврилова Л. А., Лимонов А. Н. Фотограмметрия и дистанционное зондирование. М.: Акад. проект, 2020. 296 с.
- Денисов П. В., Середа И. И., Трошко К. А. и др. Возможности и опыт оперативного дистанционного мониторинга состояния озимых культур на территории России // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 2. С. 171–185. DOI: 10.21046/2070-7401-2021-18-2-171-185.
- Елизаров Д. А., Князев Н. А., Лаврова О. Ю., Уваров И. А. Интеграция в спутниковую информационную систему See the Sea данных акустического доплеровского измерителя течений, полученных в ходе подспутниковых измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 3. С. 244–253. DOI: 10.21046/2070-7401-2023-20-3-244-253.
- Константинова А. М., Балашов И. В., Кашницкий А. В. и др. Унифицированная технология дистанционного мониторинга природных и антропогенных объектов // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 4. С. 41–52. DOI: 10.21046/2070-7401-2021-18-4-41-52.
- Лупян Е. А., Бурцев М. А., Прошин А. А., Кобец Д. А. Развитие подходов к построению информационных систем дистанционного мониторинга // Современные проблемы дистанционного зондирования Земли из космоса. 2018. Т. 15. № 3. С. 53–66. DOI: 10.21046/2070-7401-2018-15-3-53-66.
- Лупян Е. А., Константинова А. М., Балашов И. В. и др. Разработка системы анализа состояния окружающей среды в зонах расположения крупных промышленных объектов, хвостохранилищ и отвалов // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 243–261. DOI: 10.21046/2070-7401-2020-17-7-243-261.
- Лупян Е. А., Прошин А. А., Бурцев М. А. и др. Система «Вега-Science»: особенности построения, основные возможности и опыт использования // Современные проблемы дистанционного зондирования Земли из космоса. 2021. Т. 18. № 6. С. 9–31. DOI: 10.21046/2070-7401-2021-18-6-9-31.
- Прошин А. А., Лупян Е. А., Балашов И. В. и др. Технология динамического блочного представления спутниковых данных системам распределённой обработки // Современные проблемы дистанционного зондирования Земли из космоса. 2020. Т. 17. № 7. С. 79–93. DOI: 10.21046/2070-7401-2020-17-7-79–93.
- Сутырина Е. Н. Дистанционное зондирование Земли. Иркутск: Изд-во ИГУ, 2013. 165 c.
- Чандра А. М., Гош С. К. Дистанционное зондирование и географические информационные системы: пер. с англ. А. В. Кирюшина. М.: Техносфера, 2008. 312 с.
- Шинкаренко С. С., Барталев С. А. (2023a) Последствия повреждения плотины Каховской ГЭС на реке Днепр // Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. № 3. С. 314–322. DOI: 10.21046/2070-7401-2023-20-3-314-322.
- Шинкаренко С. С., Барталев С. А. (2023б) Анализ влияния видового состава, проективного покрытия и фитомассы растительности аридных пастбищных ландшафтов на их спектрально-отражательные свойства по данным наземных измерений // Современные проблемы дистанционного зондирования Земли из космоса. 2023. T. 20. № 3. C. 176–192. DOI: 10.21046/2070-7401-2023-20-3-176-192.
- Biau G., Scornet E. A random forest guided tour // Test. 2016. V. 25. P. 197–227. DOI: 10.1007/s11749-016-0481-7.
- Gorelick N., Hancher M., Dixon M. et al. Google Earth Engine: Planetary-scale geospatial analysis for everyone // Remote Sensing of Environment. 2017. V. 202. P. 18–27. DOI: 10.1016/j.rse.2017.06.031.
- Khvatish N. V., Sokolova T. A., Moskvitin G. I., Taraskin M. M. Use of geoinformation systems based on intellectual technologies in favour of a company // IOP Conf. Ser.: Earth and Environmental Science. IOP Publ., 2020. V. 579. No. 1. Article 012150. DOI: 10.1088/1755-1315/579/1/012150.
- Mutanga O., Kumar L. Google earth engine applications // Remote Sensing. 2019. V. 11. No. 5. Article 591. DOI: 10.3390/rs11050591.
- Perilla G. A., Mas J. F. Google Earth Engine (GEE): una poderosa herramienta que vincula el potencial de los datos masivos y la eficacia del procesamiento en la nube // Investigaciones Geográficas. 2020. No. 101. DOI: 10.14350/rig.59929.
- Pradhan S., Bajracharya B., Shakya K., Shakya B. Geospatial information technology for information management and dissemination // Earth Observation Science and Applications for Risk Reduction and Enhanced Resilience in Hindu Kush Himalaya Region: A Decade of Experience from SERVIR. 2021. P. 251–267.
- Reis R. S., Datia N., Pós-de-Mina Pato M. A primer on understanding Google Earth Engine APIs // i-ETC: ISEL IAJETC. 2020. V. 6. No. 1. P. 1–11. DOI: 10400.21/12353.
- Tamiminia H., Salehi B., Mahdianpari M. et al. Google Earth Engine for geo-big data applications: A meta-analysis and systematic review // ISPRS J. Photogrammetry and Remote Sensing. 2020. V. 164. P. 152–170. DOI: 10.1016/j.isprsjprs.2020.04.001.
- Uzhinskiy A. Google Earth Engine and machine learning for Earth monitoring // The 6th Intern. Workshop on Deep Learning in Computational Physics. 2022. Article 21. DOI: 10.22323/1.429.0021.
- Wu W., Liu Y., Hu M. Editorial on Special Issue “Geo-Information Technology and Its Applications” // ISPRS Intern. J. Geo-Information. 2022. V. 11. No. 6. Article 347. DOI: 10.3390/ijgi11060347.