Завершилась миссия радарного спутника StriX-α
27 октября 2023 года завершилась миссия радарного спутника StriX-α японской компании Synspective, аппарат вошел в плотные слои атмосферы.
StriX-α был запущен 15 декабря 2020 года и являлся спутником-демонстратором будущей орбитальной группировки. Группировка StriX должна получать снимки в Х-диапазоне с пространственным разрешением 1–3 м, с одним типом поляризации (VV) и с шириной полосы захвата 10–30 км. Режимы съемки: Stripmap и Sliding Spotligh. Каждый спутник имеет массу около 150 кг (подробнее).
Предполагается развернуть группировку из 25–30 аппаратов. Срок службы StriX-α составлял три года. При переходе от демонстрационной к коммерческой эксплуатации, компания собирается достичь пятилетнего срока службы аппаратов.
В настоящее время на орбите находятся еще два спутника-демонстратора, принадлежащие Synspective: StriX-β и StriX-1. Оба запущены в 2022 году.
На снимке, сделанном одним из аппаратов StriX 12 декабря 2022 года, показана Венецианская лагуна.
Посмотреть и скачать демонстрационные снимки можно в Synspective SAR Data Gallery. После бесплатной регистрации ссылки приходят на почту.
#япония #SAR #данные
27 октября 2023 года завершилась миссия радарного спутника StriX-α японской компании Synspective, аппарат вошел в плотные слои атмосферы.
StriX-α был запущен 15 декабря 2020 года и являлся спутником-демонстратором будущей орбитальной группировки. Группировка StriX должна получать снимки в Х-диапазоне с пространственным разрешением 1–3 м, с одним типом поляризации (VV) и с шириной полосы захвата 10–30 км. Режимы съемки: Stripmap и Sliding Spotligh. Каждый спутник имеет массу около 150 кг (подробнее).
Предполагается развернуть группировку из 25–30 аппаратов. Срок службы StriX-α составлял три года. При переходе от демонстрационной к коммерческой эксплуатации, компания собирается достичь пятилетнего срока службы аппаратов.
В настоящее время на орбите находятся еще два спутника-демонстратора, принадлежащие Synspective: StriX-β и StriX-1. Оба запущены в 2022 году.
На снимке, сделанном одним из аппаратов StriX 12 декабря 2022 года, показана Венецианская лагуна.
Посмотреть и скачать демонстрационные снимки можно в Synspective SAR Data Gallery. После бесплатной регистрации ссылки приходят на почту.
#япония #SAR #данные
Открытые данные радиозатменных измерений
За последнее десятилетие радиозатменные измерения при помощи глобальных навигационных спутниковых систем приобрели решающее значение для улучшения качества прогноза погоды, космического мониторинга климата и исследований атмосферы. До недавнего времени данные подобных измерений хранились разрозненно, и найти их было достаточно трудно. NASA собрало их все вместе и поместило на Amazon Web Services (AWS), где данные находятся в открытом доступе.
Про то, что это за данные, каких именно спутников, и как их использовать — читайте здесь.
Данные Earth Radio Occultation в реестре открытых данных AWS: http://registry.opendata.aws/gnss-ro-opendata/
#ro #данные
За последнее десятилетие радиозатменные измерения при помощи глобальных навигационных спутниковых систем приобрели решающее значение для улучшения качества прогноза погоды, космического мониторинга климата и исследований атмосферы. До недавнего времени данные подобных измерений хранились разрозненно, и найти их было достаточно трудно. NASA собрало их все вместе и поместило на Amazon Web Services (AWS), где данные находятся в открытом доступе.
Про то, что это за данные, каких именно спутников, и как их использовать — читайте здесь.
Данные Earth Radio Occultation в реестре открытых данных AWS: http://registry.opendata.aws/gnss-ro-opendata/
#ro #данные
Глобальная система прогнозирования погоды Global Forecast System
Global Forecast System (GFS) — это модель прогноза погоды, созданная Национальным центром прогнозирования окружающей среды (National Centers for Environmental Prediction, NCEP). GFS является комбинированной моделью, состоящей из модели атмосферы, модели океана, модели суши/почвы и модели морского льда, которые работают вместе для получения прогноза погодных условий.
GFS содержит следующие данные* (подробнее):
* температура воздуха
* удельная влажность воздуха
* относительная влажность воздуха
* компоненты вектора скорости ветра
* общее количество осадков
* осажденная вода (Precipitable water)
* общая облачность
* плотность потока нисходящей коротковолновой радиации
Набор данных GFS состоит из отдельных растровых слоев. Прогнозы составляются с 6-часовым временным разрешением, то есть обновляются четыре раза в сутки. Прогноз делается на следующие 384 часа (16 суток) и идет с интервалами: 1 час (первые 120 часов) и 3 часа (после 120 часов). Для выбора интересующих данных используют свойства 'creation_time' (дата и время создания) и 'forecast_time' (дата и время прогноза).
Пример прогноза температуры воздуха при помощи GFS — код.
1️⃣ Температура воздуха на 17 ноября 2023 года, 2️⃣ температура воздуха, спрогнозированная моделью на 20 ноября 2023 года.
О создании легенд к картам GEE — см. здесь и здесь. Мы, как правило, получаем из GEE данные, а карты строим в специализированных программах.
*Если вы обнаружили ошибку в переводе англоязычных метеорологических терминов — пожалуйста, сообщите в бот обратной связи. Укажите авторитетный источник, в котором используется ваша версия перевода.
#GEE #данные #погода
Global Forecast System (GFS) — это модель прогноза погоды, созданная Национальным центром прогнозирования окружающей среды (National Centers for Environmental Prediction, NCEP). GFS является комбинированной моделью, состоящей из модели атмосферы, модели океана, модели суши/почвы и модели морского льда, которые работают вместе для получения прогноза погодных условий.
GFS содержит следующие данные* (подробнее):
* температура воздуха
* удельная влажность воздуха
* относительная влажность воздуха
* компоненты вектора скорости ветра
* общее количество осадков
* осажденная вода (Precipitable water)
* общая облачность
* плотность потока нисходящей коротковолновой радиации
Набор данных GFS состоит из отдельных растровых слоев. Прогнозы составляются с 6-часовым временным разрешением, то есть обновляются четыре раза в сутки. Прогноз делается на следующие 384 часа (16 суток) и идет с интервалами: 1 час (первые 120 часов) и 3 часа (после 120 часов). Для выбора интересующих данных используют свойства 'creation_time' (дата и время создания) и 'forecast_time' (дата и время прогноза).
Пример прогноза температуры воздуха при помощи GFS — код.
1️⃣ Температура воздуха на 17 ноября 2023 года, 2️⃣ температура воздуха, спрогнозированная моделью на 20 ноября 2023 года.
О создании легенд к картам GEE — см. здесь и здесь. Мы, как правило, получаем из GEE данные, а карты строим в специализированных программах.
*Если вы обнаружили ошибку в переводе англоязычных метеорологических терминов — пожалуйста, сообщите в бот обратной связи. Укажите авторитетный источник, в котором используется ваша версия перевода.
#GEE #данные #погода
Задачи классификации — обратная связь с читателями
Поздравляя нас с годовщиной, читатели высказывали пожелания видеть на канале больше заметок про классификацию снимков. Критиковали за то, что много внимания уделяется глобальным картам классов земного покрова и землепользования (Land Use & Land Cover, LULC), которые малополезны для исследований на региональному уровне.
Мы не против рассказывать больше про классификации, и даже периодически делаем это. Просто мы хорошо представляем себе возможный объем работ. Даже если бы мы были полноценной редакцией журнала и занимались бы только анализом обзоров классификаций — это все равно заняло бы слишком много времени.
Вот здесь есть обзор классификаций по достаточно узкой теме: классификации “вода-лед” для микроволновых данных. А еще есть обзоры классификаций типов льда, возраста льда, есть другие виды данных… Причем речь идет не о единичной классификации, а об уже готовом обзоре множества таких классификаций. И все равно материалов очень много.
Поэтому предлагаем такую штуку. Если вас интересует какая-то конкретная работа по классификации и по ней есть вопросы/непонятки, пишите в бот обратной связи. Мы обязательно отреагируем и постараемся что-то по этому поводу сделать.
Классификация часто является вспомогательной задачей и потому прячется внутри публикаций, посвященных решению основной задачи. Вот, например, доклады по моделированию потоков углерода леса. Внутри есть классификации деревьев по породам, по бонитетам, и есть ссылки на литературу, из которой эти классификации можно вытащить. Такого на канале немало.
Что касается глобальных классификаций, то они вовсе не так плохи. Многие их проблемы связаны с “натягиванием на глобус”. Та же самая глобальная классификация, или даже ее упрощенная версия, будет существенно точнее, если использовать ее локально, обучать на данных интересующего района. А методика создания классификации в статьях про глобальные LULC вполне себе описана. Вот, например, карты Google Dynamic World — не столько готовая классификация, сколько конструктор классификаций. Идем по ссылке из заметки и находим статью с методикой создания.
Чтобы не ждать, пока на канале появится достаточное число заметок про классификации, прошерстим в Google сайт крупнейшего русскоязычного журнала по ДЗЗ — “Современные проблемы дистанционного зондирования Земли из космоса”:
или сайт популярного журнала издательства MDPI, который так и называется — “Remote Sensing”:
Ну а с конкретными вопросами/предложениями — добро пожаловать в бот обратной связи @sputnikDZZ_bot
Поздравляя нас с годовщиной, читатели высказывали пожелания видеть на канале больше заметок про классификацию снимков. Критиковали за то, что много внимания уделяется глобальным картам классов земного покрова и землепользования (Land Use & Land Cover, LULC), которые малополезны для исследований на региональному уровне.
Мы не против рассказывать больше про классификации, и даже периодически делаем это. Просто мы хорошо представляем себе возможный объем работ. Даже если бы мы были полноценной редакцией журнала и занимались бы только анализом обзоров классификаций — это все равно заняло бы слишком много времени.
Вот здесь есть обзор классификаций по достаточно узкой теме: классификации “вода-лед” для микроволновых данных. А еще есть обзоры классификаций типов льда, возраста льда, есть другие виды данных… Причем речь идет не о единичной классификации, а об уже готовом обзоре множества таких классификаций. И все равно материалов очень много.
Поэтому предлагаем такую штуку. Если вас интересует какая-то конкретная работа по классификации и по ней есть вопросы/непонятки, пишите в бот обратной связи. Мы обязательно отреагируем и постараемся что-то по этому поводу сделать.
Классификация часто является вспомогательной задачей и потому прячется внутри публикаций, посвященных решению основной задачи. Вот, например, доклады по моделированию потоков углерода леса. Внутри есть классификации деревьев по породам, по бонитетам, и есть ссылки на литературу, из которой эти классификации можно вытащить. Такого на канале немало.
Что касается глобальных классификаций, то они вовсе не так плохи. Многие их проблемы связаны с “натягиванием на глобус”. Та же самая глобальная классификация, или даже ее упрощенная версия, будет существенно точнее, если использовать ее локально, обучать на данных интересующего района. А методика создания классификации в статьях про глобальные LULC вполне себе описана. Вот, например, карты Google Dynamic World — не столько готовая классификация, сколько конструктор классификаций. Идем по ссылке из заметки и находим статью с методикой создания.
Чтобы не ждать, пока на канале появится достаточное число заметок про классификации, прошерстим в Google сайт крупнейшего русскоязычного журнала по ДЗЗ — “Современные проблемы дистанционного зондирования Земли из космоса”:
классификация site:http://jr.rse.cosmos.ruили сайт популярного журнала издательства MDPI, который так и называется — “Remote Sensing”:
classification site:https://www.mdpi.com/journal/remotesensingНу а с конкретными вопросами/предложениями — добро пожаловать в бот обратной связи @sputnikDZZ_bot
1️⃣ Ложные срабатывания и истинные разливы нефти (Leifer et al., 2012).
2️⃣ Нефтяная пленка на поверхности Мексиканского залива по данным Terra MODIS (17.05.2010).
3️⃣ Пятна нефти на снимке канадского радарного спутника RADARSAT (Fingas & Brown, 2012).
4️⃣ Факторы, влияющие на изменение характеристик нефтяного загрязнения на поверхности моря (Leifer et al., 2012).
2️⃣ Нефтяная пленка на поверхности Мексиканского залива по данным Terra MODIS (17.05.2010).
3️⃣ Пятна нефти на снимке канадского радарного спутника RADARSAT (Fingas & Brown, 2012).
4️⃣ Факторы, влияющие на изменение характеристик нефтяного загрязнения на поверхности моря (Leifer et al., 2012).
Картирование разливов нефти по данным ДЗЗ из космоса
Читатели спрашивают нас о возможностях наблюдения разливов нефти по спутниковым данным. Ответим максимально коротко, а за подробностями отошлем читателей к обзору Фингаса и Брауна, которые пишут подобные обзоры, начиная с 1990-х годов, а также к статье коллектива авторов под руководством Айры Лейфера, посвященной аварии на нефтяной платформе Deepwater Horizon (2010 г.). Авария была огромная, так что в распоряжении авторов оказались лучшие на тот момент и самые разнообразные данные ДЗЗ.
📖Fingas M., & Brown C. (2017). A Review of Oil Spill Remote Sensing. Sensors, 18(2), 91. https://doi.org/10.3390/s18010091
📖Leifer I. et al. (2012). State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill. Remote Sensing of Environment, 124, 185–209. https://doi.org/10.1016/j.rse.2012.03.024
На оптических снимках нефть легко перепутать с другими видами загрязнений морской поверхности (1️⃣ A, C, E — ложные срабатывания; B, D, F — разливы нефти). В зависимости от освещения, нефть может выглядеть на снимке как светлой, так и темной 2️⃣. В видимом диапазоне нет специфических спектральных признаков нефти. Поэтому отделить нефть от воды на снимках можно только зная заранее, что на поверхности моря находится именно нефть.
Нефть, разлитая на поверхности моря, делает эту поверхность более гладкой, так что пятна нефти дают более низкие значения отраженного радарного сигнала. На снимке 3️⃣, сделанном со спутника RADARSAT, более темными оттенками серого показаны нефтяные пятна, появившееся на поверхности Мексиканского залива в результате аварии на платформе Deepwater Horizon. В квадрате показан увеличенный вид центра зоны разлива. Яркие точки — это суда, работающие над ликвидацией последствий аварии.
Радарные снимки — хороший инструмент для всепогодного детектирования разливов нефти, но у них есть свои ограничения. Радарные данные дают много ложных срабатываний. Например, гладкая поверхность моря в штиль может дать такое же низкое отражение радарного сигнала, как и пятно нефтяного разлива. При значительном волнении нефтяное загрязнение становится трудно обнаружить по радарным данным, то есть они хорошо работают в определенном диапазоне состояний морской поверхности. Нефть не только делает поверхность моря более гладкой, но и изменяет ее диэлектрические характеристики. При определенных условиях это может привести не к ослаблению, а к усилению отражения радарного сигнала.
Специфические спектральные особенности нефти не попадают в спектральные каналы современных мультиспектральных сенсоров. Поэтому нужны гиперспектральные данные с узкими спектральными каналами (5–10 нм), покрывающие диапазон ближнего и среднего инфракрасного света.
Картируют разливы нефти и по данным тепловых инфракрасных сенсоров, опираясь на различия в температуре чистой морской поверхности и поверхности, покрытой пленкой нефти.
Для определения толщины нефтяной пленки существуют только оценочные методики. Они позволяют определить, куда в первую очередь направить силы и средства для ликвидации последствий аварии, но обладают весьма ограниченной точностью.
Исходя из площади разлива нефти и толщины пленки, объем вытекшей нефти можно вычислить очень приблизительно. Дело в том, что нефть присутствует на поверхности моря в виде водо-нефтяной эмульсии. Для определения объема нефти нужно знать состав этой эмульсии, который к тому же изменяется со временем 4️⃣.
#нефть #обзор
Читатели спрашивают нас о возможностях наблюдения разливов нефти по спутниковым данным. Ответим максимально коротко, а за подробностями отошлем читателей к обзору Фингаса и Брауна, которые пишут подобные обзоры, начиная с 1990-х годов, а также к статье коллектива авторов под руководством Айры Лейфера, посвященной аварии на нефтяной платформе Deepwater Horizon (2010 г.). Авария была огромная, так что в распоряжении авторов оказались лучшие на тот момент и самые разнообразные данные ДЗЗ.
📖Fingas M., & Brown C. (2017). A Review of Oil Spill Remote Sensing. Sensors, 18(2), 91. https://doi.org/10.3390/s18010091
📖Leifer I. et al. (2012). State of the art satellite and airborne marine oil spill remote sensing: Application to the BP Deepwater Horizon oil spill. Remote Sensing of Environment, 124, 185–209. https://doi.org/10.1016/j.rse.2012.03.024
На оптических снимках нефть легко перепутать с другими видами загрязнений морской поверхности (1️⃣ A, C, E — ложные срабатывания; B, D, F — разливы нефти). В зависимости от освещения, нефть может выглядеть на снимке как светлой, так и темной 2️⃣. В видимом диапазоне нет специфических спектральных признаков нефти. Поэтому отделить нефть от воды на снимках можно только зная заранее, что на поверхности моря находится именно нефть.
Нефть, разлитая на поверхности моря, делает эту поверхность более гладкой, так что пятна нефти дают более низкие значения отраженного радарного сигнала. На снимке 3️⃣, сделанном со спутника RADARSAT, более темными оттенками серого показаны нефтяные пятна, появившееся на поверхности Мексиканского залива в результате аварии на платформе Deepwater Horizon. В квадрате показан увеличенный вид центра зоны разлива. Яркие точки — это суда, работающие над ликвидацией последствий аварии.
Радарные снимки — хороший инструмент для всепогодного детектирования разливов нефти, но у них есть свои ограничения. Радарные данные дают много ложных срабатываний. Например, гладкая поверхность моря в штиль может дать такое же низкое отражение радарного сигнала, как и пятно нефтяного разлива. При значительном волнении нефтяное загрязнение становится трудно обнаружить по радарным данным, то есть они хорошо работают в определенном диапазоне состояний морской поверхности. Нефть не только делает поверхность моря более гладкой, но и изменяет ее диэлектрические характеристики. При определенных условиях это может привести не к ослаблению, а к усилению отражения радарного сигнала.
Специфические спектральные особенности нефти не попадают в спектральные каналы современных мультиспектральных сенсоров. Поэтому нужны гиперспектральные данные с узкими спектральными каналами (5–10 нм), покрывающие диапазон ближнего и среднего инфракрасного света.
Картируют разливы нефти и по данным тепловых инфракрасных сенсоров, опираясь на различия в температуре чистой морской поверхности и поверхности, покрытой пленкой нефти.
Для определения толщины нефтяной пленки существуют только оценочные методики. Они позволяют определить, куда в первую очередь направить силы и средства для ликвидации последствий аварии, но обладают весьма ограниченной точностью.
Исходя из площади разлива нефти и толщины пленки, объем вытекшей нефти можно вычислить очень приблизительно. Дело в том, что нефть присутствует на поверхности моря в виде водо-нефтяной эмульсии. Для определения объема нефти нужно знать состав этой эмульсии, который к тому же изменяется со временем 4️⃣.
#нефть #обзор
С нами связался Валерий Александрович Заичко (заместитель директора Департамента автоматических космических комплексов, систем навигации и ДЗЗ Госкорпорации “Роскосмос”) и предложил прокомментировать нашу заметку. Естественно, мы согласились.
Несколько комментариев по итогам конференции ИКИ РАН и пленарной сессии.
1. Что касается планов совместного применения государственных и негосударственных, а также частно-государственных КА ДЗЗ. Такая работа Роскосмосом предусмотрена.
Уже подготовлены соответствующие проекты организационно-распорядительных документов, позволяющих осуществлять комплексное планирование совместных группировок. И первый в этом списке — КА "Зоркий” компании “Ситроникс”.
По самим данным работа уже проведена и технология загрузки данных в Федеральный фонд данных ДЗЗ отработана.
Что касается совместного планирования с учётом всего спектра заявок потребителей, то эта технология в стадии отработки. И как только появится группировка КА “Зоркий”, хотя бы в составе 2–3 КА, отработает на практике.
2. “Барл” и “СтилCпейс” представили на конференции “Цифровая реальность: космические и пространственные данные” (жаль, что Вы о ней не упоминаете) (октябрь 2023 г., Сочи) свои планы по запускам. Посмотрите отчёт.
3. Относительно приземления данных. Госкорпорация Роскосмос владеет современной высокоэффективной наземной космической инфраструктурой ДЗЗ: наземная система приёма обработки хранения и распространения данных ДЗЗ в виде ЕТРИС ДЗЗ (готовы на вашей площадке рассказать о ней более подробно) и управления КА ДЗЗ — НАКУ КА НСЭН.
Роскосмос предложил всем частным компаниям — участникам дорожной карты — использовать эту государственную сеть — как приёмных станций, так и станций управления.
Либо хотя бы сортировать между собой соответствующие сегменты, что и планируется сделать.
4. Что касается обработки, в том числе тематической, и предоставления данных и продуктов сервисов и услуг ДЗЗ, то действительно сегодня это — геопортал Роскосмоса.
Но есть уже геопортал ИС “Цифровая Земля” (https://dgearth.ru), который (уже!) позволяет получать продукты и мозаики территорий с различными индексами. И не только всем известного NDVI, но и других.
Готовы в отдельном разделе рассказать и об этом.
И вообще пропаганды сделанного в Роскосмосе задела по ДЗЗ явно маловато.
При этом в Роскосмосе создаётся, в рамках соответствующих НИОКР, специализированное ПО тематической обработки данных ДЗЗ в коробочном и в серверном вариантах, наподобие MapInfo, ENVI или ArcGIS. Надеюсь, что в 2025 году оно появится.
Что касается хаба, то тоже он создаётся и, надеюсь, к 2025-му году мы его покажем.
По Google Earth Engine — мысль интересная, и в своем СПО его попытаемся также погрузить.
5. И по полигонам. Сейчас у Роскосмоса уже имеется сеть валидационных полигонов и тестовых участков по оценке и подтверждению только технических характеристик КА ДЗЗ.
Вы подали отличную идею, и мы будем планировать создание мультифункционального полигона по различным тематическим отраслям. Думаю, это надо централизовать на одной полигонной площадке.
Несколько комментариев по итогам конференции ИКИ РАН и пленарной сессии.
1. Что касается планов совместного применения государственных и негосударственных, а также частно-государственных КА ДЗЗ. Такая работа Роскосмосом предусмотрена.
Уже подготовлены соответствующие проекты организационно-распорядительных документов, позволяющих осуществлять комплексное планирование совместных группировок. И первый в этом списке — КА "Зоркий” компании “Ситроникс”.
По самим данным работа уже проведена и технология загрузки данных в Федеральный фонд данных ДЗЗ отработана.
Что касается совместного планирования с учётом всего спектра заявок потребителей, то эта технология в стадии отработки. И как только появится группировка КА “Зоркий”, хотя бы в составе 2–3 КА, отработает на практике.
2. “Барл” и “СтилCпейс” представили на конференции “Цифровая реальность: космические и пространственные данные” (жаль, что Вы о ней не упоминаете) (октябрь 2023 г., Сочи) свои планы по запускам. Посмотрите отчёт.
3. Относительно приземления данных. Госкорпорация Роскосмос владеет современной высокоэффективной наземной космической инфраструктурой ДЗЗ: наземная система приёма обработки хранения и распространения данных ДЗЗ в виде ЕТРИС ДЗЗ (готовы на вашей площадке рассказать о ней более подробно) и управления КА ДЗЗ — НАКУ КА НСЭН.
Роскосмос предложил всем частным компаниям — участникам дорожной карты — использовать эту государственную сеть — как приёмных станций, так и станций управления.
Либо хотя бы сортировать между собой соответствующие сегменты, что и планируется сделать.
4. Что касается обработки, в том числе тематической, и предоставления данных и продуктов сервисов и услуг ДЗЗ, то действительно сегодня это — геопортал Роскосмоса.
Но есть уже геопортал ИС “Цифровая Земля” (https://dgearth.ru), который (уже!) позволяет получать продукты и мозаики территорий с различными индексами. И не только всем известного NDVI, но и других.
Готовы в отдельном разделе рассказать и об этом.
И вообще пропаганды сделанного в Роскосмосе задела по ДЗЗ явно маловато.
При этом в Роскосмосе создаётся, в рамках соответствующих НИОКР, специализированное ПО тематической обработки данных ДЗЗ в коробочном и в серверном вариантах, наподобие MapInfo, ENVI или ArcGIS. Надеюсь, что в 2025 году оно появится.
Что касается хаба, то тоже он создаётся и, надеюсь, к 2025-му году мы его покажем.
По Google Earth Engine — мысль интересная, и в своем СПО его попытаемся также погрузить.
5. И по полигонам. Сейчас у Роскосмоса уже имеется сеть валидационных полигонов и тестовых участков по оценке и подтверждению только технических характеристик КА ДЗЗ.
Вы подали отличную идею, и мы будем планировать создание мультифункционального полигона по различным тематическим отраслям. Думаю, это надо централизовать на одной полигонной площадке.
Валерий Александрович предложил также прокомментировать тему сертификации данных ДЗЗ и их использования в качестве юридически значимых данных, в том числе при доказательствах в судебных инстанциях.
Если у вас есть вопросы по этой теме — задавайте их в бот обратной связи @sputnikDZZ_bot.
Если у вас есть вопросы по этой теме — задавайте их в бот обратной связи @sputnikDZZ_bot.
Следуя совету В. А. Заичко, посмотрели материалы III международной конференции “Цифровая реальность: космические и пространственные данные, технологии обработки”, проводившейся АО “Ракурс”, АО “Роскартография” и Госкорпорацией “Роскосмос” 16–18 октября 2023 года в Сочи. Видеозаписей конференции этого года мы не нашли (раньше они были), зато нашли презентации (по секциям, по докладчикам). Поэтому сегодня вас ждут заметки о планах и возможностях по созданию спутниковых группировок ДЗЗ компаний “Стилсат”, “Газпром-СПКА”, и НПК “Барл”.
В презентациях содержится гораздо больше информации. Мы выбрали только интересующую нас часть, остальное смотрите по ссылкам.
Компанию СПУТНИКС на конференции представлял Копик А. Г., с докладом “Обзорная спутниковая группировка высокого разрешения”. По содержанию это было близко к докладу, который мы уже разбирали. Но здесь прилагается оригинальная презентация.
В презентациях содержится гораздо больше информации. Мы выбрали только интересующую нас часть, остальное смотрите по ссылкам.
Компанию СПУТНИКС на конференции представлял Копик А. Г., с докладом “Обзорная спутниковая группировка высокого разрешения”. По содержанию это было близко к докладу, который мы уже разбирали. Но здесь прилагается оригинальная презентация.
Перспективная группировка малых космических аппаратов “Стилсат”
Планы компании "Стилсофт" по созданию системы высокодетального спутникового мониторинга “Стилсат” приведены в докладе А. В. Бурмака. Слайды говорят сами за себя.
Всего аппаратов будет 9 1️⃣. Развертывание группировки планируется начать во втором квартале 2024 года и завершить в 2027 году 3️⃣. Обратите внимание, как подробно описаны условия тестирования пространственного разрешения 2️⃣.
Наконец-то наступила ясность с названиями компаний: “Стилсофт” — разработчик аппаратов, “Стилспэйс” — оператор спутниковой группировки.
#россия
Планы компании "Стилсофт" по созданию системы высокодетального спутникового мониторинга “Стилсат” приведены в докладе А. В. Бурмака. Слайды говорят сами за себя.
Всего аппаратов будет 9 1️⃣. Развертывание группировки планируется начать во втором квартале 2024 года и завершить в 2027 году 3️⃣. Обратите внимание, как подробно описаны условия тестирования пространственного разрешения 2️⃣.
Наконец-то наступила ясность с названиями компаний: “Стилсофт” — разработчик аппаратов, “Стилспэйс” — оператор спутниковой группировки.
#россия
Перспективные космические системы “Газпром-СПКА”
Компания “Газпром-СПКА” планирует в 2026–2030 годах развернуть на орбите группировку из 9 малых спутников ДЗЗ и одного спутника связи.
Среди аппаратов ДЗЗ:
* 3 спутника оптического наблюдения с газоанализитором СМОТР-В 1️⃣
* 6 спутников радарного наблюдения СМОТР-Р 2️⃣
Согласно плану запусков, 3️⃣ спутники-демонстраторы обоих типов будут запущены в 2026 году. Оставшиеся радарные спутники будут запущены в 2028 году, а оптические — в 2030 году.
“Газпром-СПКА” ведет работы по созданию универсальной космической платформы 4️⃣.
#россия
Компания “Газпром-СПКА” планирует в 2026–2030 годах развернуть на орбите группировку из 9 малых спутников ДЗЗ и одного спутника связи.
Среди аппаратов ДЗЗ:
* 3 спутника оптического наблюдения с газоанализитором СМОТР-В 1️⃣
* 6 спутников радарного наблюдения СМОТР-Р 2️⃣
Согласно плану запусков, 3️⃣ спутники-демонстраторы обоих типов будут запущены в 2026 году. Оставшиеся радарные спутники будут запущены в 2028 году, а оптические — в 2030 году.
“Газпром-СПКА” ведет работы по созданию универсальной космической платформы 4️⃣.
#россия
Космические технологии НПК “БАРЛ”
В презентации НПК “БАРЛ” не указаны планы по созданию спутниковой группировки. Зато компания показала то, что уже умеет 1️⃣ (ПК — панхроматический канал, МК — мультиспектральные каналы: R, G, B + NIR).
Напомним, что 9 августа 2022 года на орбиту был успешно запущен спутник ДЗЗ “Хайям”, разработанный НПК “БАРЛ” в интересах Иранского космического агентства.
Значительная часть презентации Лабутина В. В. посвящена наземным системам и геоинформационным сервисам, предлагаемым компанией.
#россия
В презентации НПК “БАРЛ” не указаны планы по созданию спутниковой группировки. Зато компания показала то, что уже умеет 1️⃣ (ПК — панхроматический канал, МК — мультиспектральные каналы: R, G, B + NIR).
Напомним, что 9 августа 2022 года на орбиту был успешно запущен спутник ДЗЗ “Хайям”, разработанный НПК “БАРЛ” в интересах Иранского космического агентства.
Значительная часть презентации Лабутина В. В. посвящена наземным системам и геоинформационным сервисам, предлагаемым компанией.
#россия