ДИСТАНЦИОННОЕ ОБУЧЕНИЕ

«Дистанционное зондирование Земли и природных ресурсов» на курсах повышения квалификации

Удостоверение установленного образца с занесением в ФРДО. Без отрыва от работы.

Ответим на все вопросы по обучению

Узнать подробности

Написать в МАКС

Удостоверение

установленного образца

Запись в ФРДО

госреестр Рособрнадзора

От 16 часов

72 / 144 / 256 ч

Доставка по РФ

оригиналы курьером

Стоимость обучения

8 900 ₽ 11900 ₽ -30%

Рассрочка 742 ₽/мес на 12 месяцев без процентов

Договор и закрывающие документы

Внесение в ФРДО

Скан в день оплаты

Доставка по России

Бесплатная консультация

Менеджер свяжется в течение 15 минут · Без обязательств

8 800 550-24-62

О курсе

Дистанционное зондирование Земли и природных ресурсов

Программа повышения квалификации для специалистов по дистанционному зондированию Земли (ДЗЗ): обработке спутниковых данных, тематической интерпретации снимков, мониторингу природных ресурсов и экологической обстановки, аэрокосмической картографии. Курс охватывает теоретические основы ДЗЗ, российские и зарубежные космические аппараты (Ресурс-П, Канопус-В, Метеор-М, Sentinel, Landsat), методы обработки, тематические индексы (NDVI, NDWI, NBR), применение в лесном и сельском хозяйстве, экомониторинге, ЧС. Выдаётся удостоверение о повышении квалификации с регистрацией в ФИС ФРДО.

Кому нужна

Специалистам по ДЗЗ, ГИС-аналитикам, дешифровщикам космических снимков, операторам ИСДМ

Нормативная база

Закон РФ «О космической деятельности», ГП «Космическая деятельность», ГОСТ Р по ДЗЗ

Объём программы

256 академических часов в дистанционном формате

Документ

Удостоверение о повышении квалификации, регистрация в ФИС ФРДО

Зачем нужен курс

Дистанционное зондирование Земли — это междисциплинарная область, объединяющая физику атмосферы и поверхности, оптику, радиолокацию, ГИС-технологии, геоинформатику, прикладные знания о природных ресурсах. За последние 15 лет ДЗЗ стало повседневным инструментом мониторинга в лесном и сельском хозяйстве, при ЧС (наводнения, пожары, землетрясения), для экологического надзора, мониторинга городской застройки, разведки полезных ископаемых, обороны и безопасности. Российская спутниковая группировка ДЗЗ активно развивается: Ресурс-П, Канопус-В серии, Метеор-М, Электро-Л, в ближайшие годы — Кондор-ФКА (радарные), Обзор-Р, увеличение группировки Канопус.

Программа охватывает физические основы ДЗЗ, обзор современной спутниковой группировки (отечественной и доступной зарубежной), методы предобработки данных, тематическую интерпретацию с применением спектральных индексов, программное обеспечение, прикладные методики для конкретных отраслей. Выпускник получает компетенции, необходимые для работы аналитика данных ДЗЗ в государственных ведомствах (Рослесхоз, Росреестр, Росприроднадзор, Министерство сельского хозяйства), научных учреждениях, коммерческих компаниях.

ДЗЗ как инструмент государственного управления

Космический снимок Sentinel-2 разрешением 10 метров позволяет за день оценить состояние посевов на площади 100 тысяч гектаров — то, на что потребовалось бы пол-сезона с наземными обследованиями и колоссальные средства. Поэтому ДЗЗ перешло из нишевой технологии в опорную для Минсельхоза, Рослесхоза, экологического надзора.

Где работают выпускники программы

Государственные ведомства, научные учреждения и коммерческие компании по применению данных ДЗЗ.

АО «Российские космические системы» (РКС) и её дочерние организации — ключевые центры приёма, обработки и распространения российских данных ДЗЗ.
Госкорпорация «Роскосмос» и её подразделения, включая Научный центр оперативного мониторинга Земли.
Рослесхоз и ИСДМ-Рослесхоз — мониторинг лесных пожаров и состояния лесов.
Россельхознадзор и Минсельхоз — мониторинг посевов, контроль использования сельхозземель.
Росприроднадзор — экологический мониторинг, контроль использования природных ресурсов.
Росреестр и Кадастровая палата — ведение государственного кадастра, выявление самозастройки.
МЧС России — ЦУКС для космического мониторинга ЧС.
Институт космических исследований РАН (ИКИ), Институт географии РАН, Институт мониторинга климатических и экологических систем СО РАН.
Коммерческие компании ДЗЗ — «Сканэкс», «Совзонд», «Терралинк», «Геоскан», «КосмосНИ-АГНКС», «АэроСпейс».
Нефтегазовые и горно-металлургические корпорации — собственные подразделения по ДЗЗ.

Что входит в программу обучения

Физические основы ДЗЗ

Электромагнитный спектр и окна прозрачности атмосферы. Видимый диапазон (0,4–0,75 мкм), ближний инфракрасный (0,75–1,5 мкм), коротковолновый ИК (1,5–3 мкм), средний ИК (3–8 мкм), тепловой ИК (8–14 мкм), микроволновый (от 1 мм до 1 м). Радиометрическое уравнение — связь поступающего на сенсор излучения с отражательной способностью поверхности и поглощением в атмосфере. Альбедо различных поверхностей — снег 0,7–0,9, песок 0,3–0,4, растительность 0,1–0,25 в видимом и 0,4–0,6 в ближнем ИК, вода 0,03–0,1. Спектральные кривые отражения для типичных природных объектов. Поведение растительности в «красном крае» (red edge) — переход от поглощения хлорофиллом в 0,68 мкм к высокому отражению в ближнем ИК. Основа для индексов NDVI, EVI. Поглощение воды в ИК области — основа для индексов NDWI, NDII. Тепловое излучение поверхности — закон Стефана-Больцмана. Связь между яркостной температурой и температурой поверхности. Принципы радарной съёмки — активные сенсоры синтетической апертуры (SAR — Synthetic Aperture Radar). Поляризации (HH, VV, HV, VH). Связь обратного рассеяния с шероховатостью, диэлектрической проницаемостью. Применение для мониторинга наводнений (контраст вода/суша), деформаций земной поверхности (интерферометрия, InSAR), льдов. Принципы лидарной съёмки — LiDAR (Light Detection and Ranging). Активный лазерный сенсор, измеряющий время возврата отражённого импульса. Получение цифровых моделей рельефа (ЦМР) и цифровых моделей местности (ЦММ) с высокой точностью.

Спутниковая группировка ДЗЗ

Российская группировка. Ресурс-П № 1, 2, 3 (запуски 2013, 2014, 2016). Орбита 475 км, наклонение 97°. Сенсор «Геотон-Л1» — оптический в 6 спектральных каналах. Пространственное разрешение 1 м панхром, 3-4 м мультиспектр. Полоса захвата 38 км. Целевое назначение — картография, кадастр, ЧС. Эксплуатируются за пределами проектных сроков. Канопус-В № 1, 3, 4, 5, 6 (запуски 2012-2018). Орбита 510 км. Сенсоры разрешением 2-3 м панхром, 11 м мультиспектр. Полоса 23 км. Целевое — мониторинг ЧС, картография. Канопус-В-ИК — с инфракрасным каналом для тепловых задач. Метеор-М № 2-2, 2-3, 2-4 (Росгидромет) — оптический МСУ-МР, инфракрасные сенсоры. Электро-Л № 2, 3 (Росгидромет) — геостационарные. Кондор-ФКА (2023) и Обзор-Р — радарные SAR-сенсоры. Развитие новой группировки. Зарубежные аппараты, доступные через открытые данные. Sentinel-1, 2, 3 (ESA Copernicus) — открытые бесплатные данные. Sentinel-2 особенно популярен — 13 каналов, 10/20/60 м, повторная съёмка 5 дней. Sentinel-1 — радарная SAR. Landsat-8, 9 (USGS) — открытые данные с 1972 года. Многолетние временные ряды для климатических исследований. MODIS на Terra/Aqua (NASA) — 36 каналов, 250-1000 м, ежедневный обзор. Используется для ИСДМ-Рослесхоз. VIIRS на Suomi NPP, NOAA-20. Sentinel-3 SLSTR — тепловой. Особый статус данных. Соглашения о распространении. После 2022 года ограничения доступа российских пользователей к некоторым зарубежным сервисам, но большая часть открытых архивов остаётся доступной. Коммерческие зарубежные WorldView, Planet SuperDove, SPOT — ограниченный доступ. Беспилотные сенсоры — БПЛА с оптическими и мультиспектральными камерами, лидарами — коммерчески доступны. Производители «Геоскан», DJI, Yuneec.

Обработка спутниковых данных: предобработка

Получение исходных данных. Каналы доставки. Российские — через Геопортал Роскосмоса (gptl.ru), Госуслуги для ведомств. Sentinel — через Copernicus Open Access Hub (доступен в РФ через альтернативные платформы). Landsat — USGS EarthExplorer. Форматы данных — GeoTIFF (стандартный), HDF5/NetCDF (для сложных гиперспектральных и временных рядов), JP2 (Sentinel-2 native). Предобработка. Радиометрическая коррекция — перевод DN (Digital Number) сенсора в физические единицы (Радиация, Top-of-Atmosphere reflectance). Метаданные сенсора используются для коэффициентов перерасчёта. Атмосферная коррекция — устранение влияния атмосферы для получения отражения от поверхности (Bottom-of-Atmosphere). Алгоритмы 6S, MAJA, Sen2Cor (для Sentinel-2). Использование атмосферных моделей. Геометрическая коррекция и ортотрансформирование — устранение искажений за счёт рельефа и наклона съёмки. Использование цифровых моделей рельефа (ЦМР SRTM, ASTER GDEM, отечественной с Канопус). Привязка к координатной системе — WGS-84 (мировая) или ГСК-2011 (российская). Маскирование облаков и теней — автоматическое или ручное. Алгоритмы FMask, S2Cloudless. Мозаикирование — объединение нескольких сцен в единое покрытие. Цветовая балансировка между сценами. Композиты по времени — медианные, минимальные, максимальные за период (особенно для Sentinel-2 за сезон). Pan-sharpening — повышение пространственного разрешения мультиспектральных каналов до разрешения панхроматического. Алгоритмы Brovey, Gram-Schmidt, IHS.

Тематическая обработка и спектральные индексы

Спектральные индексы — математические комбинации каналов для выделения определённых характеристик. NDVI (Normalized Difference Vegetation Index) = (NIR − Red)/(NIR + Red). Главный индекс растительности. Принимает значения от -1 до +1, где вода ниже 0, открытая почва 0,1–0,2, здоровая растительность 0,5–0,9. EVI (Enhanced Vegetation Index) — улучшенный, лучше работает при высокой биомассе. NDWI (Normalized Difference Water Index) = (Green − NIR)/(Green + NIR). Выделение водных поверхностей. NDII (Normalized Difference Infrared Index) — для влажности растительности. NBR (Normalized Difference Burn Ratio) = (NIR − SWIR)/(NIR + SWIR). Для выделения выгоревших площадей после пожаров. NDBI — городская застройка. NDSI — снег. BAI, AFRI — другие пожарные индексы. Классификация изображений. Неконтролируемая (unsupervised) — автоматическая группировка пикселей по спектральным характеристикам без обучающих данных. Алгоритмы K-means, ISODATA. Контролируемая (supervised) — на основе обучающих участков, размеченных пользователем. Алгоритмы максимального правдоподобия, минимального расстояния, Mahalanobis, Spectral Angle Mapper. Современные подходы — Random Forest, Support Vector Machines, нейросети (свёрточные CNN для семантической сегментации). Изменение во времени — временные ряды NDVI для мониторинга сезонной динамики растительности, фенологии. Детектирование изменений (change detection) — сравнение снимков за разные даты для выявления вырубок, изменений земельного покрова, городской экспансии. Метрики точности классификации — Overall Accuracy, Kappa, Producer's и User's Accuracy. Validation на независимых точках.

Программное обеспечение и прикладные методики

Профессиональное ПО. ENVI (Harris Geospatial) — один из стандартных профессиональных пакетов. ERDAS Imagine (Hexagon) — аналог. PCI Geomatica. ArcGIS (Esri) с модулем Image Analyst. SNAP (ESA Sentinel Application Platform) — открытое для работы с Sentinel. Open-source. QGIS — основная открытая ГИС, имеет встроенные возможности обработки растров. GRASS GIS — классическая open-source. SAGA GIS — для географического анализа. R с пакетами raster, terra, sf, sits. Python с Rasterio, GDAL, scikit-learn, TensorFlow, PyTorch — основа современного машинного обучения по ДЗЗ. Облачные платформы. Google Earth Engine — до недавнего времени основной инструмент массовой обработки временных рядов (в РФ ограничен с 2022). Microsoft Planetary Computer. Sentinel Hub. Российские платформы. Сканэкс ScanMagic. Совзонд PIXEL Geo. Талисман Сканэр Image. Геоскан. Применение в лесном хозяйстве. Картирование породного состава лесов. Оценка запасов древесины. Выявление вырубок (легальных и незаконных). Мониторинг состояния (вредители, болезни). Пожарный мониторинг (ИСДМ-Рослесхоз). Применение в сельском хозяйстве. Точное земледелие — карты дифференцированного внесения удобрений на основе NDVI. Прогноз урожайности. Контроль использования земель (Россельхознадзор). Мониторинг засух, заморозков, наводнений. Применение в ЧС. Картирование наводнений (SAR через облака). Картирование выгоревших площадей после пожаров (NBR). Оценка ущерба от землетрясений. Сход селей и лавин. Применение в экологии. Мониторинг чёрных карьеров, незаконных свалок. Контроль выбросов в Норильске, Череповце через Sentinel-5P (атмосферный). Учёт парниковых газов.

Сколько зарабатывают специалисты по ДЗЗ

Должность	Москва, СПб, Сколково	Регионы
Дешифровщик / оператор обработки	80–125 тыс. ₽	55–85 тыс. ₽
ГИС-аналитик с ДЗЗ	120–185 тыс. ₽	85–135 тыс. ₽
Старший специалист по ДЗЗ	150–230 тыс. ₽	110–170 тыс. ₽
Руководитель проектов ДЗЗ	200–320 тыс. ₽	140–225 тыс. ₽
Главный научный сотрудник РАН по ДЗЗ	180–290 тыс. ₽	—
Тимлид команды нейросетевых моделей ДЗЗ	280–450 тыс. ₽	—

Зарплаты в коммерческом секторе ДЗЗ существенно выше государственного. В нефтегазовых корпорациях — до 100% надбавок к коммерческим рыночным. Специалисты с навыками Python, машинного обучения, нейросетей — наиболее востребованы и имеют доходы топ-уровня. Возможен фриланс (картирование, дешифрирование по заказам), консалтинг. Удалённый формат работы поддерживается многими работодателями. Карьерный рост через руководителя проектов в руководители направления, технического директора, в собственный стартап.

Что вы освоите на курсе

Применять физические основы ДЗЗ к интерпретации спектров поверхностей.
Использовать данные российских аппаратов Ресурс-П, Канопус-В, Метеор-М.
Работать с открытыми архивами Sentinel-1, 2, 3 и Landsat-8, 9.
Проводить радиометрическую и атмосферную коррекцию (Sen2Cor, 6S).
Рассчитывать спектральные индексы (NDVI, NDWI, NBR, EVI).
Классифицировать снимки методами Random Forest, SVM, нейросети.
Применять SAR-снимки Sentinel-1 для мониторинга наводнений.
Работать в QGIS, ENVI, SNAP, Python (Rasterio, GDAL).
Готовить тематические карты для Рослесхоза, Минсельхоза, Росприроднадзора.
Применять временные ряды для мониторинга изменений земельного покрова.

Документ по окончании

После защиты итоговой работы вы получаете удостоверение о повышении квалификации установленного образца, оформленное по 273-ФЗ. Сведения вносятся в ФИС ФРДО. Удостоверение признаётся работодателями отрасли — государственными ведомствами, научными учреждениями, коммерческими компаниями ДЗЗ и ГИС.

Один Sentinel-2 каждые 5 дней передаёт снимки всей суши Земли разрешением 10 метров. Это ежегодно создаёт несколько петабайт открытых данных. Специалист по ДЗЗ — это человек, который превращает эту информацию в ответ на вопрос: сколько леса вырубили, какой урожай пшеницы, где разлилась нефть.

Юридические основания программы

Программа разработана по 273-ФЗ «Об образовании» и Приказу Минобрнауки № 499.
Содержание соотнесено с квалификационными требованиями для специалистов ДЗЗ и ГИС.
Лицензия Минобразования № Л035-01265-18/00256787 от 14.04.2022, бессрочно.
Удостоверение регистрируется в ФИС ФРДО в течение 60 дней (ПП № 825).

Совет от методистов

Параллельно с курсом начните осваивать Python с библиотеками Rasterio, GDAL, scikit-learn — это современный де-факто стандарт обработки ДЗЗ. Освойте семантическую сегментацию с помощью U-Net, DeepLab в PyTorch или TensorFlow — это даёт практическое преимущество на рынке. Заведите аккаунты на Sentinel Hub, Microsoft Planetary Computer — бесплатные облачные платформы для экспериментов с большими объёмами данных без инвестиций в инфраструктуру.

Учебный план

Программа курса «Дистанционное зондирование Земли и природных ресурсов»

6 модулей — от физических основ ДЗЗ до тематического дешифрирования и применения в природоохранной деятельности.

Физические основы ДЗЗ

Электромагнитный спектр и взаимодействие с поверхностью
Активные и пассивные сенсоры
Разрешение: пространственное, спектральное, временное
Геометрия и радиометрия снимков

Спутниковые системы

Российские: Канопус-В, Ресурс-П, Метеор-М
Зарубежные: Sentinel, Landsat, MODIS
Сверхвысокого разрешения: WorldView, Pleiades
Источники данных: Geoportal Роскосмоса, Copernicus

Обработка снимков

QGIS: загрузка, проекции, композиция каналов
Атмосферная и радиометрическая коррекция
Геокодирование и пансшарпенинг
SNAP для данных Sentinel-1/2

Тематическое дешифрирование

Спектральные индексы: NDVI, NDWI, NBR, EVI
Классификация с обучением и без
Мониторинг изменений (change detection)
Оценка точности классификации

Применение в природоохране

Лесные пожары: термоточки и площади гари
Вырубки и незаконные рубки
Карьеры, отвалы, нефтеразливы
Паводки и зоны подтопления

Интеграция в рабочие процессы

ГИС-проекты и веб-сервисы карт
Автоматизация: Python, Google Earth Engine
Использование в ОВОС и экспертизе
Подача данных в надзорные органы

* Наши курсы постоянно обновляются методическим отделом в соответствии с изменениями в законодательстве, и возможно, итоговая программа будет немного отличаться. Уточнить актуальный план или оставить заявку на разработку персональной программы обучения вы можете по телефону 8 800 550-24-62

Запросить актуальную программу

Итоговая аттестация и документ

По завершении проводится итоговое тестирование. После успешной сдачи выдаётся удостоверение о повышении квалификации установленного образца с занесением в ФИС ФРДО Рособрнадзора.

Удостоверение
о повышении квалификации

По окончании обучения вы получаете удостоверение установленного образца в области охраны окружающей среды и экологической безопасности. Сведения о выданном документе вносятся в Федеральный реестр (ФИС ФРДО) Рособрнадзора.

Документ принимается Росприроднадзором, Роспотребнадзором и иными надзорными органами при проверках, в составе разрешительной документации и при участии в государственных тендерах.

УЦ ОбрПрофи

Почему выбирают наш центр

Лицензированное образовательное учреждение с 15-летней историей. Наша команда — это методисты, преподаватели и менеджеры, которые сопровождают каждого слушателя от заявки до получения документов.

Государственная лицензия

Минобразования № Л035-01265-18/00256787

Внесение в ФРДО

Все документы регистрируются в реестре Рособрнадзора

Персональный менеджер

Сопровождение от заявки до получения документов на руки

10 000+

специалистов выпущено

200+

компаний-клиентов

10 000+

выпускников

Как пройти повышение квалификации в «ОбрПрофи»?

ЗАПОЛНЕНИЕ
ЗАЯВКИ 1

ОТПРАВКА НА ВАШ
E-MAIL : ДОГОВОРА, СЧЕТА И ДАННЫЕ К СДО 2

ОБУЧЕНИЕ И ТЕСТИРОВАНИЕ 3

ОПЛАТА
ОБУЧЕНИЯ 4

ПОЛУЧЕНИЕ УДОСТОВЕРЕНИЙ 5

Формат обучения:
дистанционный (без отрыва от производства) или очный

Наши гарантии

Проверка в ФИС ФРДО — данные о выданном документе вносятся в федеральный реестр

Актуальные программы — соответствуют профессиональным стандартам и ФГОС

Персональное сопровождение — от записи до получения документов на руки

Возврат средств — полный возврат, если обучение не соответствует заявленному

Консультация

Написать в МАКС

8 800 550-24-62

Готовы записаться на курс?

Менеджер свяжется в течение 15 минут, ответит на вопросы и оформит документы

Наша
Лицензия

Регистрационный номер: № Л035-01265-18/00256787

Проверить действительность лицензии

Часто задаваемые вопросы

Российским пользователям ДЗЗ доступны как отечественные, так и зарубежные открытые источники данных. Российская группировка. 1) Ресурс-П № 1, 2, 3 — серия аппаратов ОКБ им. М. Ф. Решетнёва (Красноярск). Запуски 2013, 2014, 2016 годы. Орбита 475 км, наклонение 97,3°. Основной сенсор «Геотон-Л1» — оптический широкоформатный с разрешением 1 м в панхроматическом канале, 3-4 м в мультиспектральном. Полоса захвата 38 км. Также гиперспектральный сенсор ГСА (96-220 каналов в видимом и ближнем ИК). Эксплуатируются за пределами проектных сроков, постепенно выводятся из работы. Замена — Ресурс-ПМ нового поколения, в разработке. 2) Канопус-В № 1 (2012), Канопус-В № 3, 4, 5, 6 (2017-2018). Орбита 510 км. Сенсоры разрешением 2-3 м в панхроматическом канале, 11 м в мультиспектральном. Полоса 23 км. Целевое назначение — мониторинг ЧС, оперативная картография. Канопус-В-ИК (2017) — с инфракрасным каналом для тепловых задач. 3) Метеор-М № 2-2 (2019), № 2-3 (2023), № 2-4 (2024) — серия Росгидромета. Сенсор МСУ-МР (Многозональное сканирующее устройство малого разрешения) — 6 каналов, разрешение 1 км. КМСС — комплекс мультиспектральный широкозахватный, разрешение 60-120 м. Тепловой ИК на № 2-2. 4) Электро-Л № 2 (2015), 3 (2019) — геостационарные на 76° в.д. Сенсор МСУ-ГС. 5) Кондор-ФКА (2023) — радарный SAR. 6) Аист-2Д (2016) — оптический университетский. Разработки следующего поколения. Обзор-Р — радарные SAR-аппараты, разработка. Серия Канопус новой генерации. Космическая лазерная связь. Зарубежные открытые источники, доступные в РФ. 1) Sentinel-1A, 1B (ESA Copernicus) — радарные SAR в C-диапазоне. Разрешение 5-40 м, повторная съёмка 6-12 дней. Свободные данные. 2) Sentinel-2A, 2B — оптические, 13 каналов, разрешение 10/20/60 м, повторная съёмка 5 дней. Один из самых популярных источников. 3) Sentinel-3A, 3B — океанологические, цвет океана, поверхностная температура. 4) Sentinel-5P — мониторинг состава атмосферы (NO2, CO, метан, озон). 5) Landsat-7, 8, 9 (USGS) — оптические, разрешение 30 м, многолетние ряды с 1972. Открытые данные. 6) MODIS на Terra и Aqua (NASA) — 36 каналов, 250-1000 м, ежедневный обзор. 7) VIIRS на Suomi NPP и NOAA-20. Коммерческие зарубежные с ограниченным доступом после 2022. WorldView, Pleiades, SPOT, Planet SuperDove — высокое разрешение, разрешение до 30 см. Доступ через специальные соглашения. БПЛА. Геоскан, DJI, Yuneec — оптические и мультиспектральные камеры для локальных задач высокого разрешения (до 5 см). На курсе разбирается группировка.

Предобработка спутниковых данных — обязательный этап перед тематическим анализом. Основные шаги. 1) Радиометрическая коррекция. Сырые данные сенсора представляют значения Digital Number (DN) — 8-, 12- или 16-битные целые числа без физического смысла. Радиометрическая коррекция переводит DN в физические единицы — спектральную радиацию (W/(m²·sr·μm)) или коэффициент отражения на верхней границе атмосферы (Top-of-Atmosphere reflectance, TOA). Использует калибровочные коэффициенты из метаданных снимка. 2) Атмосферная коррекция. Получение коэффициента отражения от поверхности (Bottom-of-Atmosphere, BOA), исключая влияние атмосферы — рассеяние и поглощение. Метод 6S (Second Simulation of the Satellite Signal in the Solar Spectrum) — теоретическая модель радиационного переноса. Алгоритм Sen2Cor — официальный для Sentinel-2 от ESA. Алгоритм MAJA (Maja CESBIO) — для временных рядов. Алгоритм LaSRC для Landsat. Использует данные о атмосферном содержании водяного пара, аэрозолях, озоне. Получает на выходе отражение от поверхности с лучшей сравнимостью между датами и сенсорами. 3) Геометрическая коррекция. Устранение искажений за счёт рельефа местности и наклона съёмки. Ортотрансформирование (ortho-rectification) — использует цифровую модель рельефа (ЦМР) — SRTM 30 м, ASTER GDEM, отечественная ЦМР с Канопус, GMTED2010. Привязка к точной координатной системе. Системы координат — WGS-84 / ITRF (мировая, для зарубежных данных), ГСК-2011 (российская), для конкретных задач Пулково-1942 (старая). Проекции — UTM (стандартная для большинства мировых данных), Гаусса-Крюгера (для российских), геогафическая (LatLong). 4) Маскирование облаков и теней. Алгоритмы FMask (Function of Mask) — классический для Landsat. S2Cloudless — нейросетевой для Sentinel-2. CSP (Cloud Score Plus). Создание битовых масок облаков, теней облаков, снега, тени рельефа. Использование в дальнейшем для исключения «битых» пикселей. 5) Pan-sharpening — повышение пространственного разрешения мультиспектральных каналов до разрешения панхроматического. Алгоритмы Brovey transform, Gram-Schmidt, IHS (Intensity-Hue-Saturation), компонент-substitution (CS), multi-resolution analysis (MRA). 6) Мозаикирование. Объединение нескольких сцен в единое непрерывное покрытие. Цветовая балансировка между сценами (часто проблема — снимки разных дат имеют разные условия освещения, фенологию). Алгоритмы histogram matching, color transfer. 7) Композиты по времени. Особенно для Sentinel-2 за сезон. Медианный (наиболее устойчивый к шумам и облакам), минимальный (для зимних/тёмных условий), максимальный (для пика вегетации). Best Available Pixel (BAP). 8) Reprojection и resampling — изменение проекции, разрешения. Методы — nearest neighbor (для категориальных данных), bilinear, cubic. ПО для предобработки. SNAP — открытое от ESA, для Sentinel. ENVI с модулями. ERDAS Imagine. Python — Rasterio + GDAL для скриптовой обработки. R пакет terra. На курсе разбирается каждый этап.

Спектральные индексы — математические комбинации каналов для подчёркивания определённых характеристик поверхности. NDVI (Normalized Difference Vegetation Index) — главный и самый известный. Формула NDVI = (NIR − Red)/(NIR + Red). Использует особенность растительности — высокое отражение в ближнем инфракрасном (NIR, 0,7-1,3 мкм) и сильное поглощение хлорофиллом в красном (Red, 0,6-0,7 мкм). Значения от -1 до +1. Открытая вода: ≤ 0. Снег и облака: ≈ 0. Открытая почва: 0,1-0,2. Слабо вегетирующая (сухая, повреждённая): 0,2-0,4. Средняя вегетация: 0,4-0,6. Активно вегетирующая: 0,6-0,9. NDVI используется для оценки биомассы, прогноза урожайности (через коэффициент NDVI-биомасса), мониторинга засух и фенологии (временные ряды), картирования лесов и сельхозугодий. EVI (Enhanced Vegetation Index) — улучшенный NDVI. EVI = G × (NIR − Red)/(NIR + C1 × Red − C2 × Blue + L), где G=2.5, C1=6, C2=7.5, L=1. Лучше работает при высокой биомассе (где NDVI насыщается), учитывает атмосферное рассеяние через синий канал. Используется в продуктах MODIS. SAVI (Soil-Adjusted Vegetation Index) — для районов с разрежённой растительностью и заметной почвой. NDWI (Normalized Difference Water Index) — для воды. McFeeters (1996): NDWI = (Green − NIR)/(Green + NIR) — выделение водных поверхностей. Gao (1996): NDWI = (NIR − SWIR)/(NIR + SWIR) — содержание воды в растительности. Используется для картирования озёр, рек, наводнений (вместе с SAR), мониторинга снегового покрова. MNDWI (Modified NDWI) — улучшенная версия. NBR (Normalized Difference Burn Ratio) = (NIR − SWIR)/(NIR + SWIR). Для выгоревших площадей. После пожара NIR падает (мёртвая растительность), SWIR растёт (открытая обугленная почва). dNBR = NBR(до пожара) − NBR(после) — разностный показатель, который классифицирует степень выгорания (низкая, умеренная, высокая, экстремальная). Применяется в постпожарной оценке ущерба. BAI (Burn Area Index) — другой пожарный индекс для прямого обнаружения. NDBI (Normalized Difference Built-up Index) = (SWIR − NIR)/(SWIR + NIR) — выделение городской застройки. NDSI (Normalized Difference Snow Index) = (Green − SWIR)/(Green + SWIR) — снежный покров. NDDI (Normalized Difference Drought Index) — мониторинг засух. Tasseled Cap Transformation — преобразование Канта-Касиди-Андерсона для Landsat и Sentinel. Получает три компонента — Brightness, Greenness, Wetness — соответствующие почве, растительности, влажности. Применяется в лесном хозяйстве. Custom индексы для специфических задач — определение типов минералов в геологии (Clay Index, Iron Index), стресса растений (Red Edge индексы), типа сельхозкультуры. Использование. В QGIS, ENVI, ArcGIS — встроенные калькуляторы. В Python — простыми операциями над массивами Rasterio. На курсе разбирается каждый индекс с практическими примерами.

Классификация — преобразование многомерного спектрального изображения в тематическую карту с конечным числом классов (лес, луг, поле, вода, здания и т.д.). Подходы. 1) Неконтролируемая классификация (unsupervised). Автоматическая группировка пикселей без обучающих данных. Алгоритм K-means — разделяет n пикселей на k кластеров по минимизации внутрикластерной дисперсии. ISODATA — модификация K-means с автоматическим объединением и разделением кластеров. Иерархическая кластеризация. После получения кластеров пользователь вручную присваивает им тематический смысл (cluster labeling). Применяется для предварительного исследования данных, когда тематические классы заранее неизвестны. 2) Контролируемая классификация (supervised). На основе обучающих участков, размеченных пользователем по эталонным данным. Алгоритмы. Maximum Likelihood Classification (MLC) — классический статистический, предполагает гауссовское распределение классов. Minimum Distance — простой геометрический. Mahalanobis Distance. Parallelepiped. Spectral Angle Mapper (SAM) — устойчив к различиям в освещении. 3) Современное машинное обучение. Random Forest — ансамбль деревьев решений, очень устойчив, работает с разнородными признаками. Support Vector Machines (SVM) — устойчив, особенно с RBF-ядром. Gradient Boosting (XGBoost, LightGBM). Нейронные сети — Multi-Layer Perceptron для пиксельной классификации. 4) Семантическая сегментация нейросетями. CNN-архитектуры U-Net, DeepLabV3, SegFormer для семантической сегментации. Работают с целыми изображениями (не отдельными пикселями), учитывают пространственный контекст. Дают наилучшие результаты на современных задачах. Реализация в PyTorch, TensorFlow с предобученными базами. 5) Сегментация и объектно-ориентированная классификация (OBIA — Object-Based Image Analysis). Сначала сегментация на однородные объекты (с использованием алгоритмов eCognition, Orfeo Toolbox, SciPy). Потом классификация по характеристикам объектов (форма, размер, текстура, спектр). Полезна для высокого разрешения (1-5 м), где отдельные пиксели мало информативны. Подготовка обучающих данных. Сбор эталонных точек или полигонов с известным классом. Источники — наземные обследования, имеющиеся карты, экспертная разметка по снимкам высокого разрешения. Доля обучающей выборки: 60-70%. Доля валидационной: 15-20%. Доля тестовой: 15-20%. Точность классификации. Confusion Matrix — таблица, где строки — реальные классы, столбцы — предсказанные. Overall Accuracy (OA) — доля правильно классифицированных. Kappa coefficient — учитывает случайную точность. Producer's Accuracy — насколько хорошо реальный класс был обнаружен. User's Accuracy — насколько верны предсказания данного класса. F1 score, IoU (Intersection over Union) — для семантической сегментации. Минимальные значения для прикладных задач — OA не ниже 80%, Kappa не ниже 0,75. Современные подходы дают OA 90-95%. На курсе разбирается классификация.

ДЗЗ применяется во всех отраслях природопользования и экономики. Лесное хозяйство. Главный применитель в РФ — ИСДМ-Рослесхоз с использованием MODIS, VIIRS для мониторинга пожаров. Картирование породного состава лесов через классификацию Sentinel-2. Оценка запасов древесины через временные ряды NDVI и LiDAR. Выявление вырубок (легальных и незаконных) через детектирование изменений. Мониторинг повреждений вредителями (короед-типограф в Сибири) через изменения NDVI. Постпожарная оценка через NBR. Сельское хозяйство. Точное земледелие — карты дифференцированного внесения азотных удобрений на основе NDVI карт. Мониторинг состояния посевов в течение сезона — фенологические кривые NDVI, EVI. Прогноз урожайности зерновых, кукурузы, подсолнечника. Контроль использования земель сельхозназначения (Россельхознадзор). Картирование засух, заморозков, наводнений. Применяют АО «Российские космические системы» (Геопортал), «Сканэкс», «Совзонд», «АэроСпейс» (бывший «Аэропорт-Софт») для агрохолдингов Мираторг, Русагро, ЭФКО, Степь, Содружество. Экологический мониторинг. Картирование чёрных карьеров, незаконных свалок ТКО (Росприроднадзор). Контроль выбросов в Норильске (Заполярный филиал Норникеля), Череповце (Северсталь), Магнитогорске (ММК) через Sentinel-5P (атмосферный — NO2, SO2). Учёт парниковых газов (метан с Sentinel-5P, GOSAT). Мониторинг разливов нефти на Балтике, Чёрном море, Каспии через SAR Sentinel-1. Картирование угодий редких животных и растений. Чрезвычайные ситуации. Картирование наводнений (Sentinel-1 SAR работает через облака — критически важно). Картирование выгоревших площадей после пожаров. Оценка ущерба от землетрясений (Турция 2023). Сход селей и лавин (Иркутская обл., Кавказ). Цунами (2011 Япония). Картография и кадастр. Базовая картография в крупных масштабах. Обновление топографических карт. Выявление самозастройки (Росреестр). Контроль соответствия фактического землепользования регистрационным данным. Геология и геофизика. Картирование геологических структур. Поиск полезных ископаемых (медные руды, золото, нефтегазоносные структуры) через гиперспектральную съёмку. Гидрогеология — поиск подземных вод. Гидрология. Картирование снежного покрова (Sentinel-2, MODIS). Прогноз половодья. Мониторинг ледовой обстановки в Арктике и реках. Контроль ГТС. Оборона и безопасность. Не входит в публичный курс, но это значительная часть ДЗЗ. Городская среда. Картирование плотности застройки. Островов тепла. Озеленения. Транспортных потоков. Климатология. Мониторинг ледников (Эльбрус, Алтай, Камчатка). Вечная мерзлота (Якутия, Чукотка). Глобальное потепление через многолетние ряды температуры поверхности (LST), площади ледников, северных границ леса. На курсе разбираются прикладные методики для каждой отрасли.

В Москве, Санкт-Петербурге, инновационных центрах (Сколково, Иннополис) и крупных корпорациях дешифровщик или оператор обработки получает 80–125 тысяч рублей, ГИС-аналитик с навыками ДЗЗ — 120–185 тысяч, старший специалист — 150–230 тысяч, руководитель проектов ДЗЗ — 200–320 тысяч, главный научный сотрудник РАН по ДЗЗ — 180–290 тысяч (с грантами и совместительствами выше), тимлид команды нейросетевых моделей ДЗЗ в крупной компании — 280–450 тысяч в месяц. В регионах оплата ниже на 25–35%, кроме крупных научных центров (Новосибирск, Томск, Красноярск, Иркутск, Хабаровск, Владивосток), где специалисты с ДЗЗ зарабатывают близко к московскому уровню в крупных компаниях. Структура дохода. Государственный сектор. Оклад по тарифной сетке. Надбавки за стаж, классность, учёные степени (кандидат наук — 3000 ₽, доктор — 7000 ₽). Премии по итогам года. Социальный пакет. Коммерческий сектор. Базовый оклад. Премии за проектные результаты (часто 30-50% от годового оклада). Опционы в стартапах. Гибкий или удалённый формат работы в большинстве компаний. Нефтегазовые корпорации (Газпром, Роснефть, Лукойл, НОВАТЭК, Сургутнефтегаз) платят выше рыночных рейтов на 50-100% за корпоративные подразделения по геомониторингу и экологической безопасности — до 350-500 тысяч в Москве и крупных филиалах. Освоение Python, R, машинного обучения, нейросетей (TensorFlow, PyTorch) — наиболее ценимые навыки. ML-специалисты по ДЗЗ имеют доходы топ-уровня сравнимо с Data Scientists в других областях. Знание английского — обязательно для работы с международными платформами и публикациями. Карьерный рост. Junior дешифровщик → ГИС-аналитик → старший специалист → ведущий специалист → руководитель проектов → руководитель направления / технический директор → CTO стартапа или научного учреждения. Параллельные ветки. Академическая карьера — кандидат → доктор → профессор / руководитель лаборатории. Преподавание в вузах (МГУ географический и физический факультеты, СПбГУ, МФТИ, Сколтех, ИТМО, Сибирский федеральный, Дальневосточный федеральный) — совместительство с дополнительным доходом. Грантовая активность — РФФИ, РНФ, гранты Минобрнауки. Возможна работа в международных проектах (ВМО, ESA через дочерние, FAO). Стартапы. Российский стартап-сегмент в ДЗЗ — «Геоскан», «Терралинк», «Сканэкс», «Совзонд», молодые «ДатаСпейс», «КосмоФарма», «АэроСпейс». Зарплаты конкурентные с Москвой. Возможны опционы. Удалённый формат. Многие компании поддерживают полный удалённый формат работы — позволяет специалистам жить в регионах при московских зарплатах. Программа повышения квалификации даёт документ для перехода на руководящие должности в государственных и коммерческих организациях ДЗЗ и ГИС.