This media is not supported in your browser
VIEW IN TELEGRAM
Система “Обзор”
27 июня текущего года, во время запуска спутника “Метеор-М” № 2-3 с кластерами малых спутников, Роскосмос и российская компания “Орбитальные системы” провели экспериментальную отработку системы “Обзор” — системы видеофиксации отделения полезной нагрузки. Роскосмос публикует видео отделения “Метеора-М” и ряда малых спутников, запущенных по программе “УниверСат”.
27 июня текущего года, во время запуска спутника “Метеор-М” № 2-3 с кластерами малых спутников, Роскосмос и российская компания “Орбитальные системы” провели экспериментальную отработку системы “Обзор” — системы видеофиксации отделения полезной нагрузки. Роскосмос публикует видео отделения “Метеора-М” и ряда малых спутников, запущенных по программе “УниверСат”.
ESRI 10m Annual Land Use Land Cover (2017–2022)
ESRI 10m Annual Land Use Land Cover (2017–2022) — ежегодные глобальные карты классов землепользования и земного покрова (Land Use/Land Cover, LULC) за 2017–2021 годы. Карты построены на основе снимков Sentinel-2 и имеют пространственное разрешение 10 метров.
Каждая карта содержит 9 классов LULC: Water, Trees, Flooded vegetation, Crops, Built Area, Bare ground, Snow/Ice, Clouds, Rangeland. Описание классов.
Средняя точность каждой карты составляет более 75%, что для глобальных данных неплохо.
На рисунках — карта LULC окрестностей Варны (Болгария) и соответствующий ей снимок из Google Earth. Как видим, легенду проще добавить, чем удалить.
Код примера
Основное преимущество этих данных сейчас — наличие ряда карт за 5 лет (и разработчики собираются продолжать). У близких по параметрам ESA WorldCover карт всего две — за 2020 и 2021 годы. Есть еще Google Dynamic World, но там ежегодную карту еще нужно построить. Про сравнение всех этих карт мы еще поговорим.
#данные #GEE #LULC
ESRI 10m Annual Land Use Land Cover (2017–2022) — ежегодные глобальные карты классов землепользования и земного покрова (Land Use/Land Cover, LULC) за 2017–2021 годы. Карты построены на основе снимков Sentinel-2 и имеют пространственное разрешение 10 метров.
Каждая карта содержит 9 классов LULC: Water, Trees, Flooded vegetation, Crops, Built Area, Bare ground, Snow/Ice, Clouds, Rangeland. Описание классов.
Средняя точность каждой карты составляет более 75%, что для глобальных данных неплохо.
На рисунках — карта LULC окрестностей Варны (Болгария) и соответствующий ей снимок из Google Earth. Как видим, легенду проще добавить, чем удалить.
Код примера
Основное преимущество этих данных сейчас — наличие ряда карт за 5 лет (и разработчики собираются продолжать). У близких по параметрам ESA WorldCover карт всего две — за 2020 и 2021 годы. Есть еще Google Dynamic World, но там ежегодную карту еще нужно построить. Про сравнение всех этих карт мы еще поговорим.
#данные #GEE #LULC
Две новости, которые не имеют прямого отношения к теме канала, но, возможно, являются знаковыми.
🛰 27 июня 2023 года с космодрома “Восточный” были успешно выведены три космических аппарата связи миссии “Рассвет-1” 1️⃣ (источник) разработки и производства компании “Бюро 1440”. Высота орбиты аппаратов составляет 558,4 километра.
Цель “Бюро 1440” — создание коммерческого сервиса широкополосной передачи данных на высоких скоростях с минимальными задержками на базе низкоорбитальной спутниковой группировки. Следующим этапом проекта называют серийное и массовое производство отечественных аппаратов, а также увеличение скорости передачи данных до более чем 100 Мбит/с. Предполагается, что сервис начнет работать в 2027 году. К 2035 году в рамках проекта будет создана орбитальная группировка, состоящая из более 900 спутников.
Поздравляем коллег с успехом испытательной миссии! Желаем удачи в достижении главной цели проекта.
🛰 Один из 42 малых аппаратов, выведенных на орбиту 27 июня, — НОРБИ-2 2️⃣, на котором работает созданный в ИКИ РАН солнечный телескоп СОЛ. НОРБИ-2 — спутник формата CubeSat 6U. Его масса меньше 10 кг, масса телескопа СОЛ — менее 2 кг.
В телескопе используется многослойная рентгеновская оптика, которая позволяет получать изображения Солнца в ультрафиолетовом диапазоне длин волн — 17,1 нанометров. Он совпадает с одной из самых ярких спектральных линий короны Солнца — линией ионизованного железа Fe-IX с максимумом чувствительности при температуре около 1 млн градусов. Такую температуру имеет корона Солнца, фотографии которой будет получать СОЛ.
Подробней о спутнике и телескопе.
Поздравляем коллег с успешным запуском! Ждем фотографий и рассказов о работе телескопа.
🛰 27 июня 2023 года с космодрома “Восточный” были успешно выведены три космических аппарата связи миссии “Рассвет-1” 1️⃣ (источник) разработки и производства компании “Бюро 1440”. Высота орбиты аппаратов составляет 558,4 километра.
Цель “Бюро 1440” — создание коммерческого сервиса широкополосной передачи данных на высоких скоростях с минимальными задержками на базе низкоорбитальной спутниковой группировки. Следующим этапом проекта называют серийное и массовое производство отечественных аппаратов, а также увеличение скорости передачи данных до более чем 100 Мбит/с. Предполагается, что сервис начнет работать в 2027 году. К 2035 году в рамках проекта будет создана орбитальная группировка, состоящая из более 900 спутников.
Поздравляем коллег с успехом испытательной миссии! Желаем удачи в достижении главной цели проекта.
🛰 Один из 42 малых аппаратов, выведенных на орбиту 27 июня, — НОРБИ-2 2️⃣, на котором работает созданный в ИКИ РАН солнечный телескоп СОЛ. НОРБИ-2 — спутник формата CubeSat 6U. Его масса меньше 10 кг, масса телескопа СОЛ — менее 2 кг.
В телескопе используется многослойная рентгеновская оптика, которая позволяет получать изображения Солнца в ультрафиолетовом диапазоне длин волн — 17,1 нанометров. Он совпадает с одной из самых ярких спектральных линий короны Солнца — линией ионизованного железа Fe-IX с максимумом чувствительности при температуре около 1 млн градусов. Такую температуру имеет корона Солнца, фотографии которой будет получать СОЛ.
Подробней о спутнике и телескопе.
Поздравляем коллег с успешным запуском! Ждем фотографий и рассказов о работе телескопа.
Сравнение карт классов землепользования и земного покрова
Сейчас существуют три глобальные карты классов землепользования и земного покрова (Land Use/Land Cover, LULC) с пространственным разрешением 10 метров: ESA WorldCover (2020–2021), ESRI Annual Land Use Land Cover (2017–2021) и Google Dynamic World (2015–н.в.). Возникает естественный вопрос: какие карты точнее?
Ответить на этот вопрос пытаются авторы Venter Z.S. et al. Global 10 m Land Use Land Cover Datasets: A Comparison of Dynamic World, World Cover and Esri Land Cover. Remote Sens. 2022, 14, 4101. https://doi.org/10.3390/rs14164101
Две первые карты — WC и ESRI — ежегодные, тогда как третья (DW) создается с периодичностью 5 суток (в идеальном случае, при отсутствии облачности). Чтобы сравнить DW с остальными, нужно построить из карт DW ежегодную карту. Каждый пиксель DW содержит вероятность принадлежности к тому или иному классу LULC и атрибут “label” — номер наиболее вероятного класса, к которому относится пиксель. Venter Z.S. et al. брали среднее, медиану и моду атрибута “label” за год. Точность во всех случаях оказалась практически одинаковой, но использование моды сочли более эффективным с вычислительной точки зрения, и строили ежегодную карту на основе моды “label” DW за год.
Результаты сравнения получились противоречивыми. Так, используя наземные данные, взятые по всему миру, для минимальной единицы картографирования 250 м2 (5 х 5 пикселей Sentinel-2, снимки которого являются основой всех рассматриваемых классификаций) оказалось, что наибольшую общую точность (overall accuracy) имеют карты ESRI (75%), далее идут DW (72%) и WC (65%). Однако при использовании наземных данных, ограниченных территорией Европейского союза, и для минимальной картографической единицы 100 м2 (1 пиксель Sentinel-2) самую высокую общую точность показали карты WC (71%). Далее идут DW (66%) и ESRI (63%).
Сравнение точности карт — тема интересная и еще не раз послужит целью публикаций. Любопытно, что авторы не затронули вопрос комбинирования карт для повышения точности. Например, если взять метку класса по большинству “мнений” разных карт, результат обычно бывает точнее, чем исходные карты по-отдельности. Вот вам и готовая тема для исследования.
#LULC #данные #GEE
Сейчас существуют три глобальные карты классов землепользования и земного покрова (Land Use/Land Cover, LULC) с пространственным разрешением 10 метров: ESA WorldCover (2020–2021), ESRI Annual Land Use Land Cover (2017–2021) и Google Dynamic World (2015–н.в.). Возникает естественный вопрос: какие карты точнее?
Ответить на этот вопрос пытаются авторы Venter Z.S. et al. Global 10 m Land Use Land Cover Datasets: A Comparison of Dynamic World, World Cover and Esri Land Cover. Remote Sens. 2022, 14, 4101. https://doi.org/10.3390/rs14164101
Две первые карты — WC и ESRI — ежегодные, тогда как третья (DW) создается с периодичностью 5 суток (в идеальном случае, при отсутствии облачности). Чтобы сравнить DW с остальными, нужно построить из карт DW ежегодную карту. Каждый пиксель DW содержит вероятность принадлежности к тому или иному классу LULC и атрибут “label” — номер наиболее вероятного класса, к которому относится пиксель. Venter Z.S. et al. брали среднее, медиану и моду атрибута “label” за год. Точность во всех случаях оказалась практически одинаковой, но использование моды сочли более эффективным с вычислительной точки зрения, и строили ежегодную карту на основе моды “label” DW за год.
Результаты сравнения получились противоречивыми. Так, используя наземные данные, взятые по всему миру, для минимальной единицы картографирования 250 м2 (5 х 5 пикселей Sentinel-2, снимки которого являются основой всех рассматриваемых классификаций) оказалось, что наибольшую общую точность (overall accuracy) имеют карты ESRI (75%), далее идут DW (72%) и WC (65%). Однако при использовании наземных данных, ограниченных территорией Европейского союза, и для минимальной картографической единицы 100 м2 (1 пиксель Sentinel-2) самую высокую общую точность показали карты WC (71%). Далее идут DW (66%) и ESRI (63%).
Сравнение точности карт — тема интересная и еще не раз послужит целью публикаций. Любопытно, что авторы не затронули вопрос комбинирования карт для повышения точности. Например, если взять метку класса по большинству “мнений” разных карт, результат обычно бывает точнее, чем исходные карты по-отдельности. Вот вам и готовая тема для исследования.
#LULC #данные #GEE
Климатические изменения, связанные с Эль-Ниньо
Согласно очередному бюллетеню Всемирной метеорологической организации (ВМО), в этом году, впервые за семь лет, в тропической зоне Тихого океана установились условия Эль-Ниньо, что создает предпосылки для вероятного резкого повышения глобальной температуры и разрушительных погодных и климатических условий. Вероятность продолжения явления Эль-Ниньо во второй половине 2023 года составляет 90%. Ожидается, что оно будет, как минимум, умеренной силы.
Эль-Ниньо — это климатический режим естественного происхождения, связанный с повышением температуры поверхности океана в центральной и восточной частях тропической зоны Тихого океана. Эль-Ниньо возникает в среднем раз в 2–7 лет, и его эпизоды обычно длятся от 9 до 12 месяцев. На карте 1️⃣ показаны типичные изменения в характере выпадения осадков, связанные с условиями Эль-Ниньо. Вероятностные прогнозы изменений приземной температуры воздуха и осадков на сезон июль-сентябрь 2023 года показаны на карте 2️⃣ (базовый период, по отношению к которому считаются изменения: 1993–2009 гг.).
В преддверии явления Эль-Ниньо в докладе ВМО, опубликованном в мае, прогнозируется, что существует 98%-ная вероятность того, что по крайней мере один из следующих пяти лет и пятилетний период в целом будут самыми теплыми за всю историю наблюдений, побив рекорд, установленный в 2016 году, когда наблюдалось исключительно сильное Эль-Ниньо.
Информационные ресурсы Всемирной метеорологической организации:
📜 Бюллетень ВМО (выходит дважды в год в онлайновой версии).
📜 Global Seasonal Climate Update (ежеквартальный) — текущее состояние и прогноз глобального сезонного климата.
#климат #данные
Согласно очередному бюллетеню Всемирной метеорологической организации (ВМО), в этом году, впервые за семь лет, в тропической зоне Тихого океана установились условия Эль-Ниньо, что создает предпосылки для вероятного резкого повышения глобальной температуры и разрушительных погодных и климатических условий. Вероятность продолжения явления Эль-Ниньо во второй половине 2023 года составляет 90%. Ожидается, что оно будет, как минимум, умеренной силы.
Эль-Ниньо — это климатический режим естественного происхождения, связанный с повышением температуры поверхности океана в центральной и восточной частях тропической зоны Тихого океана. Эль-Ниньо возникает в среднем раз в 2–7 лет, и его эпизоды обычно длятся от 9 до 12 месяцев. На карте 1️⃣ показаны типичные изменения в характере выпадения осадков, связанные с условиями Эль-Ниньо. Вероятностные прогнозы изменений приземной температуры воздуха и осадков на сезон июль-сентябрь 2023 года показаны на карте 2️⃣ (базовый период, по отношению к которому считаются изменения: 1993–2009 гг.).
В преддверии явления Эль-Ниньо в докладе ВМО, опубликованном в мае, прогнозируется, что существует 98%-ная вероятность того, что по крайней мере один из следующих пяти лет и пятилетний период в целом будут самыми теплыми за всю историю наблюдений, побив рекорд, установленный в 2016 году, когда наблюдалось исключительно сильное Эль-Ниньо.
Информационные ресурсы Всемирной метеорологической организации:
📜 Бюллетень ВМО (выходит дважды в год в онлайновой версии).
📜 Global Seasonal Climate Update (ежеквартальный) — текущее состояние и прогноз глобального сезонного климата.
#климат #данные
Forwarded from Вокруг Света | Путешествия • История • Наука
Похожие на огромные цветочные клумбы, поля быстро приобрели известность среди фотографов, которые стекаются сюда со всего мира в феврале — марте, когда рапс цветет наиболее интенсивно. Особенной популярностью среди иностранцев пользуются вертолетные туры, которые позволяют запечатлеть красоту ландшафтного дизайна с высоты птичьего полета.
Рапс — очень популярная в Китае сельскохозяйственная культура. Разные виды рапсового масла употребляются в пищу и применяются как биодизельное топливо. Кроме того, рапс используют в качестве медоносного растения и как сырье для производства корма для животных.
Общая посевная площадь рапса в Китае составляет около 7 000 000 гектаров, что делает страну крупнейшим в мире производителем этой культуры. Рапс высаживают по всему Китаю, однако цветет он в разное время, в зависимости от климатических условий той или иной местности. Самыми обширными считаются рапсовые поля в Люпинге.
🌎 Вокруг света. Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Завершился финальный этап научно-исследовательской программы “Стратосферный спутник – 2023”. Итоги — на канале “Ключ на старт”.
🥇Первое место в Лиге “Стратонавт-испытатель” заняла команда радиолаборатории “Импульс” из Челябинска, и 27 июня на орбиту отправился их первый спутник — TinySat Stratosat-TK1A. Телеметрию аппарата можно посмотреть в @EfirNet_bot
А для подготовки к следующей программе прослушайте цикл лекций на канале “Стратонавтика”.
#обучение
🥇Первое место в Лиге “Стратонавт-испытатель” заняла команда радиолаборатории “Импульс” из Челябинска, и 27 июня на орбиту отправился их первый спутник — TinySat Stratosat-TK1A. Телеметрию аппарата можно посмотреть в @EfirNet_bot
А для подготовки к следующей программе прослушайте цикл лекций на канале “Стратонавтика”.
#обучение
Forwarded from Летняя Космическая Школа
Секция «Баллистика и орбитальная механика» — это уникальная возможность узнать о профессии баллистика из первых рук: о том, как проектируются траектории для космических аппаратов и их группировок, как работает Центр управления полётом, что такое баллистическое обеспечение космического полёта.
Программа секции охватывает:
▪️ баллистику в околоземном пространстве (виды и особенности орбит, возмущённое и невозмущённое движение космических аппаратов, расчёт сеансов связи, оценка срока активного существования на орбите);
▪️ баллистику межпланетных полетов (приближенные методы расчёта перелётов между несколькими телами, гравитационные манёвры, орбиты в окрестностях точек либрации);
▪️ применение специализированного ПО для баллистических расчётов (NASA GMAT и KSP TOT);
▪️освоение симуляции космического полёта по методике Летней Космической Школы;
▪️управление и пилотирование космической техники в симуляции, включая навыки ручной стыковки и посадки на безатмосферные небесные тела.
В конце Школы участников ждёт симуляция космического полёта. Участники секции станут пилотами, навигаторами и сотрудниками Центра управления полётом в сценариях космических миссий:
▪️полёт к Луне с высадкой на обратной стороне у сверхдлинноволнового радиотелескопа;
▪️полёт в точку либрации L2 системы Земля-Солнце для доставки и развёртывания нового рентген-гамма космического телескопа;
▪️экспедиция в систему Сатурна к Энцеладу для завершения строительства гигантского нейтринного телескопа;
▪️рейс на дальнюю окраину Солнечной системы для проведения наблюдений с помощью гравитационной линзы Солнца;
▪️миссия-перехват межзвёздного астероида для сбора вещества из другой звёздной системы.
Регистрация
Программа секции охватывает:
▪️ баллистику в околоземном пространстве (виды и особенности орбит, возмущённое и невозмущённое движение космических аппаратов, расчёт сеансов связи, оценка срока активного существования на орбите);
▪️ баллистику межпланетных полетов (приближенные методы расчёта перелётов между несколькими телами, гравитационные манёвры, орбиты в окрестностях точек либрации);
▪️ применение специализированного ПО для баллистических расчётов (NASA GMAT и KSP TOT);
▪️освоение симуляции космического полёта по методике Летней Космической Школы;
▪️управление и пилотирование космической техники в симуляции, включая навыки ручной стыковки и посадки на безатмосферные небесные тела.
В конце Школы участников ждёт симуляция космического полёта. Участники секции станут пилотами, навигаторами и сотрудниками Центра управления полётом в сценариях космических миссий:
▪️полёт к Луне с высадкой на обратной стороне у сверхдлинноволнового радиотелескопа;
▪️полёт в точку либрации L2 системы Земля-Солнце для доставки и развёртывания нового рентген-гамма космического телескопа;
▪️экспедиция в систему Сатурна к Энцеладу для завершения строительства гигантского нейтринного телескопа;
▪️рейс на дальнюю окраину Солнечной системы для проведения наблюдений с помощью гравитационной линзы Солнца;
▪️миссия-перехват межзвёздного астероида для сбора вещества из другой звёздной системы.
Регистрация
Изменение яркости радарных снимков по дальности
Радарные снимки содержат систематический градиент яркости изображения в направлении дальности. В основном это вызвано тем, что обратное рассеяние радарного сигнала уменьшается с увеличением местного угла падения (local incidence angle) 1️⃣, а тот, в свою очередь, увеличивается с расстоянием в направлении дальности. В результате радарные снимки будут темнеть с увеличением дальности.
Этот эффект сильнее выражен у авиационных радаров, чем у спутниковых, так как при одинаковой ширине полосы обзора, диапазон углов падения у авиационных систем больше, из-за меньшей высоты полета. Компенсировать этот эффект до некоторой степени помогают математические модели, но убрать его полностью не удается. Дело в том, что градиент яркости связан с изменением не просто угла падения, а именно местного угла падения, то есть угла падения в данной точке поверхности. Этот угол зависит от рельефа (рисунок 2️⃣), поэтому и не удается компенсировать его влияние полностью.
Рисунок 3️⃣ представляет снимок вулкана Hualalai (Гавайи, США), сделанный авиационным радаром с разницей в угле обзора от ближнего до дальнего края сцены — около 14°. Радар расположен в верхней части снимка. На рисунке (a) нет компенсации изменения яркости, связанного с дальностью, а на рисунке (b) она есть.
Источники снимков: 1, 2,
3️⃣ Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Радарные снимки содержат систематический градиент яркости изображения в направлении дальности. В основном это вызвано тем, что обратное рассеяние радарного сигнала уменьшается с увеличением местного угла падения (local incidence angle) 1️⃣, а тот, в свою очередь, увеличивается с расстоянием в направлении дальности. В результате радарные снимки будут темнеть с увеличением дальности.
Этот эффект сильнее выражен у авиационных радаров, чем у спутниковых, так как при одинаковой ширине полосы обзора, диапазон углов падения у авиационных систем больше, из-за меньшей высоты полета. Компенсировать этот эффект до некоторой степени помогают математические модели, но убрать его полностью не удается. Дело в том, что градиент яркости связан с изменением не просто угла падения, а именно местного угла падения, то есть угла падения в данной точке поверхности. Этот угол зависит от рельефа (рисунок 2️⃣), поэтому и не удается компенсировать его влияние полностью.
Рисунок 3️⃣ представляет снимок вулкана Hualalai (Гавайи, США), сделанный авиационным радаром с разницей в угле обзора от ближнего до дальнего края сцены — около 14°. Радар расположен в верхней части снимка. На рисунке (a) нет компенсации изменения яркости, связанного с дальностью, а на рисунке (b) она есть.
Источники снимков: 1, 2,
3️⃣ Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Выпуск пикоспутников TinySat из пускового контейнера состоится сегодня в 09:40 МСК
11 июля 2023 года, в 09:40 МСК, малый космический аппарат “STRATOSAT-TK1 (RS52S)“ произведет выпуск из своего контейнера шести школьных пикоспутников формата TinySat: STRATOSAT-TK1-A, STRATOSAT-TK1-B, …, STRATOSAT-TK1-F. Аппараты будут передавать телеметрическую информацию и изображения с камеры.
Информация для радиолюбителей: https://r4uab.ru/2023/07/11/11-iyulya-2023-goda-sostoitsya-vypusk-shesti-piko-sputnikov-formata-tynysat-iz-kontejnera-mka-stratosat-tk1-rs52s/
TinySat — это миниатюрные спутники размером 50х50х50 мм и массой до 250 гр.
11 июля 2023 года, в 09:40 МСК, малый космический аппарат “STRATOSAT-TK1 (RS52S)“ произведет выпуск из своего контейнера шести школьных пикоспутников формата TinySat: STRATOSAT-TK1-A, STRATOSAT-TK1-B, …, STRATOSAT-TK1-F. Аппараты будут передавать телеметрическую информацию и изображения с камеры.
Информация для радиолюбителей: https://r4uab.ru/2023/07/11/11-iyulya-2023-goda-sostoitsya-vypusk-shesti-piko-sputnikov-formata-tynysat-iz-kontejnera-mka-stratosat-tk1-rs52s/
TinySat — это миниатюрные спутники размером 50х50х50 мм и массой до 250 гр.
Последние новости по развертыванию пикоспутников можно узнать на тг-канале https://yangx.top/r4uab_ru.
Telegram
R4UAB блог 📡🛰
Amateur satellite communications and monitoring
Telegram chat: @amateursat
Telegram chat: @amateursat
Продолжается регистрация участников Национальной технологической олимпиады
Национальная технологическая олимпиада — это командные инженерные соревнования для школьников и студентов. Участники разделены на три возрастные категории: школьники 5−7 классов, школьники 8−11 классов, студенты колледжей и вузов. Срок окончания регистрации: 27 августа 2023 года. Все подробности — на сайте олимпиады.
Олимпиада проводится ежегодно, начиная с 2015 года. Кроме возрастных категорий, существует разделение по дисциплинам (профилям), которых на олимпиаде десятки. Вот пример для школьников 8–11 классов.
Среди дисциплин “Космического проекта” есть “Анализ космических снимков и геопространственных данных”, а также “Спутниковые системы”, “Большие данные и машинное обучение”.
На НТО Junior для школьников 5-7 классов есть сфера "Технологии и космос" (тг-канал).
Олимпиада — это безусловно хорошо. Можно получить опыт командной работы, прибавить баллов к ЕГЭ. Но нужно хорошо подготовится. Для этого в каждой дисциплине прилагаются материалы и задания прошлых лет. Так что оценить свой уровень, выявить слабые места и подтянуть их, можно заранее. А некоторые задания для школьников заставят призадуматься и студентов. Организация такого дела — огромный труд и спасибо организатором за то, что они его делают.
Теперь о минусах. Первый поменьше, скорее это просто брюзжание: использование птичьего языка — мейкерство, hard skills (без перевода) и т. п. Изобилие таких терминов не делает тексты доступнее. Скорее, они становятся похожими на старые фильмы про XVIII век, с их “баталиями“, “детраншементами” и прочими “кунштюками”. Вопрос: почему Олимпиада — национальная? Она что, относится к какой-то национальности? Так говорят в США, чтобы обозначить общегосударственный уровень, выше уровня отдельных штатов.
Второй минус поважнее: освещение события. ТВ, конечно, сообщит, что олимпиада состоялась. Но, раз это соревнование, то хотелось бы наблюдать борьбу. Хочется, чтобы за борьбой следили сверстники участников, и видели, что не боги горшки обжигают, что они могут не хуже... Кстати, среди дисциплин есть научная журналистика. А как насчет ведения стримов? В смысле — подготовить тех, кто может освещать олимпиаду, на самой олимпиаде. Возражение, что это будет скучно, опровергается многолетним опытом “Что? Где? Когда?”
#обучение #конкурс
Национальная технологическая олимпиада — это командные инженерные соревнования для школьников и студентов. Участники разделены на три возрастные категории: школьники 5−7 классов, школьники 8−11 классов, студенты колледжей и вузов. Срок окончания регистрации: 27 августа 2023 года. Все подробности — на сайте олимпиады.
Олимпиада проводится ежегодно, начиная с 2015 года. Кроме возрастных категорий, существует разделение по дисциплинам (профилям), которых на олимпиаде десятки. Вот пример для школьников 8–11 классов.
Среди дисциплин “Космического проекта” есть “Анализ космических снимков и геопространственных данных”, а также “Спутниковые системы”, “Большие данные и машинное обучение”.
На НТО Junior для школьников 5-7 классов есть сфера "Технологии и космос" (тг-канал).
Олимпиада — это безусловно хорошо. Можно получить опыт командной работы, прибавить баллов к ЕГЭ. Но нужно хорошо подготовится. Для этого в каждой дисциплине прилагаются материалы и задания прошлых лет. Так что оценить свой уровень, выявить слабые места и подтянуть их, можно заранее. А некоторые задания для школьников заставят призадуматься и студентов. Организация такого дела — огромный труд и спасибо организатором за то, что они его делают.
Теперь о минусах. Первый поменьше, скорее это просто брюзжание: использование птичьего языка — мейкерство, hard skills (без перевода) и т. п. Изобилие таких терминов не делает тексты доступнее. Скорее, они становятся похожими на старые фильмы про XVIII век, с их “баталиями“, “детраншементами” и прочими “кунштюками”. Вопрос: почему Олимпиада — национальная? Она что, относится к какой-то национальности? Так говорят в США, чтобы обозначить общегосударственный уровень, выше уровня отдельных штатов.
Второй минус поважнее: освещение события. ТВ, конечно, сообщит, что олимпиада состоялась. Но, раз это соревнование, то хотелось бы наблюдать борьбу. Хочется, чтобы за борьбой следили сверстники участников, и видели, что не боги горшки обжигают, что они могут не хуже... Кстати, среди дисциплин есть научная журналистика. А как насчет ведения стримов? В смысле — подготовить тех, кто может освещать олимпиаду, на самой олимпиаде. Возражение, что это будет скучно, опровергается многолетним опытом “Что? Где? Когда?”
#обучение #конкурс
GEE-33. Данные Sentinel-1 GRD в линейной шкале
У нас уже есть опыт создания RGB-композита из данных Sentinel-1, представленных в логарифмической шкале (‘COPERNICUS/S1_GRD'). Теперь создадим аналогичный композит из данных в линейной шкале (‘COPERNICUS/S1_GRD_FLOAT’).
Кроме того, наладим более детальную фильтрацию коллекции (в прошлый раз мы ограничились указанием района и интервала времени). Вот свойства радарных снимков (и их значения), по которым обычно отбирают данные Sentinel-1:
1.
2.
3.
5.
Наша коллекция дополнительно фильтруется по режиму съемки и типу орбиты:
Цветовая гамма полученного композита, в конечном счете, зависит от диапазонов изменения каждого цвета (min, max). Мы подбирали их отдельно для каждого канала, ограничивая шириной в 1σ.
Код примера
#GEE #SAR
У нас уже есть опыт создания RGB-композита из данных Sentinel-1, представленных в логарифмической шкале (‘COPERNICUS/S1_GRD'). Теперь создадим аналогичный композит из данных в линейной шкале (‘COPERNICUS/S1_GRD_FLOAT’).
Кроме того, наладим более детальную фильтрацию коллекции (в прошлый раз мы ограничились указанием района и интервала времени). Вот свойства радарных снимков (и их значения), по которым обычно отбирают данные Sentinel-1:
1.
transmitterReceiverPolarisation: ['VV'], ['HH'], ['VV', 'VH'], ['HH', 'HV'].2.
instrumentMode: 'IW' (Interferometric Wide Swath), 'EW' (Extra Wide Swath), 'SM' (Strip Map).3.
orbitProperties_pass: 'ASCENDING', 'DESCENDING'
4. resolution_meters: 10, 25, 405.
resolution: 'M' (medium), 'H' (high).Наша коллекция дополнительно фильтруется по режиму съемки и типу орбиты:
var s1Col = ee.ImageCollection('COPERNICUS/S1_GRD_FLOAT')
.filter(ee.Filter.eq('instrumentMode', 'IW'))
.filter(ee.Filter.eq('orbitProperties_pass', 'ASCENDING'))
.filterDate('2019-03-22', '2019-03-24')
.filterBounds(point) // добавим канал VV/VH
.map(function(image) {
var band = image.select('VV').divide(image.select('VH')).rename('VV_VH');
return image.addBands(band);
});
К каждому снимку добавляется канал VV/VH, используемый вместе с VV и VH для создания RGB-композита.Цветовая гамма полученного композита, в конечном счете, зависит от диапазонов изменения каждого цвета (min, max). Мы подбирали их отдельно для каждого канала, ограничивая шириной в 1σ.
var s1VisParam = {
bands: ['VV','VH','VV_VH'],
min: [-0.3, -0.02, -1.3],
max: [0.5, 0.06, 9.8],
};
Если цветовой диапазон узкий, вы получаете более сильные контрасты. То же самое относится и к соотношению компонент красного, зеленого и синего. Например, если вы хотите больше зеленого, уменьшите диапазон зеленого.Код примера
#GEE #SAR
11 июля шесть пикоспутников успешно выпущены из транспортного контейнера миниатюрного спутника StratoSat-TK1 (RS52S).
Обозначения пикоспутников отличаются суффиксом в виде латинской или транслитерированной русской буквы: StratoSat-TK1-A (RS52SA), StratoSat-TK1-B (RS52SB), StratoSat-TK1-C (RS52SV), StratoSat-TK1-D (RS52SG), StratoSat-TK1-E (RS52SD) STRATOSAT-TK1-F (RS52SE).
Частоты пикоспутников StratoSat-TK1-B – StratoSat-TK1-F: 436.260 MHz, 2-FSK 1200 bd, LoRa
Частота пикоспутника StratoSat-TK1-B: 435.060 MHz, CW
Про различия между пикоспутниками читайте здесь.
В сети любительских наземных станций TinyGS установлена связь с 5 пикоспутниками:
https://tinygs.com/satellite/RS52SB
https://tinygs.com/satellite/RS52SV
https://tinygs.com/satellite/RS52SG
https://tinygs.com/satellite/RS52SD
https://tinygs.com/satellite/RS52SE
В базе SatNOGS указано, что установлена связь со всеми шестью пикоспутниками:
https://db.satnogs.org/search/?q=stratosat
Все пикоспутники функционируют. Правда, относительно каждого стоит пометка: Satellite is reported to be transmitting at an uncoordinated or denied frequency.
#наблюдение
Обозначения пикоспутников отличаются суффиксом в виде латинской или транслитерированной русской буквы: StratoSat-TK1-A (RS52SA), StratoSat-TK1-B (RS52SB), StratoSat-TK1-C (RS52SV), StratoSat-TK1-D (RS52SG), StratoSat-TK1-E (RS52SD) STRATOSAT-TK1-F (RS52SE).
Частоты пикоспутников StratoSat-TK1-B – StratoSat-TK1-F: 436.260 MHz, 2-FSK 1200 bd, LoRa
Частота пикоспутника StratoSat-TK1-B: 435.060 MHz, CW
Про различия между пикоспутниками читайте здесь.
В сети любительских наземных станций TinyGS установлена связь с 5 пикоспутниками:
https://tinygs.com/satellite/RS52SB
https://tinygs.com/satellite/RS52SV
https://tinygs.com/satellite/RS52SG
https://tinygs.com/satellite/RS52SD
https://tinygs.com/satellite/RS52SE
В базе SatNOGS указано, что установлена связь со всеми шестью пикоспутниками:
https://db.satnogs.org/search/?q=stratosat
Все пикоспутники функционируют. Правда, относительно каждого стоит пометка: Satellite is reported to be transmitting at an uncoordinated or denied frequency.
#наблюдение
Telegram
Спутник ДЗЗ
Выпуск пикоспутников TinySat из пускового контейнера состоится сегодня в 09:40 МСК
11 июля 2023 года, в 09:40 МСК, малый космический аппарат “STRATOSAT-TK1 (RS52S)“ произведет выпуск из своего контейнера шести школьных пикоспутников формата TinySat: STRATOSAT…
11 июля 2023 года, в 09:40 МСК, малый космический аппарат “STRATOSAT-TK1 (RS52S)“ произведет выпуск из своего контейнера шести школьных пикоспутников формата TinySat: STRATOSAT…
GEE-34. Преобразование Tasseled Cap: теория
Tasseled Cap (“Шляпа с кисточкой”) — это линейное преобразование мультиспектральных снимков, частный случай метода главных компонент. Преобразование Tasseled Cap (TC) позволяет сократить число признаков, используемых при распознавании объектов, и тем самым упростить процесс распознавания. Достигается это путем перехода от системы координат, где признаки скоррелированы между собой, к новой системе координат, где они не коррелированы.
Признаки — это яркости в спектральных каналах спутникового сенсора. Вектор яркостей x преобразуется в вектор новых признаков u следующим образом
u = W*x + r
W — ортогональная матрица преобразования, r — вектор смещения.
Преобразование TC осуществляет поворот многомерного эллипсоида в пространстве яркостей спектральных каналов так, чтобы главные оси эллипсоида соответствовали спектрам поглощения сельскохозяйственных культур. Метод получил свое название по форме области рассеяния значений пикселей в новой системе координат.
С двумерным TC мы уже знакомы. Вот (и вот) изображения в пространстве яркостей красного и ближнего инфракрасного каналов. Примерный результат TC показан на рисунке 1️⃣. Линия почвы после преобразования располагается параллельно одной из новых координатных осей (Brightness).
В результате многочисленных экспериментов были выделены три производных признака, которые содержат основную информацию о растительности:
1. ”Яркость” (Brightness) или “яркость почв”. Соответствующее ей значение пикселя определяется как взвешенная сумма всех каналов. Яркость обычно ассоциируется с открытой почвой (или почвой, частично покрытой растительностью), антропогенными объектами и вариациями рельефа.
2. ”Зелень” (Greenness) — направление, ортогональное яркости. Соответствует контрасту между видимыми и ближним ИК каналами, и хорошо отражает количество хлорофилла в растениях. Кривые отражения открытой почвы имеют высокие значения “яркости” и низкие значения “зелени”.
3. ”Влажность” (Wetness) или “желтизна” — третье ортогональное направление, связанное с водными объектами, влагосодержанием почвы и состоянием растительности.
Остальные новые признаки, если они есть, называются по их номерам.
TC поворачивает пространство исходных мультиспектральных данных таким образом, чтобы “яркость”, “зелень” и “влажность” стали новыми осями пространства признаков.
В отличие от матрицы преобразования в методе главных компонент, матрица преобразования TC одинакова для всех сцен, полученных одним сенсором. В то же время, поскольку свойства почв, растительности и влажности различаются для разных климатических зон, подбор линейных комбинаций каналов носит эмпирический характер. В литературе обычно приводятся значения коэффициентов преобразования ТС, соответствующие съемке территории США.
#GEE #основы #сельхоз
Tasseled Cap (“Шляпа с кисточкой”) — это линейное преобразование мультиспектральных снимков, частный случай метода главных компонент. Преобразование Tasseled Cap (TC) позволяет сократить число признаков, используемых при распознавании объектов, и тем самым упростить процесс распознавания. Достигается это путем перехода от системы координат, где признаки скоррелированы между собой, к новой системе координат, где они не коррелированы.
Признаки — это яркости в спектральных каналах спутникового сенсора. Вектор яркостей x преобразуется в вектор новых признаков u следующим образом
u = W*x + r
W — ортогональная матрица преобразования, r — вектор смещения.
Преобразование TC осуществляет поворот многомерного эллипсоида в пространстве яркостей спектральных каналов так, чтобы главные оси эллипсоида соответствовали спектрам поглощения сельскохозяйственных культур. Метод получил свое название по форме области рассеяния значений пикселей в новой системе координат.
С двумерным TC мы уже знакомы. Вот (и вот) изображения в пространстве яркостей красного и ближнего инфракрасного каналов. Примерный результат TC показан на рисунке 1️⃣. Линия почвы после преобразования располагается параллельно одной из новых координатных осей (Brightness).
В результате многочисленных экспериментов были выделены три производных признака, которые содержат основную информацию о растительности:
1. ”Яркость” (Brightness) или “яркость почв”. Соответствующее ей значение пикселя определяется как взвешенная сумма всех каналов. Яркость обычно ассоциируется с открытой почвой (или почвой, частично покрытой растительностью), антропогенными объектами и вариациями рельефа.
2. ”Зелень” (Greenness) — направление, ортогональное яркости. Соответствует контрасту между видимыми и ближним ИК каналами, и хорошо отражает количество хлорофилла в растениях. Кривые отражения открытой почвы имеют высокие значения “яркости” и низкие значения “зелени”.
3. ”Влажность” (Wetness) или “желтизна” — третье ортогональное направление, связанное с водными объектами, влагосодержанием почвы и состоянием растительности.
Остальные новые признаки, если они есть, называются по их номерам.
TC поворачивает пространство исходных мультиспектральных данных таким образом, чтобы “яркость”, “зелень” и “влажность” стали новыми осями пространства признаков.
В отличие от матрицы преобразования в методе главных компонент, матрица преобразования TC одинакова для всех сцен, полученных одним сенсором. В то же время, поскольку свойства почв, растительности и влажности различаются для разных климатических зон, подбор линейных комбинаций каналов носит эмпирический характер. В литературе обычно приводятся значения коэффициентов преобразования ТС, соответствующие съемке территории США.
#GEE #основы #сельхоз