Функция dev.off() закрывает текущее графическое окно, а graphics.off() закрывает все графические окна в текущем сеансе.

#R

Глобальные карты высоты леса

В (Potapov et al., 2020) описан метод создания глобальной карты высоты лесного полога с пространственным разрешением 30 м, основанной на данных космического лидара GEDI и разновременных данных Landsat.

Для создания карты использованы данные GEDI (апрель–октябрь 2019 года) и данные Landsat за 2019 год. Высота леса моделировалась ансамблем деревьев регрессии с движущимся окном. Калибровка модели осуществлялась локально, с применением метрики GEDI RH95 (относительная высота на уровне 95%). В качестве признаков взяты разновременные данные Landsat, призванные отразить фенологические изменения на поверхности. Поскольку лидар GEDI, работающий на борту МКС, позволяет проводить измерения лишь в полосе широт от 51.6° с.ш. до 51.6° ю.ш., то для создания глобальной карты пришлось экстраполировать построенную модель в бореальные регионы (за пределы диапазона данных GEDI).

🌍 Карту можно получить на GEE: Global Forest Canopy Height from GEDI & Landsat.

Карта подготовлена лабораторией Global Land Analysis and Discovery (GLAD) департамента Географических наук университета штата Мэриленд. GLAD известна своими картами Global Forest Change и данными Harmonized Landsat Sentinel-2.

Следующая глобальная карта высоты лесного полога построена по данным 2020 года с пространственным разрешением 10 м (Lang et al., 2023). Для ее создания использованы данные GEDI, спутниковые снимки Sentinel-2 и ансамбль моделей на основе сверточных нейросетей (CNN). Итоговая модель позволяет получить в любой точке Земли высоту лесного полога и погрешность оценки высоты полога.

Применявшиеся ранее подходы для создания карт высоты полога на основе данных GEDI и Landsat-8, в частности (Potapov et al., 2020) реализовывали попиксельное отображение пространства признаков в высоту полога, без учета свойств окрестности пикселя и текстуры изображения. Применение сверточных нейросетей позволило учесть эти локальные особенности, что является существенной новизной предложенного подхода.

Проблема насыщения при расчете высоты полога, которая приводит к ухудшению точности оценок с увеличением высоты полога, в (Lang et al., 2023) решалась чисто механически — за счет огромного объема обучающих данных. Точность оценки высоты по-прежнему падает с увеличением высоты деревьев, хотя и несколько лучше, чем у более ранних подходов.

Важно, что предложенный (Lang et al., 2023) подход к расчету высоты полога может переноситься на другой временной период. Напомним, что лидар GEDI будет работать на орбите по крайней мере до конца 2024 года.

Исходный код и обученные модели доступны на Github: github.com/langnico/global-canopy-height-model.

🌍 Карта на GEE: ETH Global Sentinel-2 10m Canopy Height (2020).

Код примера

Представляется, что данная карта высот лесного полога является лучшей на сегодняшний день среди глобальных карт с точки зрения пространственного разрешения и точности. В то же время, она не использует лидарные данные для оценки высоты за пределами полосы измерений GEDI, что открывает возможности для ее совершенствования, например, с привлечением данных лидара ICESat-2.


P. Potapov, X. Li, A. Hernandez-Serna, A. Tyukavina, M.C. Hansen, A. Kommareddy, A. Pickens, S. Turubanova, H. Tang, C. E. Silva, J. Armston, R. Dubayah, J. B. Blair, M. Hofton (2020). https://doi.org/10.1016/j.rse.2020.112165

Lang, N., Jetz, W., Schindler, K. _et al._ A high-resolution canopy height model of the Earth. _Nat Ecol Evol_ (2023). https://doi.org/10.1038/s41559-023-02206-6

#лидар #лес #данные #GEE

Функции

Функция — это фрагмент кода, предназначенный для решения какой-либо конкретной задачи. Мы уже знакомы с большим количеством готовых функций R, а теперь научимся создавать функции сами.

Синтаксис функции имеет вид:

имя <- function(список_аргументов) {
  тело функции
}

Например:

sqr <- function(x) {
  x^2
}

или

sqr <- function(x) x^2

Вызов функции по имени:

sqr(2)

Обратите внимание, что присваивание имени функции выглядит так же, как присваивание значения переменной. И действительно, переменная sqr относится к классу функций ("function"):

class(sqr)

Имя функции без круглых скобок возвращает код функции.

Можно создавать анонимные функции:

(function(x) x^2)(3)

Список аргументов функции может быть пуст, тогда после имени функции указываются лишь круглые скобки ().

Можно задавать значения аргументов по умолчанию в виде x = a, y = b и т. д. Обратите внимание: для присваивания значений аргументов используется только знак равенства, стрелка <- тут недопустима.

Список аргументов переменной длины формируется добавлением многоточия ... в конце списка. Так открывается широкий простор для создания функций-"оберток".

Пусть нам нужна функция, строящая графики линиями красного цвета. Создадим функцию-обертку вокруг plot, то есть функцию, основу которой составляет plot, но с некоторыми "доработками" — в данном случае, с фиксированным значением параметра цвета (col):

plot.red <- function(x, y, ...) {
  plot(x, y, col = "red", ...)
}

Вот как это работает:

x <- seq(-pi,pi,.1)
y <- sin(x)
plot.red(x,y)

По умолчанию, функция возвращает значение, вычисленное в последней строке ее кода. Кроме того, для возвращения значений можно использовать return().

Функции в R могут возвращать несколько объектов, относящихся к разным типам данных. Такие объекты нужно предварительно “завернуть” в список:

sqr <- function(x) {
  val <- x^2
  txt <- "Squaring"
  ret <- list(value=val,text=txt)
  return(ret)
}
sqr(2)

Созданные внутри функции переменные являются локальными, то есть их значения доступны (видимы) только внутри данной функции или вложенных в нее функций. Соответственно и функция "видит" переменные, заданные вне ее пределов:

a <- 5

foo <- function() {
  b <- 10  # локальная переменная foo
  a <- 3
  print(a) # foo видит a
  print(b) # foo видит b
}

foo()
# a в основной программе не изменилась
print(a)
# b в основной программе не определена
print(b)

Хотя a задана вне функции и не передается в нее через входные параметры, функция все равно видит эту переменную 1️⃣. Изменения внешних переменных внутри функции не сказываются на значении этих переменных по выходе из функции.

Области видимости вкладываются друг в друга 2️⃣.

Глобальные переменные внутри функции можно задать при помощи специального оператора присваивания <<-:

foo <- function() {
   b <<- 10
}
foo()
# теперь b видима из основной программы
b

Локальность и глобальность считается по отношению к конкретному окружению. Так, в следующем примере функция g() является глобальной по отношению к h():

g <- function(x) {
  h <- function(x) {x-1}
  print(environment(h))
  print(h(x))
  return(x+1)
}
g(2)

#R

Функциональное программирование

По сути, R является языком функционального программирования. Практически все в нем делается при помощи функций. Например, элементы векторов выбираются при помощи функции-квадратной скобки:

x <- c(1,2,3)
x[1] 

Ничего необычного? Тогда запишем функцию-квадратную скобку в “более функциональном" виде:

`[`(x,1)

За следующей записью:

`+`(1,`*`(2,3))

кроется обычное

1+2*3

а операцию присваивания можно выполнить так:

assign("a",1)

В качестве примера создадим оператор +=, которого нет в базовом R:

`%+=%` <- function(o1,o2) eval.parent(substitute(o1 <- o1 + o2))

x <- 1
x %+=% 2

Внутри новый оператор остается функцией.

Возможности функций в R огромны, мы лишь намекнули на них. Подробности можно найти во второй части книги Хэдли Уикэма: Wickam H. Advanced R. — CRC Press, 2015.

#R

Рассказ про основы языка R в целом закончен. Дальше будет (наконец-то!) про пространственные данные, но уже не в таком интенсивном темпе.

В этот день, в 1957 году, в СССР запущен второй искусственный спутник Земли, по западной классификации «Спутник-2», с собакой Лайкой на борту.

Успешные испытания китайской многоразовой коммерческой ракеты Hyperbola-2

Частная китайская компания iSpace провела успешное испытание многоразовой ракеты Hyperbola-2. Первая возвращаемая ступень ракеты поднялась на высоту 178,4 м и мягко опустилась на землю с точностью 1,7 м.

Двухступенчатая ракета Hyperbola-2 работает на жидком топливе: метане и кислороде. Предполагается, что она сможет доставлять на низкую околоземную орбиту до 1,9 тонн груза. Кроме этого, удачные технологические решения, отработанные на Hyperbola-2, будут использованы на более крупной многоразовой ракете Hyperbola-3.

Hyperbola-3 в конфигурации с двумя ускорителями должна выводить на низкую околоземную орбиту до 8,5 тонн полезной нагрузки. Старт Hyperbola-3 намечен на 2025 год.

#китай

https://youtu.be/7zAyma-B1EQ
Евгений Бабичев, ветеран космодрома Плесецк, к.и.н., рассказывает о космической фоторазведке США 1950-60-х годов XX века:
- зарождение в США интереса к разведке из космоса, мотивы, факторы и обломки U-2;
- программа WS-117L, эволюция подходов;
- секретность, легендирование и реорганизации;
- о фобиях и буржуинском патриотизме;
- тернистый путь программы Corona к успеху;
- о «ведре», Белке и Стрелке;
- создание NRO – как итог начального этапа развития космической разведки США.

Поддержи наши проекты: http://tacticmedia.ru/donate/
Ранний доступ к нашим новостям и видео: https://sponsr.ru/tacticmedia/
Tacticmedia Вконтакте: https://vk.com/tacticmedia
Телеграмм: https://yangx.top/TacticMedia_Official
Дзен: https://zen.yandex.ru/tacticmedia
Rutube: https://rutube.ru/channel/23606772/