Списки
Список (
Список
Элементы списков, подобно элементам векторов и матриц, могут иметь имена. Узнать или задать эти имена позволяет функция
Присвоим элементам списка
Выбрать элементы списка можно одним из следующих способов:
1. с помощью квадратных скобок
2. с помощью двойных квадратных скобок
3. использовать имена элементов списка и знак доллара
Удалить имена элементов можно так:
Добавить элемент в список можно так же, как и в вектор — при помощи функций
Если вектор
Функции
Удаляются элементы списка так же, как элементы вектора:
Определим количество элементов в списке
Обратите внимание, что функция
или преобразовать список в вектор при помощи
Заметили обращение к элементам списка через знак доллара (
Соберем вместе особенности синтаксиса R:
1. Присваивание обозначается стрелкой
2. В именах переменных можно использовать точку
3. Обращение к методам объекта или элементам структуры данных осуществляется через
#R
Список (
list
) похож на вектор, но может содержать объекты разных типов. Создается список функцией list
: lst <- list(n=1:3, s="test", b=c(T,F,F,F,T))
# или
n <- 1:3
s <- "test"
b <- c(T,F,F,F,T)
lst <- list(n,s,b) # состоит из копий векторов n,s,b
Список
lst
состоит из трех элементов, каждый из которых является вектором: числовым, символьным и логическим соответственно.Элементы списков, подобно элементам векторов и матриц, могут иметь имена. Узнать или задать эти имена позволяет функция
names
. Присвоим элементам списка
lst
имена num
, cha
и log
:names(lst) <- c("num","cha","log")
Выбрать элементы списка можно одним из следующих способов:
1. с помощью квадратных скобок
[
,]
. Полученный объект будет в свою очередь являться списком, даже если длина его окажется единичнойlst[1] # или lst["num"]
class(lst[1])
2. с помощью двойных квадратных скобок
[[
,]]
. Возвращенный объект будет того же типа, каким он был до включения в списокlst[[1]] # или lst[["num"]]
class(lst[[1]])
3. использовать имена элементов списка и знак доллара
$
:lst$num
class(lst$num)
Удалить имена элементов можно так:
names(lst) <- NULL
. Мы пока не будем этого делать.Добавить элемент в список можно так же, как и в вектор — при помощи функций
c()
или append()
:v <- 5:10 # создадим числовой вектор
l1 <- c(lst,list(v)) # преобразуем его и добавим в список
str(l1)
Если вектор
v
не преобразовать при помощи list()
, то к списку будет добавлен не один элемент-вектор, а шесть элементов-чисел:l2 <- c(lst,v)
str(l2)
Функции
c
и append
позволяют объединять не только векторы, но и списки:l3 <- append(list(1:2),list(3:4))
Удаляются элементы списка так же, как элементы вектора:
remove <- c(2,3) # удалить 2-й и 3-й элементы
lst <- lst[-remove]
Определим количество элементов в списке
lst
:length(lst)
Обратите внимание, что функция
length
возвращает нам число элементов списка. В нашем случае такой элемент один. Другое дело, что сам этот элемент является числовым вектором. Чтобы найти длину этого последнего нужно применить двойные квадратные скобкиlength(lst[[1]])
или преобразовать список в вектор при помощи
unlist()
: vec_from_lst <- unlist(lst)
class(vec_from_lst)
length(vec_from_lst)
Заметили обращение к элементам списка через знак доллара (
lst$num
)? Поскольку в именах переменных R можно использовать точку, то обращение к методам объекта или к элементам данных должно осуществляться при помощи другого символа. Этим символом и является $
.Соберем вместе особенности синтаксиса R:
1. Присваивание обозначается стрелкой
<-
или знаком равенства =
.2. В именах переменных можно использовать точку
'.'
.3. Обращение к методам объекта или элементам структуры данных осуществляется через
$
.#R
This media is not supported in your browser
VIEW IN TELEGRAM
Таблицы
Таблицы (data frames), как и матрицы, хранят двумерные данные. Но, в отличие от матриц, в разных колонках таблицы могут находиться данные разных типов. По внутреннему устройству, таблица — это список колонок равной длины. Если вы видели таблицу в Excel, то вам уже знакомы таблицы в R.
Создаются таблицы с помощью функции
Выбор элементов таблицы рассмотрим на примерах:
Часто для выбора нужного фрагмента таблицы удобно использовать логические условия:
Таблицы можно объединять по строкам или по столбцам:
Еще один способ объединения таблиц дает в результате список:
Для объединения таблиц, имеющих общие колонки, используется функция
Размеры таблицы определяются следующим образом:
Для работы с именами колонок, кроме
Теперь выбрать элемент таблицы
#R
Таблицы (data frames), как и матрицы, хранят двумерные данные. Но, в отличие от матриц, в разных колонках таблицы могут находиться данные разных типов. По внутреннему устройству, таблица — это список колонок равной длины. Если вы видели таблицу в Excel, то вам уже знакомы таблицы в R.
Создаются таблицы с помощью функции
data.frame
:df <- data.frame(a=1:5, b=6:10, c=letters[1:5])
str(df)
Выбор элементов таблицы рассмотрим на примерах:
df[1,] # 1-я строка
df[,2] # 2-ая колонка
df[4,3] # элемент 4-й строки 3-й колонки
df[4,c(1,3)] # элемент 4-й строки из 1-ой и 3-й колонок
df$c # колонка с именем "c"
df[,"b"] # колонка с именем "b" (2-я)
Часто для выбора нужного фрагмента таблицы удобно использовать логические условия:
# строка, в которой элемент 3-й колонки равен "d"
df[df$c == 'd', ] # 4-я строка
# строки, в которых элементы 1-й колонки больше или равны 3
df[df$a >= 3,] # строки 3-5
Таблицы можно объединять по строкам или по столбцам:
df2 <- data.frame(a=6:10, b=11:15, c=letters[6:10])
rbind(df,df2)
cbind(df,df2)
Еще один способ объединения таблиц дает в результате список:
l3 <- c(df,df2)
str(l3)
Для объединения таблиц, имеющих общие колонки, используется функция
merge
. Как правило, с ее помощью объединяют таблицы с общими ключами:first <- data.frame(id=1:5,
COL=LETTERS[1:5],
col=letters[1:5])
secnd <- data.frame(id=1:5, col=letters[1:5])
# объединяем таблицы по колонке id
total <- merge(first,secnd,by="id")
# объединяем таблицы по колонкам id и col
total <- merge(first,secnd,by=c("id","col"))
Размеры таблицы определяются следующим образом:
# длиной таблицы является длина списка,
# состоящего из колонок
length(df)
ncol(df) # число колонок
nrow(df) # число строк
Для работы с именами колонок, кроме
names()
, существует colnames()
. Функция rownames
задает имена строк таблицы:rownames(df) <- LETTERS[1:nrow(df)]
Теперь выбрать элемент таблицы
df
можно так:df["A","b"] # df[1,2]
#R
По итогам совещания президента РФ Владимира Путина в РКК "Энергия" РИА Новости сообщает, что предприятия "Роскосмоса" занимаются организацией серийного производства спутников, благодаря чему к 2036 году предполагается развернуть на различных орбитах более двух тысяч новых космических аппаратов разных типов. Для сравнения, на июнь этого года орбитальная группировка России насчитывала 225 спутников.
Ранее гендиректор "Роскомоса" Юрий Борисов говорил, что минимальная необходимая спутниковая группировка России к 2030 году должна состоять из 1000–2000 аппаратов. Для этого уже к 2025 году нужно производить по 250 спутников в год, а к 2030 — один аппарат в день.
До 2036 года далеко, а вот 2025 год уже близко. Скоро все и узнаем.
#россия
Ранее гендиректор "Роскомоса" Юрий Борисов говорил, что минимальная необходимая спутниковая группировка России к 2030 году должна состоять из 1000–2000 аппаратов. Для этого уже к 2025 году нужно производить по 250 спутников в год, а к 2030 — один аппарат в день.
До 2036 года далеко, а вот 2025 год уже близко. Скоро все и узнаем.
#россия
Обожаю такие заголовки
https://www.riatomsk.ru/article/20231024/tusur-bespilotniki-taksaciya-lesa/
— нелепо, смешно и с арифметическими ошибками.
А говорит эксперт примерно следующее:
В лесном массиве, площадью один квадратный километр, бригада таксологов будет ходить со скоростью 4 километра в час — это три рабочих дня, и один день нужен на обработку данных. Для беспилотника, со средней скоростью полета 30 километров в час, понадобится 3 часа для облета — это один рабочий день, и еще один день на обработку. Кроме того, бригада таксологов составляет 4–5 человек, а для беспилотника потребуются только двое. В итоге, применение беспилотников позволит в 4 раза сократить затраты человеко-часов на проведение таксации леса.
#лес
https://www.riatomsk.ru/article/20231024/tusur-bespilotniki-taksaciya-lesa/
— нелепо, смешно и с арифметическими ошибками.
А говорит эксперт примерно следующее:
В лесном массиве, площадью один квадратный километр, бригада таксологов будет ходить со скоростью 4 километра в час — это три рабочих дня, и один день нужен на обработку данных. Для беспилотника, со средней скоростью полета 30 километров в час, понадобится 3 часа для облета — это один рабочий день, и еще один день на обработку. Кроме того, бригада таксологов составляет 4–5 человек, а для беспилотника потребуются только двое. В итоге, применение беспилотников позволит в 4 раза сократить затраты человеко-часов на проведение таксации леса.
#лес
РИА Томск
ТУСУР: беспилотники в 2 раза эффективнее людей при инвентаризации леса
Использование беспилотных летательных аппаратов может в два раза увеличить эффективность таксации леса, в частности, вдвое сокращается время на инвентаризацию деревьев, сообщил журналистам во вторник руководитель центра космического мониторинга Земли Томского…
Заседание секции “Наблюдения и исследования Земли из космоса” Совета РАН по космосу
25 октября 2023 года состоялось заседание секции “Наблюдения и исследования Земли из космоса” Совета РАН по космосу.
На заседании:
* заслушали и обсудили доклад директора ФГБУ НИЦ “Планета” Тасенко Сергея Викторовича на тему: “Национальная спутниковая группировка для обеспечения решения задач гидрометеорологии и мониторинга окружающей среды”.
* обсудили и утвердили план работы, регламент работы и тематики проблем секции.
Кроме упомянутой, в Совете РАН по космосу есть и другие секции:
* Космическая биология и физиология
* Космическое материаловедение
* Физика Солнца
* Космическая геодинамика
* Солнечно-земные связи
а еще экспертные комиссии:
* Фундаментальные проблемы космических перелетов
* Проблемы научно-образовательных спутников
* Фундаментальные проблемы физики микрогравитации
и экспертная рабочая группа по космическим угрозам.
Все они что-то делают. Но что именно, можно узнать лишь по косвенным признакам — сайт Совета РАН не обновлялся с декабря 2020 года. А хотелось бы знать подробности. Координация исследований в области наблюдения Земли из космоса — это, знаете ли, важно.
25 октября 2023 года состоялось заседание секции “Наблюдения и исследования Земли из космоса” Совета РАН по космосу.
На заседании:
* заслушали и обсудили доклад директора ФГБУ НИЦ “Планета” Тасенко Сергея Викторовича на тему: “Национальная спутниковая группировка для обеспечения решения задач гидрометеорологии и мониторинга окружающей среды”.
* обсудили и утвердили план работы, регламент работы и тематики проблем секции.
Кроме упомянутой, в Совете РАН по космосу есть и другие секции:
* Космическая биология и физиология
* Космическое материаловедение
* Физика Солнца
* Космическая геодинамика
* Солнечно-земные связи
а еще экспертные комиссии:
* Фундаментальные проблемы космических перелетов
* Проблемы научно-образовательных спутников
* Фундаментальные проблемы физики микрогравитации
и экспертная рабочая группа по космическим угрозам.
Все они что-то делают. Но что именно, можно узнать лишь по косвенным признакам — сайт Совета РАН не обновлялся с декабря 2020 года. А хотелось бы знать подробности. Координация исследований в области наблюдения Земли из космоса — это, знаете ли, важно.
Данные ICESat-2 для оценки высоты леса
Лидар ATLAS на борту спутника ICESat-2 — лидар с подсчетом фотонов (photon counting LIDAR). Он испускает лазерные импульсы с высокой частотой и детектирует отдельные фотоны, отраженные объектами на земной поверхности. Измерение времени полета фотона, совместно с информацией о положении и ориентации прибора, позволяет рассчитать координаты отражающего объекта земной поверхности, включая его высоту.
Пространственное разрешение прибора ATLAS, то есть размер “пятна” (footprint) лазерного луча на поверхности Земли составляет около 14 м. Частота генерации лазерных импульсов подобрана так, чтобы обеспечить смещение “пятна” каждого следующего импульса на расстояние около 70 см по мере пролета спутника. В результате происходит непрерывное получение информации вдоль трека спутника на земной поверхности для полосы шириной 14 м. Расстояние между двумя соседними треками измерений составляет около 3 км на экваторе.
Система ATLAS/ICESat-2, так же как и ее предшественник GLAS/ICESat, разработана в основном для мониторинга ледового покрова, но может быть использована и для оценки высоты леса на больших территориях, в том числе для бореальных лесов (Neuenschwander et al., 2020a). Результаты применения данных ATLAS/ICESat-2 для оценки высоты лесов России приведены в (Барталев и др., 2022) и (Шинкаренко и др., 2023).
Для оценки высоты леса используется информационный продукт ATL08, построенный по данным ATLAS/ICESat-2 и содержащий информацию о значениях высоты растительности. В указанном продукте полученное лидаром облако точек разделяется на четыре класса: подстилающая поверхность, листва/кроны (canopy), верхний полог листвы/крон (top-of-canopy) и шум. Далее, непрерывный трек, соответствующий полосе земной поверхности шириной 14 м, разбивается на сегменты длиной 100 м. Каждый стометровый сегмент состоит из пяти последовательных сегментов, длиной 20 м, взятых из продукта ATL03. Пространственное расположение таких сегментов характеризуется координатами их центров. Таким образом, данные ATL08 представлены в виде сегментов шириной 14 м и длиной 20 м (Neuenschwander et al., 2022), что позволяет обеспечить достаточно высокую пространственную детальность измерений высоты.
Элемент набора данных ATL08 соответствует одному сегменту и содержит параметры, характеризующие распределение относительной высоты растительности на данном участке: значения минимума, максимума, среднего, стандартного отклонения и различные перцентили высот растительности, а также количество измерений и показатель степени их неопределенности (uncertainty). Высота отразивших фотоны элементов растительности (кроны/листва) оценивается относительно пространственно-интерполированных точек, отнесенных к классу подстилающей поверхности. В качестве параметра, характеризующего высоту леса, используется величина h_canopy — 98 перцентиль высот растительности.
Барталев С.А., Богодухов М.А., Жарко В.О., Сидоренков В.М. Исследование возможностей использования данных ICESat-2 для оценки высоты лесов России. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 195-206. https://doi.org/10.21046/2070-7401-2022-19-4-195-206
Шинкаренко С.С., Барталев С.А., Богодухов М.А., Жарко В.О. Оценка возможностей определения высоты и проективного покрытия защитных лесных насаждений по данным ICESat-2. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. №2. С. 174–183. http://dx.doi.org/10.21046/2070-7401-2023-20-2-174-183
Neuenschwander, A., Guenther, E., White, J. C., Duncanson, L., & Montesano, P. (2020). Validation of ICESat-2 terrain and canopy heights in boreal forests. Remote Sensing of Environment, 251, 112110. https://doi.org/10.1016/j.rse.2020.112110
Neuenschwander A., Pitts K., Jelley B. et al. Ice, Cloud, and Land Elevation Satellite 2 (ICESat-2): Algorithm Theoretical Basis Document (ATBD) for Land-Vegetation Along-Track Products (ATL08). Version 6. 2022. 144 p. https://doi.org/10.5067/8ANPSL1NN7YS
#лидар #лес
Лидар ATLAS на борту спутника ICESat-2 — лидар с подсчетом фотонов (photon counting LIDAR). Он испускает лазерные импульсы с высокой частотой и детектирует отдельные фотоны, отраженные объектами на земной поверхности. Измерение времени полета фотона, совместно с информацией о положении и ориентации прибора, позволяет рассчитать координаты отражающего объекта земной поверхности, включая его высоту.
Пространственное разрешение прибора ATLAS, то есть размер “пятна” (footprint) лазерного луча на поверхности Земли составляет около 14 м. Частота генерации лазерных импульсов подобрана так, чтобы обеспечить смещение “пятна” каждого следующего импульса на расстояние около 70 см по мере пролета спутника. В результате происходит непрерывное получение информации вдоль трека спутника на земной поверхности для полосы шириной 14 м. Расстояние между двумя соседними треками измерений составляет около 3 км на экваторе.
Система ATLAS/ICESat-2, так же как и ее предшественник GLAS/ICESat, разработана в основном для мониторинга ледового покрова, но может быть использована и для оценки высоты леса на больших территориях, в том числе для бореальных лесов (Neuenschwander et al., 2020a). Результаты применения данных ATLAS/ICESat-2 для оценки высоты лесов России приведены в (Барталев и др., 2022) и (Шинкаренко и др., 2023).
Для оценки высоты леса используется информационный продукт ATL08, построенный по данным ATLAS/ICESat-2 и содержащий информацию о значениях высоты растительности. В указанном продукте полученное лидаром облако точек разделяется на четыре класса: подстилающая поверхность, листва/кроны (canopy), верхний полог листвы/крон (top-of-canopy) и шум. Далее, непрерывный трек, соответствующий полосе земной поверхности шириной 14 м, разбивается на сегменты длиной 100 м. Каждый стометровый сегмент состоит из пяти последовательных сегментов, длиной 20 м, взятых из продукта ATL03. Пространственное расположение таких сегментов характеризуется координатами их центров. Таким образом, данные ATL08 представлены в виде сегментов шириной 14 м и длиной 20 м (Neuenschwander et al., 2022), что позволяет обеспечить достаточно высокую пространственную детальность измерений высоты.
Элемент набора данных ATL08 соответствует одному сегменту и содержит параметры, характеризующие распределение относительной высоты растительности на данном участке: значения минимума, максимума, среднего, стандартного отклонения и различные перцентили высот растительности, а также количество измерений и показатель степени их неопределенности (uncertainty). Высота отразивших фотоны элементов растительности (кроны/листва) оценивается относительно пространственно-интерполированных точек, отнесенных к классу подстилающей поверхности. В качестве параметра, характеризующего высоту леса, используется величина h_canopy — 98 перцентиль высот растительности.
Барталев С.А., Богодухов М.А., Жарко В.О., Сидоренков В.М. Исследование возможностей использования данных ICESat-2 для оценки высоты лесов России. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 195-206. https://doi.org/10.21046/2070-7401-2022-19-4-195-206
Шинкаренко С.С., Барталев С.А., Богодухов М.А., Жарко В.О. Оценка возможностей определения высоты и проективного покрытия защитных лесных насаждений по данным ICESat-2. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. №2. С. 174–183. http://dx.doi.org/10.21046/2070-7401-2023-20-2-174-183
Neuenschwander, A., Guenther, E., White, J. C., Duncanson, L., & Montesano, P. (2020). Validation of ICESat-2 terrain and canopy heights in boreal forests. Remote Sensing of Environment, 251, 112110. https://doi.org/10.1016/j.rse.2020.112110
Neuenschwander A., Pitts K., Jelley B. et al. Ice, Cloud, and Land Elevation Satellite 2 (ICESat-2): Algorithm Theoretical Basis Document (ATBD) for Land-Vegetation Along-Track Products (ATL08). Version 6. 2022. 144 p. https://doi.org/10.5067/8ANPSL1NN7YS
#лидар #лес
Данные космических лидаров ICESat и ICESat-2
Коллекция NSIDC DAAC ICESat/GLAS содержит данные, полученные лидаром Geoscience Laser Altimeter System (GLAS), работавшего на спутнике Ice, Cloud, and Land Elevation Satellite (ICESat) с 2003 по начало 2010 года. Продукты данных ICESat/GLAS описывают высоты ледяных покровов, ледников и морского льда, а также профили высот облаков и аэрозолей в атмосфере.
Коллекция NSIDC DAAC ICESat-2/ATLAS содержит данные, полученные лидаром Advanced Topographic Laser Altimeter System (ATLAS), установленным на спутнике Ice, Cloud and Land Elevation Satellite-2 (ICESat-2). Продукты данных ICESat-2 позволяют определить высоту морского льда, льда на суше, лесного покрова, высоту воды, городских территорий и т. д. Временное покрытие данных: с конца 2018 года по настоящее время.
Пространственное покрытие обоих видов данных — глобальное.
Данные ICESat и ICESat-2 находятся в NASA’овском тематическом центре обработки и хранения данных ДЗЗ (DAAC) National Snow and Ice Data Center (NSIDC) 1️⃣.
Получить данные ICESat и ICESat-2 можно в:
❄️NSIDC: меню Data/Explore Data, далее — поиском 2️⃣.
❄️NASA Earthdata Search 3️⃣.
❄️OpenAltimetry — это онлайн-платформа для поиска, получения и визуализации данных ICESat и ICESat-2.
Описания алгоритмов получения продуктов ICESat-2 (Algorithm Theoretical Basis Document, ATBD) находятся здесь.
#лидар #данные
Коллекция NSIDC DAAC ICESat/GLAS содержит данные, полученные лидаром Geoscience Laser Altimeter System (GLAS), работавшего на спутнике Ice, Cloud, and Land Elevation Satellite (ICESat) с 2003 по начало 2010 года. Продукты данных ICESat/GLAS описывают высоты ледяных покровов, ледников и морского льда, а также профили высот облаков и аэрозолей в атмосфере.
Коллекция NSIDC DAAC ICESat-2/ATLAS содержит данные, полученные лидаром Advanced Topographic Laser Altimeter System (ATLAS), установленным на спутнике Ice, Cloud and Land Elevation Satellite-2 (ICESat-2). Продукты данных ICESat-2 позволяют определить высоту морского льда, льда на суше, лесного покрова, высоту воды, городских территорий и т. д. Временное покрытие данных: с конца 2018 года по настоящее время.
Пространственное покрытие обоих видов данных — глобальное.
Данные ICESat и ICESat-2 находятся в NASA’овском тематическом центре обработки и хранения данных ДЗЗ (DAAC) National Snow and Ice Data Center (NSIDC) 1️⃣.
Получить данные ICESat и ICESat-2 можно в:
❄️NSIDC: меню Data/Explore Data, далее — поиском 2️⃣.
❄️NASA Earthdata Search 3️⃣.
❄️OpenAltimetry — это онлайн-платформа для поиска, получения и визуализации данных ICESat и ICESat-2.
Описания алгоритмов получения продуктов ICESat-2 (Algorithm Theoretical Basis Document, ATBD) находятся здесь.
#лидар #данные
Тропический циклон на радарном снимке
Тропический циклон "Лола" обрушился на островное государство Вануату, расположенное в южной части Тихого океана, 24 октября нынешнего года, принеся с собой обильные осадки, ветер скоростью до 145 км/ч и штормовые нагоны на архипелаг. За следующие 48 часов циклон нанес значительный ущерб жилым домам и посевам в северных и центральных провинциях страны.
Этот снимок циклона "Лола" получен 24 октября радаром спутника Sentinel-1А. На снимке отчетливо виден “глаз” циклона к востоку от острова Маэво. В рекламе радарной съемки нередко заявляют о том, что она всепогодна и не зависит от облачности. И хотя мы знаем, что это не совсем так, снимок циклона, сделанный радаром является редкостью.
#снимки #SAR
Тропический циклон "Лола" обрушился на островное государство Вануату, расположенное в южной части Тихого океана, 24 октября нынешнего года, принеся с собой обильные осадки, ветер скоростью до 145 км/ч и штормовые нагоны на архипелаг. За следующие 48 часов циклон нанес значительный ущерб жилым домам и посевам в северных и центральных провинциях страны.
Этот снимок циклона "Лола" получен 24 октября радаром спутника Sentinel-1А. На снимке отчетливо виден “глаз” циклона к востоку от острова Маэво. В рекламе радарной съемки нередко заявляют о том, что она всепогодна и не зависит от облачности. И хотя мы знаем, что это не совсем так, снимок циклона, сделанный радаром является редкостью.
#снимки #SAR
Благодарим, расположив в календарном порядке, телеграм-каналы, делавшие репосты и цитировавшие наши публикации в октябре 2023 года:
* @twrussia
* @IngeniumNotes
* @UAVPro
* @UzbekistanTtransparentWorld
* @twrussia
* @IngeniumNotes
* @UAVPro
* @UzbekistanTtransparentWorld
Обзор канала за октябрь
В октябре мы…
🖥 Приступили к изучению R (#R). Начали с основ языка: переменных и структур данных. Учебник по R собираем здесь. Основ осталось немного. В ноябре перейдем, наконец, к пространственным данным.
👨🏻💻 Знакомились с новыми коллекциями данных (#данные) и полезными инструментами. OpenTopography — сервис для хранения топографических и батиметрических данных, а также инструментов для работы с этими данными. geojson.io — инструмент для создания, просмотра и обмена векторными картами. Satellites.pro — свободный агрегатор спутниковых изображений и карт. На Google Earth Engine появились данные Harmonized Landsat Sentinel-2 TOA, а также ESA CCI Global Forest Above Ground Biomass и AgERA5 (ECMWF) dataset.
🖥🛰 Изучали возможности Google Earth Engine (#GEE). Атмосферная коррекция данных Sentinel-2 Level-1C позволяет продлить временной ряд данных Sentinel-2 Surface Reflectance, начав его с 2015 года вместо 2019. Обобщили наши знания по маскированию облаков и теней на снимках Sentinel-2. Познакомились с топографической коррекцией и коррекцией угла съемки в надир для данных Sentinel-2 Surface Reflectance. Научились рассчитывать индексы состояния растений: VCI, TCI и VHI. Учебник по GEE с “живыми” примерами кода находится здесь. Более крупные проекты — здесь.
📖🛰 В рубрике “Основы ДЗЗ” ( #основы) обсудили влияние вулканов и стратосферных аэрозолей на климат. Разобрали, отчего зависит цвет морской воды и как распространение радарных сигналов в атмосфере зависит от длины волны. Cобрали учебники по ДЗЗ, подготовленные по проекту SEOS, в том числе, на русском языке.
📜 🗓 Вспоминали о том, как 66 лет назад Советский Союз запустил первый в мире искусственный спутник Земли. Познакомились с планами по созданию новой группировки метеоспутников NOAA — Near Earth Orbit Network, новой российской группировки спутников ДЗЗ “Грифон” и планами по развитию российской спутниковой группировки до 2036 года.
🚀Следили за запуском европейской ракеты-носителя Vega, которая успешно вывела на орбиту несколько интересных спутников, но только не космическую тросовую систему с электропроводящим тросом ESTCube-2. Ожидаем проведения российского эксперимента “Напор-миниРСА” по радарной съемке с борта МКС.
🔔 🗓 Публиковали анонсы конкурсов, турниров, соревнований и челенджей, связанных с космонавтикой и дистанционным зондированием, а также научных конференций и семинаров. На некоторые регистрация еще продолжается. Ищите их по хештегам: #конкурс #конференции Особенно отметим “Золотой лекторий” на Всероссийском фестивале NAUKA 0+ с десятками научно-популярных лекций российских ученых. Все записи доступны в VK.
🖥📡 Знакомились с новыми технологиями. 1️⃣ IDRS реализует двусторонний канал передачи данных через группировку геостационарных спутников INMARSAT-4, что позволяет компаниям-операторам спутников на низкой околоземной орбите в любой момент связаться со своими аппаратами. 2️⃣ Тепловая съемка на спутнике HotSat-1 реализована в среднем инфракрасном диапазоне. Возможно, определять температуру поверхности с его помощью станет сложнее, зато сенсор стал дешевле, а выявлять очаги возгораний такой выбор диапазона не помешает.
🔥🌋Следили за стихийными бедствиями: лесными пожарами в Индонезии и в Канаде (последние, наконец-то, пошли на спад), извержением вулкана Безымянный на Камчатке и тропическим циклоном “Лола” в Тихом океане.
📸 ❄️🌕 Рассматривали снимки мыса Челюскин, снимки Земли c японского лунного зонда SLIM, а также тень от Луны на поверхности Земли, возникшую в результате кольцеобразного солнечного затмения.
🌲 Много писали о лесе и оценках его биомассы: об углеродных кредитах и компенсациях, методе оценки надземной биомассы леса в проектах углеродной компенсации, данных ICESat-2 для оценки высоты леса, о том, где их взять, а также о том, как беспилотники ускоряют проведение лесной таксации.
В октябре число подписчиков канала превысило 500. Нам очень приятно!
Спасибо, что читаете.
#октябрь2023
В октябре мы…
🖥 Приступили к изучению R (#R). Начали с основ языка: переменных и структур данных. Учебник по R собираем здесь. Основ осталось немного. В ноябре перейдем, наконец, к пространственным данным.
👨🏻💻 Знакомились с новыми коллекциями данных (#данные) и полезными инструментами. OpenTopography — сервис для хранения топографических и батиметрических данных, а также инструментов для работы с этими данными. geojson.io — инструмент для создания, просмотра и обмена векторными картами. Satellites.pro — свободный агрегатор спутниковых изображений и карт. На Google Earth Engine появились данные Harmonized Landsat Sentinel-2 TOA, а также ESA CCI Global Forest Above Ground Biomass и AgERA5 (ECMWF) dataset.
🖥🛰 Изучали возможности Google Earth Engine (#GEE). Атмосферная коррекция данных Sentinel-2 Level-1C позволяет продлить временной ряд данных Sentinel-2 Surface Reflectance, начав его с 2015 года вместо 2019. Обобщили наши знания по маскированию облаков и теней на снимках Sentinel-2. Познакомились с топографической коррекцией и коррекцией угла съемки в надир для данных Sentinel-2 Surface Reflectance. Научились рассчитывать индексы состояния растений: VCI, TCI и VHI. Учебник по GEE с “живыми” примерами кода находится здесь. Более крупные проекты — здесь.
📖🛰 В рубрике “Основы ДЗЗ” ( #основы) обсудили влияние вулканов и стратосферных аэрозолей на климат. Разобрали, отчего зависит цвет морской воды и как распространение радарных сигналов в атмосфере зависит от длины волны. Cобрали учебники по ДЗЗ, подготовленные по проекту SEOS, в том числе, на русском языке.
📜 🗓 Вспоминали о том, как 66 лет назад Советский Союз запустил первый в мире искусственный спутник Земли. Познакомились с планами по созданию новой группировки метеоспутников NOAA — Near Earth Orbit Network, новой российской группировки спутников ДЗЗ “Грифон” и планами по развитию российской спутниковой группировки до 2036 года.
🚀Следили за запуском европейской ракеты-носителя Vega, которая успешно вывела на орбиту несколько интересных спутников, но только не космическую тросовую систему с электропроводящим тросом ESTCube-2. Ожидаем проведения российского эксперимента “Напор-миниРСА” по радарной съемке с борта МКС.
🔔 🗓 Публиковали анонсы конкурсов, турниров, соревнований и челенджей, связанных с космонавтикой и дистанционным зондированием, а также научных конференций и семинаров. На некоторые регистрация еще продолжается. Ищите их по хештегам: #конкурс #конференции Особенно отметим “Золотой лекторий” на Всероссийском фестивале NAUKA 0+ с десятками научно-популярных лекций российских ученых. Все записи доступны в VK.
🖥📡 Знакомились с новыми технологиями. 1️⃣ IDRS реализует двусторонний канал передачи данных через группировку геостационарных спутников INMARSAT-4, что позволяет компаниям-операторам спутников на низкой околоземной орбите в любой момент связаться со своими аппаратами. 2️⃣ Тепловая съемка на спутнике HotSat-1 реализована в среднем инфракрасном диапазоне. Возможно, определять температуру поверхности с его помощью станет сложнее, зато сенсор стал дешевле, а выявлять очаги возгораний такой выбор диапазона не помешает.
🔥🌋Следили за стихийными бедствиями: лесными пожарами в Индонезии и в Канаде (последние, наконец-то, пошли на спад), извержением вулкана Безымянный на Камчатке и тропическим циклоном “Лола” в Тихом океане.
📸 ❄️🌕 Рассматривали снимки мыса Челюскин, снимки Земли c японского лунного зонда SLIM, а также тень от Луны на поверхности Земли, возникшую в результате кольцеобразного солнечного затмения.
🌲 Много писали о лесе и оценках его биомассы: об углеродных кредитах и компенсациях, методе оценки надземной биомассы леса в проектах углеродной компенсации, данных ICESat-2 для оценки высоты леса, о том, где их взять, а также о том, как беспилотники ускоряют проведение лесной таксации.
В октябре число подписчиков канала превысило 500. Нам очень приятно!
Спасибо, что читаете.
#октябрь2023
Археологические открытия в Амазонии
Расширение использования воздушной лидарной съемки в последние несколько лет привело к резкому скачку числа археологических находок в Амазонии. Так, в прошлом году в Боливии была обнаружена новая археологическая культура — Касарабе*. Раньше, археологи использовали в этом районе данные оптической и радарной съемки, но эти данные не позволяли заглянуть под полог леса, обладали недостаточным пространственным разрешением и не могли обнаружить некоторые виды объектов, в частности, земляные сооружения. Последние в большом количестве обнаруживают на спутниковых снимках высокого разрешения, но сделать это можно только на безлесных территориях, а таких в Амазонии около 17%. Что же происходит на остальных 83%?
Винисиус Перипато, специалист по дистанционному зондированию из Национального института космических исследований Бразилии, искал земляные сооружения по лидарным данным, собранным за 5 лет наблюдений. Вместе с коллегами, он изучил 5315 кв. км данных, выявив более 900 известных земляных сооружений и обнаружив 24 ранее не зафиксированные постройки. Однако все их усилия походили на поиск иголки в стоге сена, так как покрытая лидарными данными территория охватывала лишь около 0,08% площади Амазонии.
Поэтому, основываясь на новых находках и ранее обнаруженных земляных сооружениях, Перипато с коллегами разработали компьютерную модель для прогноза мест возможного расположения земляных сооружений. Модель учитывала факторы, позволяющие людям выжить в данном регионе, в частности, расстояние до ближайшего источника воды, количество осадков, температуру и тип почвы.
Результаты моделирования показали, что до сих пор не обнаружено от 10272 до 23648 земляных сооружений. Подавляющее большинство из них, скорее всего, расположено в юго-западной части тропического леса.
Если результаты Перипато и его коллег окажутся верны, будет развеян миф о том, что Амазония — огромное пространство, покрытое девственными лесами, которое сформировалось под воздействием природных сил с минимальным участием человека. Напротив, вблизи мест, где были обнаружены земляные сооружения, наблюдается высокая концентрация 53 видов одомашненных деревьев. Среди них какао, бразильский орех, хлебный орех, каучуковое дерево и десятки других. Это свидетельствует о том, что жители региона изменяли природный ландшафт, чтобы иметь постоянный запас продовольствия и полезных материалов. Так что Амазония похожа скорее не на девственный лес, а на заброшенный сад. Следующий вопрос: почему он был заброшен?
Оригинальная статья (Peripato et al., 2023): http://www.science.org/doi/10.1126/science.ade2541
Статью можно свободно взять здесь.
Качественный пересказ результатов статьи в Smithsonian Magazine.
Подробности о модели и использованных данных — в дополнительных материалах к статье.
* Про открытие культуры Касарабе. Оригинальная статья: Prümers, H., Betancourt, C.J., Iriarte, J. _et al._ Lidar reveals pre-Hispanic low-density urbanism in the Bolivian Amazon. Nature 606, 325–328 (2022). https://doi.org/10.1038/s41586-022-04780-4. Качественный пересказ в Smithsonian Magazine.
#лидар #археология
Расширение использования воздушной лидарной съемки в последние несколько лет привело к резкому скачку числа археологических находок в Амазонии. Так, в прошлом году в Боливии была обнаружена новая археологическая культура — Касарабе*. Раньше, археологи использовали в этом районе данные оптической и радарной съемки, но эти данные не позволяли заглянуть под полог леса, обладали недостаточным пространственным разрешением и не могли обнаружить некоторые виды объектов, в частности, земляные сооружения. Последние в большом количестве обнаруживают на спутниковых снимках высокого разрешения, но сделать это можно только на безлесных территориях, а таких в Амазонии около 17%. Что же происходит на остальных 83%?
Винисиус Перипато, специалист по дистанционному зондированию из Национального института космических исследований Бразилии, искал земляные сооружения по лидарным данным, собранным за 5 лет наблюдений. Вместе с коллегами, он изучил 5315 кв. км данных, выявив более 900 известных земляных сооружений и обнаружив 24 ранее не зафиксированные постройки. Однако все их усилия походили на поиск иголки в стоге сена, так как покрытая лидарными данными территория охватывала лишь около 0,08% площади Амазонии.
Поэтому, основываясь на новых находках и ранее обнаруженных земляных сооружениях, Перипато с коллегами разработали компьютерную модель для прогноза мест возможного расположения земляных сооружений. Модель учитывала факторы, позволяющие людям выжить в данном регионе, в частности, расстояние до ближайшего источника воды, количество осадков, температуру и тип почвы.
Результаты моделирования показали, что до сих пор не обнаружено от 10272 до 23648 земляных сооружений. Подавляющее большинство из них, скорее всего, расположено в юго-западной части тропического леса.
Если результаты Перипато и его коллег окажутся верны, будет развеян миф о том, что Амазония — огромное пространство, покрытое девственными лесами, которое сформировалось под воздействием природных сил с минимальным участием человека. Напротив, вблизи мест, где были обнаружены земляные сооружения, наблюдается высокая концентрация 53 видов одомашненных деревьев. Среди них какао, бразильский орех, хлебный орех, каучуковое дерево и десятки других. Это свидетельствует о том, что жители региона изменяли природный ландшафт, чтобы иметь постоянный запас продовольствия и полезных материалов. Так что Амазония похожа скорее не на девственный лес, а на заброшенный сад. Следующий вопрос: почему он был заброшен?
Оригинальная статья (Peripato et al., 2023): http://www.science.org/doi/10.1126/science.ade2541
Статью можно свободно взять здесь.
Качественный пересказ результатов статьи в Smithsonian Magazine.
Подробности о модели и использованных данных — в дополнительных материалах к статье.
* Про открытие культуры Касарабе. Оригинальная статья: Prümers, H., Betancourt, C.J., Iriarte, J. _et al._ Lidar reveals pre-Hispanic low-density urbanism in the Bolivian Amazon. Nature 606, 325–328 (2022). https://doi.org/10.1038/s41586-022-04780-4. Качественный пересказ в Smithsonian Magazine.
#лидар #археология
1️⃣ Прогнозируемая вероятность наличия земляных сооружений для ячеек площадью 1 кв. км в шести регионах Амазонии: центральная Амазония (CA), восточная Амазония (EA), Гвианский щит (GS), северо-западная Амазония (NwA), южная Амазония (SA) и юго-западная Амазония (SwA). Серым цветом выделены области, которые не моделировались (Peripato et al., 2023).
2️⃣ Земляное сооружение доколумбова периода, обнаруженное на вырубленном участке леса (источник).
3️⃣ Земляные сооружения, обнаруженные (Peripato et al., 2023) по лидарным данным.
2️⃣ Земляное сооружение доколумбова периода, обнаруженное на вырубленном участке леса (источник).
3️⃣ Земляные сооружения, обнаруженные (Peripato et al., 2023) по лидарным данным.