Мультиспектральные снимки Земли в ВКР: архитектура обработки данных кубсата «Лобачевский»
В конце марта 2026 года кубсат «Лобачевский» (Университет Лобачевского, платформа «Геоскан») получил первые мультиспектральные снимки поверхности Земли. Это не просто красивая новость про запуск очередного аппарата: на орбиту вышел формально учебный спутник, но задачи у него те же, что у промышленных систем дистанционного зондирования — съёмка в нескольких спектральных каналах, приём данных на наземную станцию, дешифрирование и построение вегетационных индексов.
Для выпускника ИТ-направления здесь спрятан готовый каркас ВКР. Вам не нужен свой спутник — достаточно спроектировать программный сегмент: бортовая телеметрия, канал приёма, конвейер обработки растров, веб-сервис доступа к снимкам. Ниже разберём, как превратить эту новость в защищаемую работу, какие ГОСТы и метрики приложить и где обычно сыпятся студенты.
Семантический анализ темы
| Категория | Значения |
|---|---|
| Основной запрос | мультиспектральные снимки Земли в дипломе / кубсат Лобачевский ВКР |
| LSI-запросы | дистанционное зондирование Земли, CubeSat, NDVI-индекс, GeoTIFF/COG, протокол CCSDS, SGP4-прогноз орбит, шлюзы LoRa/AX.25, GDAL-пайплайн, PostGIS, S3-совместимое хранилище |
| Вопросы студентов | Где брать тестовые снимки, если нет своего аппарата? / Обязательно ли писать собственный код обработки? / Какие метрики считать для «эффективности»? / Как согласовать архитектуру с ГОСТ 34.602-89? / Какую СУБД выбрать для растровых данных? |
| Ключевые сущности | ГОСТ 34.602-89, ГОСТ 19.701-90, ISO/IEC 25010, ECSS-E-ST-70-41C (телеметрия), CCSDS, OpenTelemetry, CI/CD-пайплайн |
Три темы ВКР, которые «созревают» из этой новости
1. Сервис приёма и каталогизации телеметрии кубсата
Актуальность. Пока аппарат «Лобачевский» передаёт сеансы связи, каждая точка телеметрии должна быть принята, распознана и связана с географической привязкой снимка. Это задача не про космос, а про устойчивый поток обработки событий.
Цель. Спроектировать и реализовать подсистему приёма, валидации и хранения телеметрических пакетов наземного сегмента.
Задачи:
- проанализировать форматы CCSDS и внутренний формат платформы «Геоскан»;
- реализовать приёмный буфер с гарантией доставки (at-least-once);
- спроектировать схему БД под хранение кадров телеметрии и метаданных снимков;
- построить дашборд с мониторингом пропусков сеансов связи.
Структура. Глава 1 — обзор протоколов космической связи и существующих наземных станций. Глава 2 — архитектура сервиса, UML-диаграммы классов и последовательностей, схема развёртывания. Глава 3 — нагрузочное тестирование, расчёт пропускной способности канала, экономика внедрения.
2. Конвейер обработки мультиспектральных растров и расчёт NDVI
Актуальность. Сами по себе кадры бесполезны: заказчик хочет видеть индекс растительности, карту влажности, классификацию участков. Значит, нужен воспроизводимый ETL-пайплайн.
Цель. Разработать масштабируемый конвейер обработки снимков с возможностью добавления новых спектральных индексов.
Задачи:
- сравнить библиотеки GDAL, Rasterio и Sentinel Hub API по скорости чтения COG;
- спроектировать очередь задач с идемпотентной обработкой блоков;
- реализовать расчёт NDVI/NDWI и генерацию тайлов для веб-карты;
- оценить время обработки одного снимка при горизонтальном масштабировании.
Структура. Глава 1 — форматы растровых данных и математика спектральных индексов. Глава 2 — архитектура конвейера, контейнеризация, схема очередей. Глава 3 — метрики производительности, тесты на отказоустойчивость, расчёт стоимости облачных ресурсов.
3. Веб-портал доступа к архиву снимков с ролевой моделью
Актуальность. Университеты и агрохолдинги хотят видеть снимки «Лобачевского» через браузер, а не через FTP. Появляется задача проектирования клиент-серверного приложения с геопривязкой.
Цель. Создать портал визуализации архивов мультиспектральных снимков с поиском по территории и дате.
Задачи:
- спроектировать REST/GraphQL API доступа к каталогу снимков;
- реализовать роль-ориентированную модель (исследователь, администратор, гость);
- интегрировать подложку OpenStreetMap и оверлей NDVI;
- провести юзабилити-тестирование и замер времени отклика.
Структура. Глава 1 — анализ аналогичных геопорталов (Sentinel Hub, «Геоскан-Метаданные»). Глава 2 — архитектура фронтенда и бэкенда, диаграмма компонентов, схема БД. Глава 3 — UX-тесты, метрики ISO/IEC 25010, план внедрения в вузе.
Аналитическая глава: как обосновать стек на примере «Лобачевского»
Первая глава диплома — это не «обзор литературы ради объёма». Её задача — доказать, что выбранный вами стек не случаен. Опирайтесь на реальные параметры кубсата: он снимает в нескольких узких спектральных полосах, значит, каждый канал — это отдельный файл, и хранить их удобнее в S3-совместимом объектном хранилище, а не в реляционной таблице BLOB-ов.
Полезно сделать сравнительную таблицу платформ и обосновать, почему вы берёте именно GDAL+Rasterio, а не, скажем, ENVI. Формулировка «потому что мне так удобнее» не пройдёт — нужны критерии: лицензия, поддержка COG, скорость, порог входа, поддержка в сообществе.
Проектная часть: схемы, которые ждут в комиссии
Схему наземного сегмента удобно рисовать по ГОСТ 19.701-90 в нотации, близкой к UML-диаграмме развёртывания. Минимальный набор:
- диаграмма компонентов: приёмная станция → буфер сообщений → сервис валидации → хранилище → сервис обработки → API → клиент;
- диаграмма последовательности для сценария «получен сеанс связи»;
- ER-диаграмма каталога снимков со связью «снимок — канал — метаданные привязки».
Если используете очередь, обязательно покажите идемпотентность: повторная обработка одного и того же файла не должна создавать дубликат тайла. Это тот самый нюанс, который отличает учебную работу от промышленной и сразу повышает оценку на защите.
Фрагмент обработки тайла (пример кода)
def process_tile(src_path: str, tile_id: str, index: str = "NDVI"):
with rasterio.open(src_path) as src:
nir = src.read(4)
red = src.read(3)
result = (nir.astype("float32") - red) / (nir + red + 1e-6)
save_to_storage(result, tile_id, index)Такой сниппет в приложении к диплому показывает, что вы понимаете и математику индекса, и работу с потоковым чтением больших растров.
Тестирование и метрики: что писать в третьей главе
Третья глава — самая слабая у большинства студентов, потому что её сводят к «программа работает, скриншот прилагается». Между тем здесь нужны измеримые показатели. Привяжите их к ISO/IEC 25010: функциональная полнота, производительность, надёжность, сопровождаемость.
| Метрика | Как измерять | Ориентир для кубсата |
|---|---|---|
| Пропускная способность конвейера | locust/k6 против REST API | ≥ 50 снимков/минуту на 4 vCPU |
| Полнота каталога | сверка числа сеансов с бортовым журналом | 100 % принятых сеансов |
| RTO при падении воркера | kill -9 + время до восстановления | ≤ 30 секунд |
| RPO хранилища снимков | периодичность снапшотов S3 | ≤ 15 минут |
| Задержка отклика портала | OpenTelemetry-трейсинг | p95 ≤ 400 мс |
Подключайте OpenTelemetry сразу: у вас появятся трейсы «снимок прошёл от приёма до тайла», и в приложении к диплому можно приложить реальный waterfall. Комиссия такое любит: видно, что вы считали, а не рисовали.
Чему вы научитесь на такой ВКР
- Проектировать распределённую систему с гарантией доставки сообщений.
- Работать с растровыми форматами и библиотеками GDAL/Rasterio.
- Обосновывать выбор стека по критериям, а не по вкусу.
- Оформлять техническую документацию в соответствии с ГОСТ 34.602-89 и 19.701-90.
- Строить CI/CD-пайплайн для развёртывания сервисов обработки.
- Считать метрики надёжности и производительности, а не только «работает/не работает».
- Подмена терминов. Пишут «SaaS» там, где уместно «PaaS», или «Docker» вместо «контейнеризации». На защите это первый вопрос. Сверяйтесь с определениями в ISO/IEC 25010 и NIST SP 800-145.
- Отсутствие метрик. «Система быстрая» — не результат. Нужны числа, методика замера и условия эксперимента. Без этого третья глава рассыпается.
- Игнорирование ГОСТ 34.602-89. ТЗ оформляют «по образцу из интернета», без разделов «Требования к системе» и «Стадии разработки». Комиссия снижает балл автоматически.
Частые вопросы
Есть ли смысл делать такую тему, если своего спутника нет?
Есть. Возьмите открытые снимки Sentinel-2 или Landsat-8 как источник «похожих» данных, а архитектуру опишите как универсальную для приёма с любого кубсата формата CubeSat. В главе 1 явно укажите, что «Лобачевский» — референс, а не объект управления.
Обязательно ли писать код самому?
Да, иначе не будет раздела «реализация» и метрик. Но код не обязан быть большим: 800–1500 строк на Python/Java достаточно, если он покрыт тестами и связан с архитектурой. Готовые библиотеки использовать можно и нужно — обоснуйте выбор.
Как оформлять UML-диаграммы, если вуз требует ГОСТ?
Обычно допускается UML внутри рамки по ГОСТ 19.701-90. Согласуйте с научруком формат и укажите в ТЗ: «диаграммы выполняются в нотации UML 2.5 с оформлением рамки по ГОСТ». Это снимает 90 % замечаний.
Где брать тестовые данные для расчётов?
Sentinel Hub, USGS EarthExplorer, AWS Open Data (Sentinel-2 COG). Для телеметрии подойдёт синтетический генератор: напишите свой и опишите параметры в приложении. Так вы покажете и инженерный подход, и понимание источников данных.
- ☐ В тексте есть отсылка к первоисточнику (cnews, 27.03.2026) и указано, что именно оттуда взято.
- ☐ Задачи во введении буквально совпадают с разделами исследований и выводами.
- ☐ Есть минимум 3 схемы: компонентов, последовательности, ER-диаграмма.
- ☐ Все диаграммы оформлены с рамкой по ГОСТ 19.701-90.
- ☐ ТЗ соответствует ГОСТ 34.602-89 (есть стадии, требования, приёмка).
- ☐ Метрики производительности и надёжности подтверждены протоколами тестов.
- ☐ Список литературы содержит стандарты и ≥ 5 рецензируемых источников.
Источник: Нижегородский спутник «Лобачевский» получил первые мультиспектральные снимки Земли (опубликовано 2026-03-27)