Зачем нужны ночные снимки Земли

Наверняка многим знакомы спутниковые снимки ночной Земли, освещенной огнями городов. Они привлекают внимание своей необычностью, а при правильной подаче — помогают читателю сделать нужные публикаторам выводы (как этот снимок Корейского полуострова). Все это хорошо, но для чего на практике нужны ночные снимки? Или даже так: в каких задачах ночные снимки служат основным источником информации?

Ночные снимки доступны, начиная с 1992 года. В начале, съемка велась военными метеоспутниками. Сейчас основным источником ночных снимков является прибор VIIRS.
Пространственное разрешение ежедневных данных Day/Night Band составляет 742 м. Однако качество таких снимков нестабильное, и обычно их объединяют в месячные композиты. В GEE данные ночной съемки находятся здесь. Более подробный обзор источников ночных снимков есть в статье (там есть китайские спутники).

Применения ночной съемки разобраны в обзорных статьях 2022 и 2018 годов. Первая, вообще говоря, рассматривает только применения ночной съемки на платформе GEE, но, думается, это сужает ее представительность не слишком значительно.

Основных тем для применения ночной съемки выделяют три: картирование урбанизации, экологические применения и задачи социо-экономической динамики — по убыванию числа публикаций.

В картировании урбанизации данные ночной съемки играют вспомогательную роль, дополняя оптические данные (чаще всего, Landsat) или радарные данные. Влияние на точность классификации признаков, связанных с ночными снимками, в обзорных статьях не рассматривалось. Но вряд ли оно будет велико, учитывая низкое разрешение данных (742 метра против 30 или 10 метров). К тому же, в ярко освещенных городах данные ночной съемки страдают от эффекта насыщения, а в сельских и пригородных районах значения освещенности бывают занижены.

Задачи социо-экономической динамики — это войны, беженцы, ВВП и связь всего этого с освещенностью ночью. Темы более популярные, чем научные. Результаты иногда отдают трюизмом, например: ночное освещение, наблюдаемое со спутника, является хорошим индикатором гуманитарного кризиса в Сирии. В других случаях выводы крайне спорны: анализ гражданских войн в Йемене и Ираке, показал, что временные ряды снимков VIIRS способны отражать потребление электроэнергии во время войны (ссылки здесь). Освещенность не тождественна потреблению электроэнергии (как и в случае с двумя Кореями). В общем, данные показали большой потенциал для исследования…

Более вменяемые приложения ночной съемки есть в экологических задачах. Это: детектирования рыболовных судов в ночное время, детектирование вулканических извержений и оценка объемов сжигания попутного газа. В первых двух задачах ночные снимки снова будут на вторых ролях, если вообще пригодятся. Данные ночной съемки не дают ни высокого разрешения, ни оперативности. Детектировать извержения можно по тепловым снимкам геостационарных спутников (каждые 30 минут). Детектировать рыбную ловлю можно по радарным данным.

Интересней всего выглядит задача оценки объемов сжигания попутного газа по инфракрасным спектрам от газовых факелов. Тем более, что ночная съемка ведется прибором VIIRS, который в то же время получает данные в тепловом ИК и коротковолновых ИК (SWIR) каналах.

В общем, сфера применения ночных снимков пока не велика. Нужны данные с более высоким пространственным/радиометрическим/спектральным разрешением и более высокой повторяемостью съемки. Сейчас идет период накопления информации. Пока же, мы далеко не всегда понимаем, каким изменениям на земле соответствуют изменения освещенности на снимке.

Из забавной статистики. Около половины статей о региональном применении ночной съемки в GEE посвящено Китаю (31 из 60). У США — 5 из 60.

Чаще всего статьи про ночную съемку публикуются в MDPI Remote Sensing. Мы уже приводили сводку с подобными результатами для дистанционного зондирования вообще.

#GEE #dnb

GEE-16. Ночные снимки и графики временных рядов

Недавно мы обсуждали ночные снимки, а сейчас поработаем с ними. Сначала мы сравним среднюю освещенность территории в 2014 и 2021 годах, а после построим графики временных рядов средней освещенности для нескольких стран.

Задаем список стран и выбираем нужные фильтром ee.Filter.inList:

var countryList = ['Yemen','Eritrea','Djibouti'];
var countries = ee.FeatureCollection('USDOS/LSIB_SIMPLE/2017')
                  .filter(ee.Filter.inList('country_na', countryList));

Импортируем коллекцию снимков VIIRS Day/Night band:

var nightlight = ee.ImageCollection('NOAA/VIIRS/DNB/MONTHLY_V1/VCMSLCFG');

Это — месячные композиты ночных снимков.

Вычислим среднюю освещенностью в 2014 году:

var start = ee.Date.fromYMD(2014,1,1);
var end = ee.Date.fromYMD(2014,12,31);
 
var nightlights2014 = nightlight.filterDate(start,end);
nightlights2014 = ee.Image(nightlights2014.mean());
nightlights2014 = nightlights2014.select('avg_rad');
nightlights2014 = nightlights2014.clip(countries);

и отобразим ее на карте:

// Палитра для отображения DNB.
var palDNB = ['000000','700000','808080','FFFF00','ffffff','ffffff','ffffff'];

Map.addLayer(nightlights2014, {min:0,max:10,palette:palDNB}, 'Nightlights 2014');

Аналогично поступим с данными 2021 года.

Базовой картой сделаем спутниковые снимки:

Map.setOptions('SATELLITE');

Результаты показаны в следующем посте.

Перейдем к построению временных рядов. Возьмем среднюю освещенность за весь период наблюдений (2014–2022 годы):

var nl = nightlight.select('avg_rad');

Построим временные ряды освещенности по странам. Здесь ee.Reducer.mean() вычисляет среднюю освещенность по стране на одном снимке, то есть за один месяц:

var chart =
    ui.Chart.image
        .seriesByRegion({
          imageCollection: nl,
          regions: countries,
          reducer: ee.Reducer.mean(),
          scale: 500,
          seriesProperty: 'country_na',
          xProperty: 'system:time_start'
        })
        .setOptions({
          title: 'Date',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {
            title: 'average nighlight',
            titleTextStyle: {italic: false, bold: true}
          },
          lineWidth: 5,
          colors: ['e37d05','0f8755','76b349'],
          curveType: 'function'
        });
          
print(chart);

Свойство xProperty указывает на переменную, играющую роль времени. seriesProperty задает атрибут regions, разделяющий данные разных рядов (название страны). Все остальные свойства довольно очевидны.

Для закрепления навыка, построим временной ряд для одной страны:

var country = countries.filter(ee.Filter.inList('country_na', ['Yemen']));

var chart =
    ui.Chart.image
        .series({
          imageCollection: nl,
          region: country,
          reducer: ee.Reducer.mean(),
          scale: 500,
          xProperty: 'system:time_start'
        })
        .setSeriesNames(['avg_rad'])
        .setOptions({
          title: 'Date',
          hAxis: {title: 'Date', titleTextStyle: {italic: false, bold: true}},
          vAxis: {
            title: 'average nighlight',
            titleTextStyle: {italic: false, bold: true}
          },
          lineWidth: 5,
          colors: ['e37d05'],
          curveType: 'function'
        });
          
print(chart);

Вместо ui.Chart.image.seriesByRegion здесь использована ui.Chart.image.series, потому что регион теперь один. Соответственно, вместо regions использован region.

Подробности построения графиков описаны в официальном руководстве. На наш взгляд, глубоко погружаться в них не стоит, потому что они тесно связаны с языком программирования. Почти весь рассмотренный нами материал легко перенести на Python, а вот построение графиков специфично для JavaScript. В Python их придется строить по-другому. Не сложнее, а именно по-другому.

Код примера

#GEE #dnb

⭐️ СТРАНЫ / КОМПАНИИ / СПУТНИКИ

Страны: #австралия #германия #индия #иран #испания #канада #китай #португалия #россия #США #япония и т. п.
Но:
#корея обозначает Северную и Южную Кореи
#РБ — Республика Беларусь
#UK — Великобритания

Компании: #planet #maxar

Спутники: #landsat #sentinel1 #sentinel2

⭐️ ДЗЗ

Методы и приборы
#альтиметр
#гиперспектр — гиперспектральная оптическая съемка
#лидар
#оптика — мультиспектральная оптическая съемка
#радиометр — микроволновой радиометр
#dnb — ночная съёмка (day / night band)
#SIF — солнечно-индуцированная флуоресценция хлорофилла
#ro — радиозатменный метод
#SAR — радарная съемка
#InSAR — радарная интерферометрия
#LST — съемка в тепловом инфракрасном диапазоне
#GNSSR — ГНСС-рефлектометрия
#sigint — радиоэлектронная разведка

Виды орбит: #ГСО — геостационарная, #VLEO — сверхнизкая

#основы — обучающие материалы по ДЗЗ
#обучение курсы, обучающие сервисы и т. п.
#история — в основном, история ДЗЗ
#индексы — спектральные индексы
#комбинация — комбинации каналов

Данные
#данные — коллекции данных ДЗЗ, наземных данных, карты и т.п.
#датасет — набор данных для машинного обучения
Дополнительные хештеги, описывающие данные:
#LULC — Land Use & Land Cover
#осадки
#SST — Sea Surface Temperature
#nrt — (near real time) изображения, получаемые в режиме, близком к реальном времени
#debris — космический мусор
#границы — административные границы
#DEM — цифровая модель рельефа (ЦМР)
#keyhole — рассекреченные снимки разведспутников

Литература, справочная информация
#справка — спектральные каналы, орбиты спутников, поиск данных и т.п.
#обзор
#книга — текст книги прикреплён к сообщению.
#журнал — статьи по ДЗЗ, опубликованные в выпуске журнала
Дополнительные хештеги:
#наблюдение — ресурсы для наблюдения спутников и орбиты спутников
#космодромы

#конференции — анонс конференций/семинаров/школ, посвященных ДЗЗ и анализ их материалов.
#конкурсы — анонс конкурсов/чемпионатов/олимпиад.
#МВК — материалы заседаний Межведомственной комиссии (МВК) по использованию результатов космической деятельности.

#снимки — поучительные (хоть в чем-то интересные) снимки, первые снимки

Программные инструменты / Языки
#нейронки #софт #GEE #R #tool #python #ГИС
#ИИ #FM — Foundation Model (Remote Sensing Foundation Model)

⭐️ ОТРАСЛИ / ТЕМАТИЧЕСКИЕ ЗАДАЧИ

#археология #атмосфера #вода #война #засуха #климат #лед #лес #нефть #океан #оползни #наводнение #пожары #почва #растительность #севморпуть #сельхоз #снег
#AGB — надземная биомасса
#ЧС — мониторинг стихийных бедствий и катастроф
#GHG — парниковые газы
Отдельные газы: #CO2 #NO2
#энергетика — космическая энергетика
#SSA — Space Situational Awareness

Ночной снимок извержения вулкана на исландском полуострове Рейкьянес

После более чем двухмесячного затишья, 20 ноября 2024 года началось очередное извержение вулкана на исландском полуострове Рейкьянес. Оно стало седьмым в череде извержений, начавшейся в декабре 2023 года.

Ночной снимок ⬆️ сделан прибором VIIRS (Visible Infrared Imaging Radiometer Suite) спутника Suomi NPP спустя примерно пять часов после начала извержения. Самое яркое пятно на снимке — свет от извержения на юго-западе Исландии. Оно выглядит ярче, чем ночное освещение Рейкьявика, который расположен северо-восточнее.

#dnb #вулкан #снимки