Поскольку частицы глины более мелкие, глинистые почвы содержит больше частиц, чем песчаные. Когда каждая частица покрывается слоем воды, глинистые почвы удерживают больше влаги, чем песчаные.

В видимой части спектра наблюдается заметное снижение отражательной способности влажных почв по сравнению с сухими. Отражательная способность сухих песчаников остается почти постоянной, тогда как у влажных песчаников она имеет заметные провалы при длинах волн 1.4, 1.9 и 2.3 мкм.

Чем меньше шероховатость поверхности по отношению к длине волны падающего излучения, тем сильнее зеркальное отражение от поверхности. Предположим, что почва не содержат влаги, органических веществ или оксидов железа — отражение зависит только от ее текстуры. Тогда сухая глинистая почва с мелкой текстурой должна давать более высокий спектральный отклик во всей видимой и ближней инфракрасной частях спектра из-за почти зеркального отражения, которое должно происходить от ее поверхности, по сравнению с песчаной почвой. На практике это не так. Потому что по мере того, как к глинистой почве добавляются влага, органические вещества или оксид железа, она начинает резко поглощать падающее излучение и, вполне возможно, будет выглядеть на спутниковом снимке как песок. И наоборот, сухой песок с его хорошо дренированными крупными гранулами должен диффузно рассеивать падающее излучение в видимой и ближней инфракрасной областях спектра сильнее, чем глинистая почва. Поэтому участки с более крупнозернистым песком обычно являются одними из самых ярких ландшафтов, а глинистые почвы — одними из самых темных.

Еще одной характеристикой почвы, которая влияет на ее отражательную способность, является содержание органических веществ. Оно характеризует количество азота в почве. Для большинства климатических зон относительное содержание органических веществ в почве колеблется от 0.5 до 5 %. При 5 %-ном содержании органических веществ почва обычно имеет темно-коричневый или черный цвет, а при меньшем содержании — светло-коричневый или светло-серый. Чем больше количество органических веществ в почве, тем сильнее поглощение падающей энергии и тем ниже спектральная отражательная способность.

Наличие в почве оксида железа обычно вызывает увеличение отражения в красной части спектра (0.6–0.7 мкм), и, следовательно, красноватый цвет почвы. Также наблюдается заметное снижение отражения в синей и зеленой частях спектра. Почва с оксидом железа имеет меньший коэффициент отражения в ближней инфракрасной области (0.85–0.90 мкм), чем почва без оксида железа.

Сколько радаров у Китая?

На днях США ввели санкции против китайской компании Spacety за то, что она якобы поставляла ЧВК Вагнер радарные снимки Украины.

Spacety производит малые спутники и базируется в Чанше, провинция Хунань. Имеет офисы в Пекине и Люксембурге. Основана в 2016 году сотрудниками Китайской академии наук. В декабре 2020 года Spacety запустила спутник Hisea (или Haisi) 1 с радаром С-диапазона.

В планах Spacety — создание группировки микроспутников Tianxian-SAR с радарами C-диапазона, которая будет насчитывать 96 аппаратов. В феврале 2022 года был запущен первый спутник группировки — Chaohu-1. На вторую половину 2023 года запланирован запуск еще трех спутников.

А сколько всего радарных спутников у Китая? Попробуем посчитать.

Ludi Tance (LT-1 01A и LT-1 01B) — радары L-диапазона, запущены в январе-феврале 2022 года. Разработчик: государственная компания CNSA.

Taijing-4 01 компании Minospace, c радаром X-диапазона. Также запущен в феврале 2022 года.

Gaofen-3 — серия радарных спутников С-диапазона. Последний на сегодняшний день аппарат запущен в апреле 2022 года. Разработчик: CNSA. На орбите находятся 3 спутника серии.

SuperView Neo 2-01, 2-02. Запущены в июле 2022 года. Про радар известно только то, что он есть. Разработчик: China Academy of Space Technology (CAST).

S-SAR 01 — радар S-диапазона, запущен в октябре 2022 года. Разработчик: CAST.

Естественно, мы не касались Yaogan’ов, которые считают разведывательными. Надо думать, среди них тоже есть радарные.

Итого, на орбите находятся, по крайней мере, 11 китайских спутников с радарами X-, C-, S- и L-диапазонов.

Напоследок немного старых планов китайских компаний.

В 2021 году Beijing Smart Satellite Space Technology озвучивала планы по созданию 12-спутниковой группировки с радарами X-диапазона. Известно, что идет отработка аппаратуры.

Piesat Information Technology Co. Ltd. и GalaxySpace планировала разрабатывать группировку Hongtu-1, из четырех радарных спутников.

F.Squares Technology сообщала, что работает над спутником Zhuhai Orbita, который должен стать первым радарным спутником группировки Zhuhai-1.

В России на орбите находится один Кондор-ФКА, запущенный в 2013 году. Еще один Кондор имеет статус экспортного, кто его использует неизвестно.

#китай #SAR

S-SAR 01

И снова про китайские радары

HJ-2E (2022) — S-диапазона, разработки CAST.

Так что китайских радарных спутников пока 12.

#китай #SAR

Запуск “Кондор-ФКА” запланирован в первой половине 2023 года

Спутник "Кондор-ФКА" с радаром S-диапазона обещают запустить в первой половине 2023 года. Это будет первый запуск российского радарного спутника, выполненный после 2014 года.

Предыдущий спутник этого семейства — “Кондор-Э” оборудован радаром S-диапазона, который в детальном режиме съемки давал пространственное разрешение 1–2 метра при полосе захвата 10 км. В панорамном режиме разрешение составляло 5–20 метров (подробнее). Параболическую антенну радара диаметром шесть метров можно перенацеливать для проведения съемки районов справа или слева от трассы полета. Как видно, параметры, сравнимые с TerraSAR-X.

НПО машиностроения продолжает разработку спутника "Кондор-ФКА-М", однако пуск его планируется только в 2025 году. Сейчас НПО машиностроения сосредоточено на производстве и запуске семейства "Кондор-ФКА". Еще один спутник планируют запустить в следующем году.

#россия

GEE-7. Информация о снимке

Извлекаем из снимка:

* список каналов
* картографическую проекцию канала
* пространственное разрешение канала (разные каналы могут иметь разные проекции и разрешение)
* список свойств снимка
* долю облачного покрытия снимка
* версию снимка
* дату съемки
* уровень обработки снимка
* углы Солнца
* коэффициенты для преобразования значений пикселя в отражательную способность (могут быть свои для каждого канала)

Код примера: https://code.earthengine.google.com/7dcd8c501581f92047bb45c146be85ba

#GEE

Добавил в закрепленное сообщение интересную базу данных:

Satnogs DB — база данных искусственных спутников Земли, находящихся в настоящее время на орбите. Есть возможность экспорта данных и доступ по API. Является частью проекта SatNOGS — любительской сети наземных станций приема спутниковых сигналов.

NewSpace Index

Термином NewSpace обозначают всякие новые течения в космонавтике: появление спутниковых мегагруппировок, новых ракет-носителей и множества аэрокосмических компаний, занимающихся всем этим. Термин весьма размытый, но если его сузить до спутниковых группировок, принадлежащих частным компаниям, и частных ракет-носителей легкого класса, то появляться возможность что-то проанализировать.

Одной из первых попыток анализа является NewSpace Index (www.newspace.im). Это каталог группировок коммерческих спутников, малых ракет-носителей и компаний, финансирующих NewSpace. Ведет NewSpace Index Эрик Кулу, который уже несколько лет собирает и анализирует данные по развитию частной космонавтики.

Кроме NewSpace Index, Эрик ведет еще два ресурса:

* Nanosats Database — каталог наноспутников;
* Factories in Space — база данных компаний, ведущих или планирующих вести производство на орбите.

#справка

GEE-8. Значение в точке

Код примера: https://code.earthengine.google.com/c1f099f28ee79ac102d75448fe22ee9f

Допустим, мы хотим узнать значение пикселя в заданной точке. Для этого есть Inspector: указываем точку на снимке, получаем значения в его каналах. Можно ли такое реализовать программно? Разумеется. Но сначала придется познакомиться с редьюсерами.

Редьюсер (reducer) в Earth Engine — это способ агрегирования данных. Например, нужно вычислить среднее значение всех каналов в заданной области снимка. Сделает это редьюсер ee.Reducer.mean(). Данные агрегируют во времени, в пространстве, в каналах снимка, в массивах… Редьюсеры вычисляют статистики, строят гистограммы, выполняют линейную регрессию… В общем, редьюсеров (ee.Reducer) в Earth Engine очень много.

Итак, редьюсер определяет, как именно данные будут агрегированы. Чтобы применить его к снимку (а применять редьюсеры можно не только к снимкам), нужна функция:

image.reduceRegion(reducer, geometry, scale)

Она применяет reducer ко всем пикселям заданной области geometry на снимке image. Параметр scale задает пространственное разрешение снимка.

В нашей задаче нужен самый простой редьюсер — ee.Reducer.first(). Он берет первый элемент данных из заданной ему области. Область у нас — точка, поэтому редьюсер просто берет значение пикселя снимка в заданной точке. Вот так:

var data = image.reduceRegion(ee.Reducer.first(), point, 10);

Мы рассмотрим снимок Sentinel-2, 10 м — номинальное разрешение большинства каналов этого спутника.

Редьюсер возвращает словарь значений (ee.Dictionary). В нашем случае, это будут значения всех каналов в заданной точке, а их 23. Давайте выберем один канал и получим только его значение:

var data = image.select("B3")
  .reduceRegion(ee.Reducer.first(), point, 10)
  .get("B3");

Чтобы проверить, совпадут ли результаты скрипта и Inspector’а, нужно сильно приблизить изображение. Иначе трудно будет руками попасть в указанную на карте точку.

#GEE

Редьюсеры в Earth Engine. Все в экран не вместились.

Inspector показывает значение всех каналов снимка в выбранной точке.

Скрипт возвращает яркость в точке для канала B3.

Учебник по Google Earth Engine

0. Начало работы
1. Отображение снимка на карте
2. Основы JavaScript
3. Структуры данных Earth Engine
4. Фильтрация коллекции снимков
5. Экспорт данных
6. Импорт данных
7. Информация о снимке
8. Значение в точке
9. Индексы. Арифметика каналов
10. Библиотека Awesome Spectral Indices
11. Влияние атмосферной коррекции
12. Настройка диапазона отображения слоя
13. Создание мозаик
14. Административные границы
15. Отображение карт в разделенном окне
16. Ночные снимки и графики временных рядов
17. Температура земной поверхности по данным Landsat
18. Маскирование облаков: первое знакомство
19. Маскирование облаков и теней: s2cloudless
20. Landsat Cloudscore
21. Температура земной поверхности по данным MODIS. Автоматический подбор диапазона значений на карте
22. Маскирование облаков на снимках MODIS
23. Добавление текста на снимок
24. Ежедневная мозаика снимков
25. Преобразование растровых данных в векторные
26. ForWarn: мониторинг состояния леса
27. Выбор порога по гистограмме
28. Объединение коллекций снимков Landsat 5, 7 и 8
29. Скорость и направление ветра по данным реанализа ERA5
30. Создание RGB-композита радарных данных Sentinel-1
31. Свойства радарных снимков: начало, продолжение.
32. Восходящие и нисходящие орбиты Sentinel-1
33. Данные Sentinel-1 GRD в линейной шкале
34. Преобразование Tasseled Cap: теория, работа с массивами
35. Временные ряды
36. Оценка облачного покрытия территории
37. Сравнение площадей пахотных земель
38. Доработка данных Sentinel-1
39. Атмосферная коррекция данных Sentinel-2 Level-1C
40. Маскирование облаков и теней на снимках Sentinel-2
41. Дополнительная обработка данных Sentinel-2 Surface Reflectance
42. CloudScore+ — метод обнаружения облаков и теней: подробности, примеры
43. Как извлечь границы бассейна реки Урал из данных HydroSHEDS
44. qualityMosaic или самый зелёный пиксель Беларуси
45. Комбинация редьюсеров
46. Категоризация NDVI

#GEE

Постов по Earth Engine скопилось на мини-учебник) Ссылка на оглавление уйдет в закреп.

Спектральная отражательная способность растительности

Типичная спектральная сигнатура здоровой растительности характеризуется низким коэффициентом отражения в видимом диапазоне, c минимумами в синем (0.45–0.47 мкм) и в красном (0.68–0.69 мкм) участках спектра, и максимумом в зеленом (0.54–0.58 мкм) участке. С увеличением длины волны, примерно до 0.7 мкм, наблюдается резкое увеличение отражения. Это явление получило название “красный край” фотосинтеза (red edge). За красным краем в ближнем инфракрасном диапазоне (NIR) находится участок с самым высоким коэффициентом отражения (0.7–1.3 мкм). Далее следует уменьшение отражения в коротковолновой инфракрасной (SWIR) части спектра.

В видимой области спектра коэффициент отражения в основном зависит от содержания листовых пигментов (например, хлорофилла а и b и β-каротина). В области красного края наблюдается переход от сильного поглощения хлорофиллом к высокому отражению. Отражение энергии в области NIR связано с рассеянием на внутренних структурах листа (губчатом мезофилле). Область SWIR спектра чувствительна к содержанию воды в листьях.

#основы

Спектральные характеристики отражения здоровой зелени в диапазоне длин волн 0.4 – 2.6 мкм. Первичные полосы поглощения хлорофилла находятся в области 0.43–0.45 мкм и 0.65–0.66 мкм в видимой области. Основные полосы поглощения воды приходятся на 0.97, 1.19, 1.45, 1.94 и 2.7 мкм.

Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.

Это была “летняя” картинка. Но отражательная способность растений меняется в зависимости от сезона и под влиянием внешних условий (например, засухи). Она будет различаться в зависимости от масштаба наблюдений: отдельный лист, целое растение или растительное насаждение (сельскохозяйственное поле, лес).

Отражательная способность растительности изменяется в течение вегетационного периода, соответственно фенологическому циклу, что связано с изменением содержания хлорофилла в листьях.

Кроме хлорофилла, важную роль в отражении играют и другие пигменты, в частности каротин, ксантофил (желтый пигмент) и антоциан (красный пигмент). Но их влияние на отражение сказывается, главным образом, в отсутствие хлорофилла — как правило осенью, когда хлорофилл листьев распадается. Содержание хлорофилла может снижаться и с увеличением экологической нагрузки. Тогда отражательная способность листьев увеличивается, особенно в красном диапазоне, из-за чего растения приобретают желтый или хлоротичный оттенок.

Хотя сезонные изменения отражательной способности более выражены у лиственных растений, наблюдаются они и у хвойных — также из-за изменения содержания хлорофилла в иглах.

а) фотосинтезирующий зеленый лист аира, б-в) стареющие желтые и красные листья аира, полученный с того же дерева, г) стареющий лист аира, лежавший на земле. д) коэффициент отражения листа аира в диапазоне длин волн 400 – 1050 нм в зависимости от сезона.

Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.