עדכון אוטומטי של מסד נתונים גיאוגרפיים

אמציה פלד

החוג לגיאוגרפיה ולימודי סביבה, אוניברסיטת חיפה

peled@geo.haifa.ac.il

זה מספר שנים אנו עדים לתהליך מואץ של בניית מסדי נתונים מרחביים במערכות מידע גיאוגרפי לאומיות, אזוריות ואף כלל-עולמיות. תהליך זה בא כמענה לדרישה הולכת וגוברת של צורך דחוף ורחב ביישומי ממ"ג בכל הסקטורים וברוב תחומי העשייה וקבלת ההחלטות. נוצר כאן מעגל קסמים של צורך המביא לייצור מסדי נתונים אשר מגדילים את השימוש וחוזר חלילה. כבר בתחילת התהליך, ברור היה כי השימוש והיישום של מסדי הנתונים המרחביים ומערכות הממ"ג למיניהן, תלוי באיכות וזמינות נתונים מעודכנים. נושא העדכון ותחזוקת מסדי הנתונים המרכזיים במדינות השונות, הפך להיות הציר המרכזי עליו יקום או ייפול דבר. מכאן, שנושא התחזוקה אמור גם להיות הנושא המרכזי בפעילות מרכזי ורשויות המיפוי העוסקות בבנייה, תחזוקה והפצה של נתונים מרחביים בסיסיים למשתמשים. מכאן, שברור הצורך במחקר ופיתוח מואץ של אלגוריתמים, מתודות ותהליכים לעדכון מהיר, יעיל וזול של מסדי הנתונים המרחביים הראשיים במדינה.

מקורות הנתונים אשר ניתן להשתמש בהם לעדכון המידע האגור במערכות הממ"ג, מגוון מאוד. מניסיון שני העשורים האחרונים, ברור לכל כי מערכות החישה מרחוק יכולות לספק כמות גדולה של מידע ספקטראלי. נתונים אלה נגישים בהיקפים גדולים מבחינת שטח הכיסוי שלהם ובמחירים סבירים בהחלט ביחס לרזולוציה הקרקעית שלהם. יחד עם זאת, נראה כי השימוש בתהליכי הסיווג המסורתיים המבוססים על בניית ספריות סיווג ואימון (LTM) ובניית תהליכים של כיול ואימות המידע המתקבל (VAL/CAL) הינם איטיים יחסית, יקרים במשאבי אנוש ומצריכים השקעות גבוהות בתהליכי אימוץ מקורות חדשים של מידע מרחבי מעודכן.

תהליך העדכון מונע-הממ"ג (GIS-Driven) אשר הוצע על ידי המחבר כבר בתחילת שנות התשעים, נראה כבסיס לביצוע עדכון אוטומטי של מסדי הנתונים הספרתיים של מערכות הממ"ג. מערכת מידע גיאוגרפי אשר מכילה נתונים עדכניים אמורה לתאר בצורה נאמנה את "מציאות השטח" ובכך היא מהווה מקור מידע מהימן ושמיש יותר כדי לעדכן את מסד הנתונים המרחביים, שלה עצמה. הגישה של עדכון הממ"ג באלגוריתמים מונעי-ממ"ג מאפשרת להשתמש במקורות מידע עדכניים, שונים ומגוונים ואף לבצע עדכונים מקומיים על בסיס מידע (בין אם ספקטראלי או נומינלי) בשטחים מצומצמים. ממערכת מחקרים המתפרסת על פני למעלה מעשור שנים, נמצא כי ככל שהאזור המעודכן גדול יותר כך גדלה אמינות ויעילות השיטה. כן, עם פיתוח שיטות מתקדמות לזיהוי אוטומטי על סמך "ראיה ממוחשבת" (Computer Vision) ניתן גם להשלים את התמונה, תרתי משמע. הכוונה לזיהוי אלמנטים חדשים אשר לא היו "מוכרים" למערכת הממ"ג. חסרון הגישה של "GIS-Driven", הינו בכך שלא ניתן בה , לכאורה, לזהות אלמנטים מקבוצות סיווג חדשות. במהלך המחקרים של חמש השנים האחרונות, הושגה התקדמות רבה בדמות קביעת מאפיינים (פרמטרים) שונים של האלמנטים, כולל אלה מקבוצות הסיווג שלא היו מוכרות במערכת הממ"ג העוברת את העדכון. הפתרון המוצע הינו ביצוע עדכון מונע-ממ"ג (אבחון וזיהוי שינויים) בסביבת הזמן ומעבר למרחב הפרמטרי וניתוח צבירים במרחב זה. בשיטות המקובלות בראייה רובוטית (ממוחשבת), ניתן יהיה לקבץ את כל האלמנטים השייכים לקבוצות סיווג חדשות ואף לשער בצורה די מאוששת את הזיהוי של קבוצות חדשות אלה.