Снимок Sentinel-1, сделанный 5 июля 2021 года (72-я орбита) до 1️⃣ и после 2️⃣ спекл-фильтрации.
Месторождения водорода
На снимке, сделанном 27 июня 2023 года спутником Landsat 9, изображены группы так называемых "кругов фей" (fairy circles) вблизи города Мооры, расположенного примерно в 150 км к северу от Перта (Австралия). “Круги фей” — это круглые впадины, тянущиеся с севера на юг вдоль разлома Дарлинг. Диаметр впадин достигает нескольких сотен метров, а количество растительности и воды в них меняется со временем. В 2021 году австралийские ученые провели здесь измерения содержания газов в почве, и обнаружили, что в почве присутствует водород, причем его концентрация повышена по краям “кругов фей”.
Водород образуется в недрах Земли естественным путем в результате ряда процессов, включая метаморфические реакции и радиолиз воды (разложение молекул воды под действием ионизирующих излучений). Авторы исследования предполагают, что водород в бассейне Северного Перта образовался благодаря реакции воды с богатыми железом породами, а зона разломов обеспечила путь для миграции газа к поверхности.
Полукруглые и круглые участки поверхности с высокой концентрацией водорода в почве зафиксированы по всему миру. Сейчас, как правило, водородные резервуары обнаруживаются случайно — по следам утечек из них, вроде "кругов фей". Проблема в том, что в смеси с кислородом или воздухом водород взрывается, и утечки природного водорода могут вызвать катастрофические последствия.
В то же время, растет интерес к водороду как к топливу с нулевым уровнем выбросов. Для производства водорода используются энергоемкие процессы, такие как разделение воды на водород и кислород с помощью электрического тока или выделение водорода из ископаемого топлива. В этой связи природные источники водорода могли бы стать разумной альтернативой. Однако, предстоит еще многое узнать о том, как и где водород образуется под землей, как его лучше добывать и хранить.
#водород
На снимке, сделанном 27 июня 2023 года спутником Landsat 9, изображены группы так называемых "кругов фей" (fairy circles) вблизи города Мооры, расположенного примерно в 150 км к северу от Перта (Австралия). “Круги фей” — это круглые впадины, тянущиеся с севера на юг вдоль разлома Дарлинг. Диаметр впадин достигает нескольких сотен метров, а количество растительности и воды в них меняется со временем. В 2021 году австралийские ученые провели здесь измерения содержания газов в почве, и обнаружили, что в почве присутствует водород, причем его концентрация повышена по краям “кругов фей”.
Водород образуется в недрах Земли естественным путем в результате ряда процессов, включая метаморфические реакции и радиолиз воды (разложение молекул воды под действием ионизирующих излучений). Авторы исследования предполагают, что водород в бассейне Северного Перта образовался благодаря реакции воды с богатыми железом породами, а зона разломов обеспечила путь для миграции газа к поверхности.
Полукруглые и круглые участки поверхности с высокой концентрацией водорода в почве зафиксированы по всему миру. Сейчас, как правило, водородные резервуары обнаруживаются случайно — по следам утечек из них, вроде "кругов фей". Проблема в том, что в смеси с кислородом или воздухом водород взрывается, и утечки природного водорода могут вызвать катастрофические последствия.
В то же время, растет интерес к водороду как к топливу с нулевым уровнем выбросов. Для производства водорода используются энергоемкие процессы, такие как разделение воды на водород и кислород с помощью электрического тока или выделение водорода из ископаемого топлива. В этой связи природные источники водорода могли бы стать разумной альтернативой. Однако, предстоит еще многое узнать о том, как и где водород образуется под землей, как его лучше добывать и хранить.
#водород
Вот интересное видео об ископаемом водороде. Обсуждаются причины появления водородных колец (“кругов фей”), теория водородной земли, опасности дегазации водорода и возможности водородной экономики.
#водород
#водород
YouTube
Ископаемый водород и его последствия (Полеванов, Марцинкевич)
Долгожданный ролик! Водород можно не только производить, но еще и добывать из недр Земли. Выходы природного водорода есть на всех континентах. Академик РАЕН Владимир Полеванов и Борис Марцинкевич обсуждают причины появления водородных колец, теорию водородной…
Таиландский спутник THEOS-2 планируется к запуску в октябре
Как сообщает тайландское Агентство по развитию геоинформатики и космических технологий (Geo-Informatics and Space Technology Development Agency, GISTDA) спутник Thailand Earth Observation Satellite 2 (THEOS-2) планируется к запуску в октябре нынешнего года. Спутник уже отправлен из Тулузы на космодром Куру во Французской Гвиане. THEOS-2 заменит на орбите своего предшественника — первый тайландский спутник THEOS, запущенный 1 октября 2008 года.
THEOS-2, о котором идет речь, точнее называть — THEOS-2 Main. Его разработчиком, как и разработчиком THEOS, является Airbus Defence and Space. Собранный на платформе AstroBus-S спутник имеет массу около 425 кг и оснащен камерой с максимальным пространственным разрешением 50 сантиметров.
Параллельно с THEOS-2 Main дочернее предприятие Airbus DS — Surrey Satellite Technology Ltd (SSTL) создает 100-килограммовый THEOS-2 SmallSAT. В работе над этим спутником принимают участие таиландские специалисты. На рисунке показано тестирование аппарата THEOS-2 SmallSAT.
Упоминается (здесь и здесь), что в разработке THEOS-2 принимала участие Южная Корея. Однако подробностей по этому поводу не сообщается.
Известно, что Южная Корея в феврале этого года договорилась с Таиландом изучить возможность совместного строительства космодрома на территории Таиланда, о чем Южнокорейское министерство науки и информационно-коммуникационных технологий подписало соглашение с GISTDA. Они совместно подготовят технико-экономическое обоснование проекта космодрома.
Как сообщает тайландское Агентство по развитию геоинформатики и космических технологий (Geo-Informatics and Space Technology Development Agency, GISTDA) спутник Thailand Earth Observation Satellite 2 (THEOS-2) планируется к запуску в октябре нынешнего года. Спутник уже отправлен из Тулузы на космодром Куру во Французской Гвиане. THEOS-2 заменит на орбите своего предшественника — первый тайландский спутник THEOS, запущенный 1 октября 2008 года.
THEOS-2, о котором идет речь, точнее называть — THEOS-2 Main. Его разработчиком, как и разработчиком THEOS, является Airbus Defence and Space. Собранный на платформе AstroBus-S спутник имеет массу около 425 кг и оснащен камерой с максимальным пространственным разрешением 50 сантиметров.
Параллельно с THEOS-2 Main дочернее предприятие Airbus DS — Surrey Satellite Technology Ltd (SSTL) создает 100-килограммовый THEOS-2 SmallSAT. В работе над этим спутником принимают участие таиландские специалисты. На рисунке показано тестирование аппарата THEOS-2 SmallSAT.
Упоминается (здесь и здесь), что в разработке THEOS-2 принимала участие Южная Корея. Однако подробностей по этому поводу не сообщается.
Известно, что Южная Корея в феврале этого года договорилась с Таиландом изучить возможность совместного строительства космодрома на территории Таиланда, о чем Южнокорейское министерство науки и информационно-коммуникационных технологий подписало соглашение с GISTDA. Они совместно подготовят технико-экономическое обоснование проекта космодрома.
Оценка индекса содержания азота по данным видимого и ближнего инфракрасного диапазонов
В статье
Çimtay, Y. Estimating Plant Nitrogen by Developing an Accurate Correlation between VNIR-Only Vegetation Indexes and the Normalized Difference Nitrogen Index. Remote Sens. 2023, 15, 3898. https://doi.org/10.3390/rs15153898
затрагивается интересная проблема. Есть индекс для оценки содержания азота в почве — NDNI, но для его расчета используются экзотические SWIR-каналы (1510 нм и 1680 нм), которые есть только у гиперспектральных данных. Хорошо бы выразить этот индекс через значения каналов (и индексов) видимого и ближнего инфракрасного диапазонов (VNIR). Тогда оценить NDNI, а значит и содержание азота, можно было бы по данных других спутников, например Sentinel-2.
В качестве гиперспектральных данных использованы данные "Гипериона", которые есть на Google Earth Engine. Автор демонстрируют сильную корреляцию между набором выбранных им каналов и индексов из VNIR и NDNI (коэффициент детерминации R^2 = 0.91). Казалось бы, цель достигнута. Но есть два нюанса: поменьше и побольше.
1. Автор использует для регрессии нейросеть, которую называет глубокой. Возможно, это оттого, что для ее создания используется Matlab Deep Learning Toolboх. Тем не менее, сеть прямого распространения с четырьмя скрытыми слоями трудно назвать глубокой.
2. Выбранные каналы и индексы из VNIR являются специфическими для гиперспектральных данных. Автор выбрал каналы: красный, зеленый, синий, NIR, 550 нм, 670 нм, 715 нм, 726 нм, 747 нм, 734 нм и 800 нм. Большинства из них нет в Sentinel-2 и других распространенных спутниковых данных, а значит применить подход напрямую можно будет только для гиперспектральных сенсоров, ограниченных диапазоном VNIR. Для мультиспектральных данных потребуются дополнительные исследования.
Естественно, во Введении и в Выводах этого второго нюанса нет)
#растительность #данные
В статье
Çimtay, Y. Estimating Plant Nitrogen by Developing an Accurate Correlation between VNIR-Only Vegetation Indexes and the Normalized Difference Nitrogen Index. Remote Sens. 2023, 15, 3898. https://doi.org/10.3390/rs15153898
затрагивается интересная проблема. Есть индекс для оценки содержания азота в почве — NDNI, но для его расчета используются экзотические SWIR-каналы (1510 нм и 1680 нм), которые есть только у гиперспектральных данных. Хорошо бы выразить этот индекс через значения каналов (и индексов) видимого и ближнего инфракрасного диапазонов (VNIR). Тогда оценить NDNI, а значит и содержание азота, можно было бы по данных других спутников, например Sentinel-2.
В качестве гиперспектральных данных использованы данные "Гипериона", которые есть на Google Earth Engine. Автор демонстрируют сильную корреляцию между набором выбранных им каналов и индексов из VNIR и NDNI (коэффициент детерминации R^2 = 0.91). Казалось бы, цель достигнута. Но есть два нюанса: поменьше и побольше.
1. Автор использует для регрессии нейросеть, которую называет глубокой. Возможно, это оттого, что для ее создания используется Matlab Deep Learning Toolboх. Тем не менее, сеть прямого распространения с четырьмя скрытыми слоями трудно назвать глубокой.
2. Выбранные каналы и индексы из VNIR являются специфическими для гиперспектральных данных. Автор выбрал каналы: красный, зеленый, синий, NIR, 550 нм, 670 нм, 715 нм, 726 нм, 747 нм, 734 нм и 800 нм. Большинства из них нет в Sentinel-2 и других распространенных спутниковых данных, а значит применить подход напрямую можно будет только для гиперспектральных сенсоров, ограниченных диапазоном VNIR. Для мультиспектральных данных потребуются дополнительные исследования.
Естественно, во Введении и в Выводах этого второго нюанса нет)
#растительность #данные
NASA Carbon Monitoring System — здесь собираются данные спутниковых, воздушных и наземных наблюдений NASA, а также результаты моделирования, касающиеся оценки содержания углекислого газа в атмосфере.
Сейчас, когда закладываются системы карбоновых и тестовых полигонов, важно, чтобы результаты наблюдений на этих полигонах были доступны широкому кругу исследователей, и оформились в какой-то аналог CMS. Почти также важно, еще на старте процесса создания полигонов выработать единые методики проведения наблюдений и стандарты представления результатов. По CMS очень заметно, что это коллекция, создаваемая “с бору по сосенке”. Искать информацию в ней — не самое простое дело. Хотя, безусловно, лучше такая коллекция, чем никакой.
#данные
Сейчас, когда закладываются системы карбоновых и тестовых полигонов, важно, чтобы результаты наблюдений на этих полигонах были доступны широкому кругу исследователей, и оформились в какой-то аналог CMS. Почти также важно, еще на старте процесса создания полигонов выработать единые методики проведения наблюдений и стандарты представления результатов. По CMS очень заметно, что это коллекция, создаваемая “с бору по сосенке”. Искать информацию в ней — не самое простое дело. Хотя, безусловно, лучше такая коллекция, чем никакой.
#данные
Немного индийских снимков
1️⃣ 6 сентября 2023 года орбитальный аппарат "Чандраян-2" с помощью двухчастотного радара Dual-frequency Synthetic Aperture Radar (DFSAR) получил изображение посадочной площадки "Чандраян-3", на которой виден модуль “Викрам”.
“Чандраян-2” относится ко второй индийской миссии на Луну, состоявшейся летом 2019 года. Сесть на поверхность Луны тогда не получилось, но орбитальный аппарат продолжил свою работу. Радар DFSAR на его борту работает в L- и S-диапазонах. ISRO утверждает, что большая длина волны (для L-диапазона это около 30 сантиметров) позволяет DFSAR исследовать лунные недра на глубину до нескольких метров. Это утверждение следует понимать как “в перспективе до…” — чаще глубина проникновения сравнима с длиной волны радара. В течение последних четырех лет DFSAR делал снимки лунной поверхности, уделяя основное внимание изучению полярных областей.
2️⃣ Индийский зонд “Адитья-L1”, запущенный 2 сентября к точке Лагранжа системы “Земля-Солнце” L1, 7 сентября сделал одновременный снимок Земли и Луны.
Зонд прибудет на орбиту вокруг точки Лагранжа L1 примерно через 4 месяца, и будет постоянно наблюдать за Солнцем без каких-либо покрытий или затмений. На борту зонда находятся четыре научных инструмента для изучения частиц и магнитных полей и еще четыре — для съемки поверхности Солнца и его атмосферы. Это поможет ученым лучше понять солнечную активность, в том числе динамику солнечных вспышек и корональных выбросов.
“Адитья-L1” должна помочь ученым разгадать одну из загадок гелиофизики — “проблему нагрева короны”. Тонкая внешняя атмосфера Солнца — невероятно горячая, ее температура достигает около 1,1 млн °С. Это примерно в 200 раз горячее, чем на поверхности Солнца.
#индия
1️⃣ 6 сентября 2023 года орбитальный аппарат "Чандраян-2" с помощью двухчастотного радара Dual-frequency Synthetic Aperture Radar (DFSAR) получил изображение посадочной площадки "Чандраян-3", на которой виден модуль “Викрам”.
“Чандраян-2” относится ко второй индийской миссии на Луну, состоявшейся летом 2019 года. Сесть на поверхность Луны тогда не получилось, но орбитальный аппарат продолжил свою работу. Радар DFSAR на его борту работает в L- и S-диапазонах. ISRO утверждает, что большая длина волны (для L-диапазона это около 30 сантиметров) позволяет DFSAR исследовать лунные недра на глубину до нескольких метров. Это утверждение следует понимать как “в перспективе до…” — чаще глубина проникновения сравнима с длиной волны радара. В течение последних четырех лет DFSAR делал снимки лунной поверхности, уделяя основное внимание изучению полярных областей.
2️⃣ Индийский зонд “Адитья-L1”, запущенный 2 сентября к точке Лагранжа системы “Земля-Солнце” L1, 7 сентября сделал одновременный снимок Земли и Луны.
Зонд прибудет на орбиту вокруг точки Лагранжа L1 примерно через 4 месяца, и будет постоянно наблюдать за Солнцем без каких-либо покрытий или затмений. На борту зонда находятся четыре научных инструмента для изучения частиц и магнитных полей и еще четыре — для съемки поверхности Солнца и его атмосферы. Это поможет ученым лучше понять солнечную активность, в том числе динамику солнечных вспышек и корональных выбросов.
“Адитья-L1” должна помочь ученым разгадать одну из загадок гелиофизики — “проблему нагрева короны”. Тонкая внешняя атмосфера Солнца — невероятно горячая, ее температура достигает около 1,1 млн °С. Это примерно в 200 раз горячее, чем на поверхности Солнца.
#индия
Приближаются конференции
🌲 19–20 октября 2023 г. в Санкт-Петербурге, в Санкт-Петербургском государственном лесотехническом университете им. С.М. Кирова состоится Третья научно-техническая конференция “Цифровые технологии в лесном секторе”.
Секции:
1. Геоинформационные технологии и дистанционные методы зондирования Земли в
лесоустройстве и лесном хозяйстве.
2. Цифровые технологии в ландшафтной архитектуре, строительстве и производстве
продукции из древесины.
3. Инфокоммуникационные и Web-технологии — возможности и перспективы применения в
лесном секторе.
4. Развитие экономики на основе использования современных цифровых технологий.
5. Цифровизация в образовании, дизайне, туризме и социальной сфере.
Подача тезисов: до 1 октября 2023 г.
Регистрация на конференцию: до 10 октября 2023 г.
Подробнее: https://spbftu.ru/dtf2023
🛰 13–17 ноября 2023 г. в Москве, в Институте космических исследований РАН состоится Двадцать первая международная конференция "Современные проблемы дистанционного зондирования Земли из космоса".
Конференция проводится в очном и онлайн формате. В рамках Конференции будет проходить XIX Международная научная Школа-конференция молодых ученых по фундаментальным проблемам дистанционного зондирования Земли из космоса.
Подача тезисов: до 15 октября 2023 г.
Регистрация на конференцию: до 7 ноября 2023 г.
Сайт конференции: http://conf.rse.geosmis.ru
#конференции
🌲 19–20 октября 2023 г. в Санкт-Петербурге, в Санкт-Петербургском государственном лесотехническом университете им. С.М. Кирова состоится Третья научно-техническая конференция “Цифровые технологии в лесном секторе”.
Секции:
1. Геоинформационные технологии и дистанционные методы зондирования Земли в
лесоустройстве и лесном хозяйстве.
2. Цифровые технологии в ландшафтной архитектуре, строительстве и производстве
продукции из древесины.
3. Инфокоммуникационные и Web-технологии — возможности и перспективы применения в
лесном секторе.
4. Развитие экономики на основе использования современных цифровых технологий.
5. Цифровизация в образовании, дизайне, туризме и социальной сфере.
Подача тезисов: до 1 октября 2023 г.
Регистрация на конференцию: до 10 октября 2023 г.
Подробнее: https://spbftu.ru/dtf2023
🛰 13–17 ноября 2023 г. в Москве, в Институте космических исследований РАН состоится Двадцать первая международная конференция "Современные проблемы дистанционного зондирования Земли из космоса".
Конференция проводится в очном и онлайн формате. В рамках Конференции будет проходить XIX Международная научная Школа-конференция молодых ученых по фундаментальным проблемам дистанционного зондирования Земли из космоса.
Подача тезисов: до 15 октября 2023 г.
Регистрация на конференцию: до 7 ноября 2023 г.
Сайт конференции: http://conf.rse.geosmis.ru
#конференции
Sentinel-1: данные SLC и GRD
Радар Sentinel-1 способен работать в четырех режимах съемки. Нас прежде всего интересует его основной режим, в котором получено подавляющее большинство снимков — режим Interferometric Wide swath (IW), при котором данные собираются в трех полосах с использованием метода Terrain Observation with Progressive Scanning SAR (TOPSAR).
Данные Sentinel-1 распространяются с различными уровнями обработки — от нулевого до второго.
Первичное “сырое” радарное изображение формируется в координатах “азимут – наклонная дальность” на наземном приемном пункте с использованием специального программного обеспечения. Такое изображение относится к данным нулевого уровня обработки.
Первый уровень обработки радарных данных — комплексное радарное изображение (Single Look Complex, SLC). Комплексное — означает, что каждый пиксель характеризуется комплексным числом, то есть изображение состоит из двух слоев — действительной и мнимой части комплексного числа. Изображение SLC представляется в системе координат снимка. Оно деформировано ввиду специфической геометрии съемки и различий разрешающей способности по азимуту и по наклонной дальности. Изображения SLC пригодны для выполнения любого вида последующей обработки данных.
Следующий уровень обработки радарных данных — амплитудное изображение (Ground Range Detected, GRD). Оно формируется из комплексного радарного изображения SLC путем вычисления модуля. Изображение также представлено в системе координат снимка, то есть в наклонной плоскости. При переходе от SLC к GRD осуществляется усреднение значений отсчетов радарного изображения по дальности и азимуту для того, чтобы приблизительно привести размеры пикселя к квадрату. Последовательность формирования GRD-изображений из SLC в программе SNAP приведена здесь.
Отметим, что радарная интерферометрия базируется на обработанных данных SLC, данные GRD для нее непригодны, так как в них не содержится информации о фазе сигнала.
По всему следует, что изображения GRD должны относиться ко второму уровню обработки, и в некоторых радарных системах так оно и есть. Но у данных Sentinel-1 изображения GRD, как и SLC, относятся к данным первого уровня обработки.
К данным второго уровня у Sentinel-1 относятся продукты Ocean (OCN), представляющие собой геофизические параметры океана, извлеченные из радарных изображений.
#SAR #основы
Радар Sentinel-1 способен работать в четырех режимах съемки. Нас прежде всего интересует его основной режим, в котором получено подавляющее большинство снимков — режим Interferometric Wide swath (IW), при котором данные собираются в трех полосах с использованием метода Terrain Observation with Progressive Scanning SAR (TOPSAR).
Данные Sentinel-1 распространяются с различными уровнями обработки — от нулевого до второго.
Первичное “сырое” радарное изображение формируется в координатах “азимут – наклонная дальность” на наземном приемном пункте с использованием специального программного обеспечения. Такое изображение относится к данным нулевого уровня обработки.
Первый уровень обработки радарных данных — комплексное радарное изображение (Single Look Complex, SLC). Комплексное — означает, что каждый пиксель характеризуется комплексным числом, то есть изображение состоит из двух слоев — действительной и мнимой части комплексного числа. Изображение SLC представляется в системе координат снимка. Оно деформировано ввиду специфической геометрии съемки и различий разрешающей способности по азимуту и по наклонной дальности. Изображения SLC пригодны для выполнения любого вида последующей обработки данных.
Следующий уровень обработки радарных данных — амплитудное изображение (Ground Range Detected, GRD). Оно формируется из комплексного радарного изображения SLC путем вычисления модуля. Изображение также представлено в системе координат снимка, то есть в наклонной плоскости. При переходе от SLC к GRD осуществляется усреднение значений отсчетов радарного изображения по дальности и азимуту для того, чтобы приблизительно привести размеры пикселя к квадрату. Последовательность формирования GRD-изображений из SLC в программе SNAP приведена здесь.
Отметим, что радарная интерферометрия базируется на обработанных данных SLC, данные GRD для нее непригодны, так как в них не содержится информации о фазе сигнала.
По всему следует, что изображения GRD должны относиться ко второму уровню обработки, и в некоторых радарных системах так оно и есть. Но у данных Sentinel-1 изображения GRD, как и SLC, относятся к данным первого уровня обработки.
К данным второго уровня у Sentinel-1 относятся продукты Ocean (OCN), представляющие собой геофизические параметры океана, извлеченные из радарных изображений.
#SAR #основы
Данные IW SLC для каждой поляризации состоят из трех полос, то есть всего в продукте IW (с двумя поляризациями) шесть изображений для действительной части сигнала и столько же — для мнимой части.
Приблизительный вид продукта SLC для данных одной поляризации показан на рисунке 1️⃣. Для сравнения, созданный на его основе GRD показан на рисунке 2️⃣ (источник). Вид приблизительный, потому что на рисунке стремились показать только полосы, из которых состоит продукт (IW1–IW3). Реальное изображение внутри полос выглядит не так наглядно.
Вот как выглядит в SNAP одна полоса в одной поляризации: действительная часть 3️⃣ и мнимая часть 4️⃣. Это и есть “специфическая геометрии съемки” и все то, что после обработки превращается в более-менее наглядное изображение GRD.
#SAR #основы
Приблизительный вид продукта SLC для данных одной поляризации показан на рисунке 1️⃣. Для сравнения, созданный на его основе GRD показан на рисунке 2️⃣ (источник). Вид приблизительный, потому что на рисунке стремились показать только полосы, из которых состоит продукт (IW1–IW3). Реальное изображение внутри полос выглядит не так наглядно.
Вот как выглядит в SNAP одна полоса в одной поляризации: действительная часть 3️⃣ и мнимая часть 4️⃣. Это и есть “специфическая геометрии съемки” и все то, что после обработки превращается в более-менее наглядное изображение GRD.
#SAR #основы
Наводнение в Греции
С 4 по 7 сентября 2023 года Греция пережила четырехдневный шторм, во время которого на центральные районы страны выпало до 910 мм осадков. Рекордное количество осадков вызвало сильное наводнение, затопившее города и сельскохозяйственные поля в Фессалии.
На снимке 1️⃣, сделанном до начала шторма (21 августа), показан район западнее города Лариса. На снимке 3️⃣, сделанном через три дня после окончания шторма (10 сентября), видно как паводковые воды покрывают еще недавно зеленевшие поля на низменной Фессалийской равнине. Сельское хозяйство является одной из основ экономики этого региона. На его долю приходится около одной шестой части сельскохозяйственной продукции Греции. Фермеры здесь выращивают в основном хлопок, пшеницу, кукурузу и люцерну.
Полная картина наводнения в Фессалии показана на мозаике 3️⃣, сделанной из снимков за 10 сентября. На фрагменте мозаики 4️⃣ видны паводковые воды, стекающие в Эгейское море возле города Неа Месангала.
Все снимки сделаны Sentinel-2 (естественные цвета).
Код
#вода #GEE
С 4 по 7 сентября 2023 года Греция пережила четырехдневный шторм, во время которого на центральные районы страны выпало до 910 мм осадков. Рекордное количество осадков вызвало сильное наводнение, затопившее города и сельскохозяйственные поля в Фессалии.
На снимке 1️⃣, сделанном до начала шторма (21 августа), показан район западнее города Лариса. На снимке 3️⃣, сделанном через три дня после окончания шторма (10 сентября), видно как паводковые воды покрывают еще недавно зеленевшие поля на низменной Фессалийской равнине. Сельское хозяйство является одной из основ экономики этого региона. На его долю приходится около одной шестой части сельскохозяйственной продукции Греции. Фермеры здесь выращивают в основном хлопок, пшеницу, кукурузу и люцерну.
Полная картина наводнения в Фессалии показана на мозаике 3️⃣, сделанной из снимков за 10 сентября. На фрагменте мозаики 4️⃣ видны паводковые воды, стекающие в Эгейское море возле города Неа Месангала.
Все снимки сделаны Sentinel-2 (естественные цвета).
Код
#вода #GEE
Terran Orbital заявил о планах нарастить темп производства космических аппаратов в 2024 году
Сейчас компании требуется более года на изготовление одного спутника. Этот срок должен быть сокращен до 30–60 дней. Terran Orbital планирует достичь заданного показателя к концу 2024 года. При этом заказчики должны получить типовую спутниковую платформу в течение 30 дней, а полноценный спутник с интегрированной полезной нагрузкой — в течение 60 дней.
Основой ускорения производства должны стать более совершенные системы автоматизации и робототехники. “Мы стандартизируем общие компоненты, которые могут храниться на складе и быть взаимозаменяемыми в зависимости от конфигурации спутников”, — заявил сооснователь Terran Orbital Марк Белл.
Штаб-квартира Terran Orbital находится в Бока-Ратоне (Флорида, США), а завод — в Ирвине (Калифорния). Компания производит семь типовых спутниковых платформ, с массами от 14 до 1000 кг.
Одним из основных заказчиков Terran Orbital является Lockheed Martin — стратегический инвестор компании и поставщик спутников для Агентства космического развития Министерства обороны США. Спутники связи, которые Lockheed Martin поставляет SDA, реализованы на платформах Terran Orbital.
Ранее Terran Orbital планировал создать спутниковую группировку, состоящую из 96 миниатюрных радарных спутников. Их полезная нагрузка должна была состоять из радара C-диапазона с широкой полосой обзора и радара X-диапазона с узкой полосой обзора, а также работающего в прожекторном режиме. Предполагалось, что полезная нагрузка может быть также использована для пассивного сканирования радиочастотной активности (SIGINT). Деятельность этой группировки должна была управляться через специально созданную дочернюю компанию PredaSAR. Сейчас, судя по всему, проект группировки поставлен на паузу. Возможно, причиной тому являются как раз слишком длительные сроки производства спутников.
"Спрос на возможности разведки и наблюдения растет гораздо быстрее, чем способность производителей спутников его удовлетворить, — сказал Белл. "Наша цель — удовлетворить этот спрос и повысить доступность возможностей разведки и наблюдения в критически важных регионах".
#война #SAR
Сейчас компании требуется более года на изготовление одного спутника. Этот срок должен быть сокращен до 30–60 дней. Terran Orbital планирует достичь заданного показателя к концу 2024 года. При этом заказчики должны получить типовую спутниковую платформу в течение 30 дней, а полноценный спутник с интегрированной полезной нагрузкой — в течение 60 дней.
Основой ускорения производства должны стать более совершенные системы автоматизации и робототехники. “Мы стандартизируем общие компоненты, которые могут храниться на складе и быть взаимозаменяемыми в зависимости от конфигурации спутников”, — заявил сооснователь Terran Orbital Марк Белл.
Штаб-квартира Terran Orbital находится в Бока-Ратоне (Флорида, США), а завод — в Ирвине (Калифорния). Компания производит семь типовых спутниковых платформ, с массами от 14 до 1000 кг.
Одним из основных заказчиков Terran Orbital является Lockheed Martin — стратегический инвестор компании и поставщик спутников для Агентства космического развития Министерства обороны США. Спутники связи, которые Lockheed Martin поставляет SDA, реализованы на платформах Terran Orbital.
Ранее Terran Orbital планировал создать спутниковую группировку, состоящую из 96 миниатюрных радарных спутников. Их полезная нагрузка должна была состоять из радара C-диапазона с широкой полосой обзора и радара X-диапазона с узкой полосой обзора, а также работающего в прожекторном режиме. Предполагалось, что полезная нагрузка может быть также использована для пассивного сканирования радиочастотной активности (SIGINT). Деятельность этой группировки должна была управляться через специально созданную дочернюю компанию PredaSAR. Сейчас, судя по всему, проект группировки поставлен на паузу. Возможно, причиной тому являются как раз слишком длительные сроки производства спутников.
"Спрос на возможности разведки и наблюдения растет гораздо быстрее, чем способность производителей спутников его удовлетворить, — сказал Белл. "Наша цель — удовлетворить этот спрос и повысить доступность возможностей разведки и наблюдения в критически важных регионах".
#война #SAR
Трудности дешифрирования льда на радарных снимках
Рассмотрим снимки ледяного покрова в районе порта Диксон 1️⃣, сделанные Sentinel-2 30 марта 2020 года (естественные цвета), Sentinel-1 GRDH 29 марта 2020 года (разрешение 10 метров, комбинация VV, VH и VV-VH, σ0 в дБ) 3️⃣, Sentinel-1 GRDH (из предыдущего снимка взята только поляризация VV) 4️⃣, Sentinel-1 GRDМ от 28 марта 2020 (разрешение 40 метров, комбинация НН, HV и НН-HV) 5️⃣, Sentinel-1 GRDМ (HH из предыдущего снимка) 6️⃣.
Известно, что облачность и полярная ночь существенно ограничивают возможности применения дистанционного зондирования оптического диапазона в полярных широтах. Основным методом спутниковых наблюдений в таких условиях становятся радары. Однако посмотрите, насколько сложно по радарным снимкам определить границу припая, ясно различимую на снимке Sentinel-2. Не зря, ох не зря писали методические пособия, вроде прилагаемого ниже.
Код в GEE имеет фильтрацию по пространственному разрешению данных. Например, такую:
Потому что в районе интереса есть еще и данные разрешения ‘M’ (medium) — 40 x 40 м.
Посмотреть на снимки, сделанные с разрешением medium, стоит хотя бы из-за того, что в них используются HH- и HV-поляризации. Возможно, взаимодействие сигнала радара со льдом именно в этих поляризациях имеет какие-то полезные особенности.
#лед #SAR #GEE
Рассмотрим снимки ледяного покрова в районе порта Диксон 1️⃣, сделанные Sentinel-2 30 марта 2020 года (естественные цвета), Sentinel-1 GRDH 29 марта 2020 года (разрешение 10 метров, комбинация VV, VH и VV-VH, σ0 в дБ) 3️⃣, Sentinel-1 GRDH (из предыдущего снимка взята только поляризация VV) 4️⃣, Sentinel-1 GRDМ от 28 марта 2020 (разрешение 40 метров, комбинация НН, HV и НН-HV) 5️⃣, Sentinel-1 GRDМ (HH из предыдущего снимка) 6️⃣.
Известно, что облачность и полярная ночь существенно ограничивают возможности применения дистанционного зондирования оптического диапазона в полярных широтах. Основным методом спутниковых наблюдений в таких условиях становятся радары. Однако посмотрите, насколько сложно по радарным снимкам определить границу припая, ясно различимую на снимке Sentinel-2. Не зря, ох не зря писали методические пособия, вроде прилагаемого ниже.
Код в GEE имеет фильтрацию по пространственному разрешению данных. Например, такую:
.filter(ee.Filter.eq('resolution', 'H'))
Потому что в районе интереса есть еще и данные разрешения ‘M’ (medium) — 40 x 40 м.
Посмотреть на снимки, сделанные с разрешением medium, стоит хотя бы из-за того, что в них используются HH- и HV-поляризации. Возможно, взаимодействие сигнала радара со льдом именно в этих поляризациях имеет какие-то полезные особенности.
#лед #SAR #GEE