Как сделать историческую карту
Как создать карту-историю
Ищите новые ArcGIS StoryMaps?
Вдохновляйтесь нашими идеями!
В Галерее Story Maps вы найдете множество потрясающих примеров, отобранных командой Esri Story Maps для того. Чтобы продемонстрировать вам креативный подход и практические советы в различных отраслях. Вы можете выполнить поиск или применить фильтр, чтобы узнать, как авторы реализуют свои задачи в картах-историях, и, возможно, сможете использовать какие-либо идеи в своих собственных проектах. Изучайте. Почувствуйте, что означает сделать хорошую историю. Примените наиболее подходящий для вас способ или придумайте свой собственный!
Выберите шаблон приложения Story Map, который больше всего подходит для вашей истории
Перейдите на Страницу приложений Story Maps Apps, чтобы найти и выбрать наиболее подходящий вам шаблон приложения. Каждое приложение предоставляет возможность донести до вашей аудитории новую и интересную информацию. Вы найдете здесь приложения для создания туров по карте, коллекций точек интересов, описаний, представляющих разнообразные карты и т.д. Потратьте некоторое время на сравнение приложений; посмотрите, какие компоненты приложений могут пригодиться для ваших историй.
После изучения Галереи Story Maps Gallery у вас может сформироваться решение, какой из шаблонов вы будете использовать. Либо вы можете воспользоваться мастером на странице Приложения с возможностью «Узнать у профессионал.», которое поможет подобрать наилучший шаблон.
Создание собственной истории
Просто нажмите на кнопку Создать для выбранного шаблона приложения, при этом запустится интерактивный и интуитивно понятный конструктор историй.
Наши конструкторы значительно упрощают процесс создания истории. Написания кода не требуется. Story Maps являются частью ArcGIS Online, облачной ГИС-платформы Esri, поэтому, чтобы создать историю, надо выполнить вход в учётную запись ArcGIS Online. Ваши карты-истории, так же, как и карты и данные, которые в них используются, хранятся в защищенном облаке ArcGIS Online. Вам не нужно ничего специально загружать и устанавливать.
Для каждого шаблона приложения есть страница руководства пользователя, где описывается процесс создания приложения. Более подробную информацию можно найти на странице Story Maps Ресурсы. Есть вопросы? Обратите внимание на страницу FAQ.
В рамках ArcGIS, Esri Story Maps позволяет использовать для создания собственных карт всю силу и мощь ведущей мировой картографической и ГИС-платформы. Вы можете собирать и использовать собственные данные, данные своей организации или выбрать из огромной коллекции готовых к использованию проверенных данных, опубликованных Esri и многими другими известными партнерами и агентствами в ArcGIS Living Atlas.
В веб-карты ArcGIS можно добавить собственные данные из различных форматов, начиная от табличных данных, разбитых на листы, до данных, опубликованных из ArcGIS Pro и ArcMap, настольных продуктов Esri для ГИС-профессионалов. Вы можете сначала создать собственные веб-карты в ArcGIS Online и затем использовать их в карте-истории, также некоторые шаблоны приложений позволяют создавать и редактировать карты непосредственно из интерактивных конструкторов, поэтому этим можно будет заняться в процессе создания самой истории. Кроме того, два приложения карты, основанные на представлении локаций, Story Map Tour и Story Map Shortlist, автоматически создают веб-карту при загрузке в них местоположений.
Карты-истории также доступны в продукте Esri ArcGIS Enterprise, который позволяет организации создать собственную облачную картографическую и ГИС инфраструктуру. Если у вас используется ArcGIS Enterprise, вы будете создавать карты-истории на своем портале Enterprise, а не на веб-сайте, указанном выше.
Публикация и продвижение карты-истории
Теперь, после создания карты-истории, вы можете опубликовать её для широкой общественности или для целевой аудитории. Можно сделать карту-историю общедоступной или открыть лишь для сотрудников. Можно и далее распространять информацию о своей карте-истории. Например, встроить ссылку в веб-сайт. Написать блок, опубликовать в социальных сетях и т.д.
Визуализация и работа с историческими данными: интерактивные карты и linked data базы знаний для изучения истории
Порой глянешь по сторонам и кажется, что современного мира вне IT не существует. Однако есть области человеческой жизни, очень слабо затронутые компьютеризацией. Одна из таких областей — история. И как наука, и как учебный курс. Конечно, работа за компьютером едва ли когда-то заменит историкам ковыряние в архивах. Но уж изучать историю по нарисованным в учебнике статическим картам, а порядок событий выстраивать, тщательно выписывая на бумажку даты в порядке возрастания — это точно прошлый век. Однако инструментов для наглядного изучения истории не так-то много и найти их очень непросто.
Если вы хотите узнать, какие есть интерактивные исторические карты, где стоит посмотреть на представление событий в форме таймлайнов и как делать сложные запросы к википедии типа «все государственные деятели, работавшие в Европе в 1725 году» — читайте дальше.
С чего все началось: на летней школе мы взялись делать интерактивную карту исторических событий на базе википедии. Я не даю прямую ссылку на проект, поскольку проект очень сырой (над ним работала команда из 4 прекрасных десятиклассников, но много ли успеешь за 3 недели), а еще потому что сервер имеет обыкновение «падать» и без хабраэффекта.
Нам хотелось на карте отобразить события, происходившие в разные исторические эпохи — и это отчасти получилось: у нас есть карта битв с их описаниями. На тот момент, когда мы занимались этим проектом, мы знали лишь про пару интерактивных исторических атласов, и ни один из них не показывал на карте события.
Я полагаю, что этих карт так мало потому что все сталкиваются с теми же проблемами, что и мы: исторические данные не структурированы. Нет машиночитаемых баз данных, откуда можно выгрузить информацию о важных исторических событиях. Историки, если и заводят базы данных, описывают в них, как правило, лишь свою узкую предметную область — типа карты укреплений Римской империи. Это может быть интересно и полезно историкам, но вряд ли простые люди могут извлечь из такой карты для себя много пользы. Вторая проблема — полное отсутствие данных про границы стран в исторической перспективе. Вы можете найти сотни атласов древних эпох, но координаты границ вам придется переносить с атласов вручную. Третья проблема — отсутствие каких-либо стандартов описания исторических данных. Даже нормального формата описания даты не существует, стандартные типы данных и форматы ломаются о годы до нашей эры. Что уж говорить про разные календари или неточно определенные даты.
Проблемы недостатка машиночитаемых исторических данных еще ждут своего решения (мы работаем над этим, присоединяйтесь, работы на всех хватит). Но все же некоторые проекты по своему справляются с этим…
Как гласит народная мудрость: «После того, как вы сломали прибор, изучите инструкцию». Уже после того как мы сделали свою карту, мне удалось найти несколько других проектов с интерактивными картами и другими способами визуализировать историю и добывать исторические данные. Но на то, чтобы откопать эти ресурсы в недрах интернета мне понадобилась какое-то совершенно неприличное количество времени, поэтому я решил собрать всё, что нашел, в одном месте.
Первая категория — интерактивные исторические карты. Это не карты моей мечты, но вполне рабочие продукты. Их довольно много (и я не перечисляю тут еще совсем узкоспециализированные), но действительно хороших среди них всего пара, увы. Отдельно печалит, что среди них нет локализованных проектов, а значит по ним тяжело учить русскоязычных школьников.
Информация на карте добыта в том числе из википедии и викиданных. Исторически карта неточна, о чем сообщают многие пользователи, знакомые с историей Китая. Но в проекте присутствуют зачатки вики-редактирования карт, так что когда-нибудь ошибки будут исправлены.
Из вводного видео можно также узнать об довольно широких возможностях визуализации статистической информации (типа населенности, исповедуемых религий итп) о разных эпохах. Не все из этих визуализаций просты и наглядны, но сама возможность так делать — это здорово.
Технологию семантических сетей берут на вооружение все крупные поисковые и информационные системы. В частности, сейчас многие учатся переводить естественный язык в формализованные запросы такому графу. Наверняка следственные органы и разведывательные службы пользуются этим (учитывая, что один из самых популярных графов знаний делается по CIA Factbook). Можно придумать миллион способов использовать эту технологию в любой аналитической работе: для государства, для бизнеса, для науки и даже для планирования домашнего хозяйства.
Может через несколько лет поисковые системы и научатся расшифровывать часть ваших вопросов на естественном языке и отвечать на них. Но вы сами можете воспользоваться всей мощью этого инструмента уже сейчас и получить куда большую гибкость, чем вам даст любой поисковик. Итак, учебные материалы:
Скажу честно, несмотря на хорошую подачу, материал всё равно довольно сложный: формат данных RDF, онтологии и язык запросов SPARQL. Пока я не нашел эту статью, я мог только восхищаться тому, как круто люди им пользуются, но вообще не понимал как это заставить работать. The Programming Historian дает сложный материал на очень понятных примерах и показывает, как этим пользоваться.
Их сайт, кстати, небезынтересен уже своим названием. Они учат историков пользоваться вычислительными инструментами и программированием для исследований. Потому что капелька программирования любую работу делает проще.
upd: Вспомнил и добавил еще две карты про историю урбанизации и развития человечества. И еще одну совсем простенькую карту, сделанную руками.
Как создаются карты
Нарисованная от руки карта в Массачусетском музее современного искусства
Современным картографам гораздо проще, чем их коллегам из прошлого, создававшим далекую от идеала схему с весьма приблизительными расчетами местоположения объектов. До начала XX века картография менялась медленно и, хотя белых пятен к тому моменту почти не осталось, точностью карты похвастаться не могли.
С началом эры аэросъемки местности картографы получили отличный инструмент, позволявший составить детальный план любой территории. Спутниковая съемка должна была, по идее, завершить тысячелетнюю работу по созданию идеального инструмента ориентирования, но картографы столкнулись с новыми проблемами.
Как инструмент решения картографических проблем и ошибок, появился проект OpenStreetMap (OSM), на основе данных которого существует наш сервис MAPS.ME. В OSM огромное количество данных: не только обрисованные спутниковые снимки, но и информация, которую знают только местные жители. Сегодня мы подробнее расскажем, как оцифровывается и становится картой реальный мир.
Фотофиксация местности
Возраст этой карты — 14 000 лет
Первые карты появились еще в период первобытной истории. Изгибы рек, гребни, овраги, скалистые пики, звериные тропы — все объекты обозначалось простыми насечками, волнистыми и прямыми линиями. Последующие карты недалеко ушли от первых схематичных рисунков.
Изобретение компаса, телескопа, секстанта, других приборов морской навигации, и последовавший вслед за этим период Великих географических открытий, привели к расцвету картографии, но карты все еще оставались недостаточно точными. Использование различных приборов и математических методов не могло стать решением проблемы — в конце концов, карты рисовал человек, используя описание или схемы, созданные на натуре.
Новый этап в развитии картографии начался с топографической съемки. Впервые наземные съемочные работы для изготовления топографических карт начали выполняться в 16 веке, а первые аэрофототопографические съемки труднодоступных территорий были выполнены в 1910-е годы. В России как кадастровые, так и пресловутые «карты генштаба», точность и покрытие которых на тот момент времени оказались беспрецедентными, создавались топографами с помощью теодолита.
Пример дешифрования середины прошлого века
После аэросъемки необходим длительный и сложный этап дешифрования. Объекты на снимке нужно выявить и распознать, установить их качественные и количественные характеристики, а также зарегистрировать результаты. Метод дешифрования основывается на закономерностях фотографического воспроизведения оптических и геометрических свойств объектов, а также на взаимосвязях их пространственного размещения. Проще говоря, учитываются три фактора: оптика, геометрия изображения и пространственное размещение.
Для получения данных о рельефе используются контурно-комбинированный и стереотопографический методы. При первом методе непосредственно на местности с помощью геодезических приборов определяют высоты важнейших точек поверхности и затем на аэрофотоснимки наносят положение горизонталей. Стереотопографический метод подразумевает частичное перекрытие друг другом двух снимков таким образом, чтобы на каждом из них изображался один и тот же участок местности. В стереоскоп этот участок выглядит как трехмерное изображение. Далее по этой модели с помощью приборов определяют высоты точек местности.
Спутниковая съемка
Пример стереопары со спутника WorldView-1
Схожим образом, создавая стереоизображение, работают и спутники. Информацию по рельефу (и многие другие данные, включая радарную интерферометрию — построение цифровых моделей местности, определение смещений и деформаций земной поверхности и сооружений), предоставляют радарные и оптические спутники дистанционного зондирования Земли.
Спутники сверхвысокого разрешения фотографируют не все подряд (бескрайние сибирские леса не нужны в высоком разрешении), а по заказу для определенной территории. К таким спутникам относятся, например, Landsat и Sentinel (на орбите находятся Sentinel-1, ответственный за радарную съемку, Sentinel-2, ведущий оптическую съемку поверхности Земли и изучение растительности, и Sentinel-3, наблюдающий за состоянием мирового океана).
Изображение Лос-Анджелеса, снятое спутником Landsat 8
Спутники присылают данные не только в видимом спектре, но и в инфракрасном (и еще нескольких других). Данные из невидимых для глаза человека диапазонов спектра позволяют анализировать типы поверхности, следить за ростом сельскохозяйственных культур, выявлять пожары и многое другое.
Изображение Лос-Анджелеса включает в себя полосы частот электромагнитного спектра, соответствующие (в терминологии Landsat 8) диапазонам 4-3-2. Landsat обозначает красный, зеленый и синий сенсоры как 4, 3 и 2 соответственно. Полноцветное изображение появляется при комбинации изображения с этих сенсоров.
Принимают и обрабатывают данные владельцы спутников и официальные дистрибьютеры — DigitalGlobe, e-Geos, Airbus Defence and Space и другие. В нашей стране основными поставщиками спутниковых снимков являются «Российские космические системы», «Совзонд» и «Сканэкс».
Множество сервисов создано на основе наборов данных Global Land Survey (GLS) от US Geological Survey (USGS) и NASA. GLS получают данные преимущественно от проекта Landsat, создающего спутниковые фотоснимки всей планеты в реальном времени с 1972 года. С помощью Landsat можно получить сведения обо всей земной поверхности, а также об ее изменениях за последние десятилетия. Именно этот проект для всех публичных картографических сервисов остается главным источником данных дистанционного зондирования Земли по мелким масштабам.
Багамские острова с точки зрения MODIS
Сканирующий спектрорадиометр среднего разрешения MODIS (MODerate-resolution Imaging Spectroradiometer) расположен на спутниках Terra и Aqua, являющихся частью комплексной программы NASA EOS (Earth Observing System). Разрешение получаемых изображений грубее результатов большинства других спутников, но охват позволяет получать ежедневную глобальную коллекцию снимков практически в режиме реального времени.
Мультиспектральные данные полезны для анализа земной поверхности, океана и атмосферы, позволяя в оперативном режиме (буквально за несколько часов) изучать изменения облаков, снега, льда, водных объектов, состояние растительности, отслеживать динамику наводнений, пожаров и т.д.
«Living Atlas of the World» — атлас, содержащий карты и данные, посвященные множеству тем: населению, бизнесу, ландшафту, климату, транспорту и др.
Геопортал Роскосмоса — бесплатный (частично) источник данных. Спутниковые снимки предоставлены Роскосмосом и NASA, картографические данные — OpenStreetMap и Росреестром, средства поиска — GeoNames и OpenStreetMap Nominatim.
Кроме спутников есть еще одно перспективное направление «вертикальной» съемки — получение данных с дронов. Так компания DroneMapper отправляет дроны (редко — квадрокоптеры) для съемок фермерских угодий — получается экономичнее, чем использовать спутник или самолет.
Спутники предоставляют огромное количество разнообразной информации и могут сфотографировать всю Землю, но компании заказывают данные только для нужной им территории. В связи с дороговизной спутниковой съемки, компании предпочитают детализировать территории крупных городов. Все, что считается малонаселенной местностью, обычно снимается в самых общих чертах. В регионах с постоянной облачностью спутники делают новые и новые снимки, добиваясь четкого изображения и повышая затраты. Впрочем, некоторые IT-компании могут позволить себе закупать снимки целыми странами. Например, Bing Maps.
На базе спутниковых снимков и замеров на местности создаются векторные карты. Обработанные векторные данные продают компаниям, печатающим бумажные карты и/или создающим картографические сервисы. Рисовать карты самостоятельно по спутниковым снимкам дорого, поэтому многие компании предпочитают купить готовое решение на базе Google Maps API или Mapbox SDK и доработать собственным штатом картографов.
Проблемы спутниковых карт
В простейшем случае, чтобы нарисовать современную карту, достаточно взять снимок со спутника или его фрагмент и перерисовать все объекты в редакторе или в каком-нибудь сервисе online interactive map creator. На первый взгляд в примере выше из OSM все отлично — дороги выглядят, как и должны выглядеть. Но это только на первый взгляд. На самом деле эти цифровые данные не соответствуют реальному миру, так как они искажены и сдвинуты относительно реального расположения объектов.
Спутник фотографирует под углом на большой скорости, время фотографирования ограничено, снимки склеиваются… Ошибки накладываются друг на друга, поэтому для создания карт стали использовать фото- и видеосъемку на местности, а также геотрекинг автомобилей, который является очевидным доказательством существования определенного маршрута.
Пример снимка, на котором возникла проблема из-за плохой орторектификации: у воды треки легли отлично, а на горе справа — съехали
Рельеф, условия съемки и тип камеры влияют на появление искажений в снимках. Процесс устранения искажений и преобразования исходного снимка в ортогональную проекцию, то есть такую, при которой каждая точка местности наблюдается строго вертикально, называют орторектификацией.
Перераспределение пикселей на изображении в результате ортокоррекции
Использовать спутник, который снимал бы только над заданной точкой, затратно, поэтому съемка ведется под углом, который может достигать 45 градусов. С высоты в сотни километров это приводит к значительным искажениям. Для создания точных карт качественная орторектификация жизненно необходима.
Карты быстро теряют актуальность. Открыли новую парковку? Построили объездную дорогу? Магазин переехал по другому адресу? Во всех этих случаях устаревшие снимки территории становятся бесполезны. Не говоря уже о том, что множество важных деталей, будь то брод на реке или тропа в лесу, не видны на снимках из космоса. Поэтому работа над картами — это процесс, в котором невозможно поставить финальную точку.
Как делают карты OpenStreetMap
Изображение
OpenStreetMap — некоммерческий картографический проект, в котором сообщество пользователей со всего мира создает открытую, бесплатную географическую карту. Для создания карт применяют данные с персональных GPS-трекеров, аэрофотографии, видеозаписи, спутниковые снимки, а также знания человека. Ближайший проект, с которым можно сравнить OSM — это Википедия. Аналогичным образом в OSM любой пользователь редактирует карту, а данные проекта распространяются на условиях свободной лицензии.
В OpenStreetMap используют в качестве основы для карт GPS-треки, записанные пользователями, и спутниковые снимки от компаний Bing, Mapbox, DigitalGlobe. Карты коммерческих компаний, например Google и Яндекса, нельзя использовать из-за юридических ограничений.
Снимки привязываются к местности автоматически на этапе получения. Сканы также можно привязать с помощью опорных точек с известными координатами, полученными из треков либо ассоциированными с пунктами геодезической сети.
При редактировании карт снимки со спутников в OSM всегда сдвигаются так, как показывают записанные на земле треки, компенсируя большинство ошибок. Есть масса приложений, позволяющих записывать GPS-треки и делиться ими, например, Geo Tracker, Strava (Android) и GPX Tracker (iOS).
Создатель карты на спутниковом снимке первым делом рисует дороги, используя данные треков. Поскольку треки описывают перемещение в географических координатах, по ним легко определить, где именно проходит дорога. Затем наносятся все остальные объекты. Недостающие и площадные объекты создаются по снимкам, а подписи, указывающие на принадлежность объектов либо дополняющие их справочной информацией, берутся из наблюдений или реестров.
Чтобы создать карту, наполненную различной информацией, используют географическую информационную систему (ГИС), предназначенную для работы с геоданными — для их анализа, преобразования, аналитики и печати. С ГИС можно создать свою собственную карту с визуализацией любых данных. В ГИС для карт можно добавить данные Росстата, муниципальных образований, министерств, ведомств — все так называемые геопространственные данные.
Откуда берутся геоданные
Итак, спутниковые снимки сдвинуты относительно реальности в несколько десятков метров. Чтобы сделать действительно точную карту, нужно вооружиться навигатором (GPS приемником) или обычным телефоном. А затем с помощью приемника или приложения в телефоне записать максимальное количество точек трека. Запись осуществляется вдоль линейных объектов, расположенных на земле — подойдут реки и каналы, тропинки, мосты, ж/д и трамвайные пути и т.д.
Одного трека никогда не бывает достаточно для любого участка — сами они тоже записываются с определенным уровнем погрешности. В дальнейшем спутниковая подложка выравнивается по множественным трекам, записанным в разное время. Любая другая информация берется из открытых источников (или дарится провайдером данных).
Трудно представить карты без информации о различных компаниях. Сбор локальных данных об организациях с привязкой к GPS-позиции делают Yelp, TripAdvisor, Foursquare, 2ГИС и другие. Сообщество (включая непосредственно представителей локального бизнеса) самостоятельно вносит данные на OpenStreetMap и Google Maps. Не все большие сети хотят сами заморачиваться с добавлением информации, поэтому обращаются к компаниям (Brandify, NavAds, Mobilosoft и другие), помогающим размещать филиалы на картах и следить за актуальностью данных.
Иногда информация об объектах реальной местности добавляется на карты через мобильные приложения — сразу, в полевых условиях человек имеет возможность точно актуализировать картографические данные. В MAPS.ME для этого есть встроенный редактор карт, через который уточненные данные поступают напрямую в базу OpenStreetMap. Достоверность информации проверяют другие участники OSM-сообщества. В «обратную сторону» данные из OSM поступают в MAPS.ME в «сыром» виде. Прежде чем оказаться на экране смартфона пользователя, они обрабатываются и упаковываются.
Будущее: нейросети-картографы
В Facebook рассказали, что они использовали алгоритмы машинного обучения, чтобы найти дороги на спутниковых снимках. Но фактчекинг уже делали люди, которые проверяли дороги и «склеивали» их с данными OSM.
Сервис для обмена фотографиями с геометками Mapillary в прошлом году добавил функцию, которая обеспечивает семантическую сегментацию изображений объектов. Фактически они смогли разделить изображения на отдельные группы пикселей, соответствующие одному объекту с одновременным определением типа объекта в каждой области. Люди делают подобное очень легко — например, большинство из нас могут идентифицировать и находить автомобили, пешеходов, дома на изображениях. Однако компьютерам тяжело было ориентироваться в огромном массиве данных.
Используя глубокое обучение на свёрточной нейронной сети, в Mapillary смогли в автоматическом режиме выявить 12 категорий объектов, которые чаще всего встречаются в дорожной сцене. Их метод позволяет добиться прогресса и по другим задачам машинного зрения. Игнорируя совпадения между движущимися объектами (например, облаками и транспортными средствами) можно значительно улучшить цепочку процессов преобразования исходных данных в двухмерную или стереоскопическую картинку. Семантическая сегментация Mapillary позволяет получить приблизительную оценку плотности растительности или наличия тротуаров на некоторых территориях городов.
Юго-Запад Москвы нейросеть поделила на зоны в зависимости от типа застройки
В проекте CityClass проводится анализ типов городской застройки при помощи нейросети. Делать карту функционального зонирования города долго и однообразно, но можно обучить компьютер отличать промышленную зону от жилой, а историческую застройку от микрорайона.
Группа ученых из Стэнфорда натренировала нейросеть предсказывать уровень бедности в Африке по дневным и ночным спутниковым снимкам. Сначала сетка находит крыши домов и дороги, а потом сопоставляет с данными об освещенности территорий в ночное время.
Сообщество продолжает следить за первыми шагами в области автоматического создания карт, и уже использует машинное зрение для рисования некоторых объектов. Трудно сомневаться в том, что будущее будет принадлежать картам, создаваемым не только людьми, но и машинами.