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.
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
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
Итак, редьюсер определяет, как именно данные будут агрегированы. Чтобы применить его к снимку (а применять редьюсеры можно не только к снимкам), нужна функция:
В нашей задаче нужен самый простой редьюсер —
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:
#GEE
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")Чтобы проверить, совпадут ли результаты скрипта и Inspector’а, нужно сильно приблизить изображение. Иначе трудно будет руками попасть в указанную на карте точку.
.reduceRegion(ee.Reducer.first(), point, 10)
.get("B3");
#GEE
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
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
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.
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.
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.
Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.
Спектр зеленой растительности в проекциях на каналы Sentinel-2.
Сравните спектральные сигнатуры зеленой и осенней растительности. У зеленой отражение в зеленом канале (B3) выше, чем в красном (B4). Осенью дела обстоят наоборот.
Сравните спектральные сигнатуры зеленой и осенней растительности. У зеленой отражение в зеленом канале (B3) выше, чем в красном (B4). Осенью дела обстоят наоборот.
В среднем инфракрасном диапазоне отчетливо заметен эффект, связанный с окнами поглощения воды. Пики спектральной отражательной способности в этом диапазоне приходятся на 1.6 и 2.2 мкм. Отмечают также сильное влияние влажности: чем меньше влажность листвы, тем выше ее отражательная способность.
Реакция отражательной способности листа магнолии на уменьшение относительного содержания воды. По мере снижения содержания влаги отражательная способность в диапазоне 0.4–2.5 мкм увеличивалась. Самое большое увеличение отражения наблюдается в среднем инфракрасном диапазоне — от 1.3 до 2.5 мкм.
Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.
Реакция отражательной способности листа магнолии на уменьшение относительного содержания воды. По мере снижения содержания влаги отражательная способность в диапазоне 0.4–2.5 мкм увеличивалась. Самое большое увеличение отражения наблюдается в среднем инфракрасном диапазоне — от 1.3 до 2.5 мкм.
Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.
Разница в отражательной способности одноярусной и многоярусной древесной растительности может достигать 85 %: дополнительное излучение, прошедшее через первый ярус, отражается от второго, а затем частично еще раз проходит через первый ярус. Этот эффект особенно заметен при сравнении отражательной способности в центре исследуемого растительного массива и на его краю, например, на опушке леса, где нет многоярусности.
Свое влияние на отражательную способность оказывают и условия съемки, в частности, взаимное расположение Солнца и датчика.
На рисунке показан двунаправленный эффект отражения на поле райграса, наблюдаемый с камеры под разными углами обзора в главной плоскости Солнца. Зенитный угол Солнца составлял 35°, как показано пунктирными стрелками. Углы обзора датчика показаны черными линиями в надире (0°) и при отклонениях от надира +45° и +75°.
Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.
На рисунке показан двунаправленный эффект отражения на поле райграса, наблюдаемый с камеры под разными углами обзора в главной плоскости Солнца. Зенитный угол Солнца составлял 35°, как показано пунктирными стрелками. Углы обзора датчика показаны черными линиями в надире (0°) и при отклонениях от надира +45° и +75°.
Из: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.
Xplore объявила о планах запуска малого спутника ДЗЗ в 2023 году
Американский стартап Xplore планирует запустить свой первый малый спутник Xcraft в четвертом квартале 2023 года на ракете-носителе SpaceX Falcon 9. Полезная нагрузка будет состоять из нескольких сенсоров, предоставляющих данные гиперспектральной съемки, видео высокого разрешения и снимки в ультрафиолетовой области спектра. Xplore заявила, что ее гиперспектральные снимки будут иметь пространственное разрешение 2 и 5 метров.
Основной бизнес компании — данные как услуга. Компания планирует предоставлять расширенные данные, полученные комбинированием данных различных сенсоров.
В долгосрочных планах компании — создание группировки из 12 платформ Xcraft с восемью основными инструментами. Утверждается, что группировка уже разработана.
В феврале Xplore объявила, что с момента своего основания в 2018 году привлекла $16.2M. Для группировки это совсем немного. Возможно, речь идет об интеграции сенсоров в готовую спутниковую платформу или же финансирование охватывает только бюджет первого Xcraft’а.
Нынешний год ожидается весьма плодовитым на запуски спутников с гиперспектральными сенсорами. В начале года Wyvern планирует запустить первый аппарат своей группировки. Начать развертывание группировки из 12 спутников собирается и HySpeqIQ. Запуск первых двух спутников гиперспектральной группировки Planet Tanager также ожидается в этом году.
Реализуются планы или нет — увидим. А пока взгляните, насколько богаче спектры отражения, полученные гиперспектральными сенсорами, по сравнению с данными обычных (мультиспектральных) сенсоров. Как минимум, замаскироваться от обнаружения таким сенсором станет гораздо сложнее.
#гиперспектр
Американский стартап Xplore планирует запустить свой первый малый спутник Xcraft в четвертом квартале 2023 года на ракете-носителе SpaceX Falcon 9. Полезная нагрузка будет состоять из нескольких сенсоров, предоставляющих данные гиперспектральной съемки, видео высокого разрешения и снимки в ультрафиолетовой области спектра. Xplore заявила, что ее гиперспектральные снимки будут иметь пространственное разрешение 2 и 5 метров.
Основной бизнес компании — данные как услуга. Компания планирует предоставлять расширенные данные, полученные комбинированием данных различных сенсоров.
В долгосрочных планах компании — создание группировки из 12 платформ Xcraft с восемью основными инструментами. Утверждается, что группировка уже разработана.
В феврале Xplore объявила, что с момента своего основания в 2018 году привлекла $16.2M. Для группировки это совсем немного. Возможно, речь идет об интеграции сенсоров в готовую спутниковую платформу или же финансирование охватывает только бюджет первого Xcraft’а.
Нынешний год ожидается весьма плодовитым на запуски спутников с гиперспектральными сенсорами. В начале года Wyvern планирует запустить первый аппарат своей группировки. Начать развертывание группировки из 12 спутников собирается и HySpeqIQ. Запуск первых двух спутников гиперспектральной группировки Planet Tanager также ожидается в этом году.
Реализуются планы или нет — увидим. А пока взгляните, насколько богаче спектры отражения, полученные гиперспектральными сенсорами, по сравнению с данными обычных (мультиспектральных) сенсоров. Как минимум, замаскироваться от обнаружения таким сенсором станет гораздо сложнее.
#гиперспектр
Данные об орбитах спутников Земли
Данные об орбитах спутников Земли нужны для решения множества задач. Например, чтобы получать данные с этих спутников, чтобы прогнозировать их движение или выполнить геопривязку полученных снимков.
Чаще всего в сети представлены данные об орбитах в формате TLE (Two-Line Element Set Format). Это текстовые файлы, состоящие из двух строк и содержащие данные об орбите объекта в определенный момент времени (эпоху).
Формат TLE разработан в NORAD. NORAD наблюдает все орбитальные объекты, размер которых превышает 10 см и предоставляет сведения об их орбитах.
Данные в формате TLE подгружаются в модель SGP4 и используются для прогноза движения околоземных объектов (об SGP4 — здесь). SGP4 дает достаточно грубое представление орбиты: погрешность составляет около 1 км в эпоху. Когда погрешность выходит за установленные пределы, NORAD выдает уточненные TLE.
TLE можно получить в:
* CelesTrak — основной источник данных об орбитах околоземных объектов в формате TLE. Есть подборки по назначению спутников, группировкам и странам.
* TLE API — программный доступ к актуальным TLE, в формате JSON. Источник TLE: CelesTrak.
* Orbiting Now — для активных спутников: TLE + визуализация трассы.
Грубое представление орбиты спутника ДЗЗ может находится в метаданных снимка. Как правило, на низких уровнях обработки — нулевом и первом.
Точные орбиты доступны лишь для отдельных спутников. Для Sentinel-1, -2, -3 и -6 точные орбиты можно получить в Copernicus Browser (требуется бесплатная регистрация).
Точные орбиты спутников CHAMP, ENVISAT, GFZ 1, TerraSAR-X / TanDEM-X, GRACE, GRACE-FO, Jason-3, TOPEX/Poseidon — здесь.
#наблюдение #справка
Данные об орбитах спутников Земли нужны для решения множества задач. Например, чтобы получать данные с этих спутников, чтобы прогнозировать их движение или выполнить геопривязку полученных снимков.
Чаще всего в сети представлены данные об орбитах в формате TLE (Two-Line Element Set Format). Это текстовые файлы, состоящие из двух строк и содержащие данные об орбите объекта в определенный момент времени (эпоху).
Формат TLE разработан в NORAD. NORAD наблюдает все орбитальные объекты, размер которых превышает 10 см и предоставляет сведения об их орбитах.
Данные в формате TLE подгружаются в модель SGP4 и используются для прогноза движения околоземных объектов (об SGP4 — здесь). SGP4 дает достаточно грубое представление орбиты: погрешность составляет около 1 км в эпоху. Когда погрешность выходит за установленные пределы, NORAD выдает уточненные TLE.
TLE можно получить в:
* CelesTrak — основной источник данных об орбитах околоземных объектов в формате TLE. Есть подборки по назначению спутников, группировкам и странам.
* TLE API — программный доступ к актуальным TLE, в формате JSON. Источник TLE: CelesTrak.
* Orbiting Now — для активных спутников: TLE + визуализация трассы.
Грубое представление орбиты спутника ДЗЗ может находится в метаданных снимка. Как правило, на низких уровнях обработки — нулевом и первом.
Точные орбиты доступны лишь для отдельных спутников. Для Sentinel-1, -2, -3 и -6 точные орбиты можно получить в Copernicus Browser (требуется бесплатная регистрация).
Точные орбиты спутников CHAMP, ENVISAT, GFZ 1, TerraSAR-X / TanDEM-X, GRACE, GRACE-FO, Jason-3, TOPEX/Poseidon — здесь.
#наблюдение #справка
Запущен “Электро-Л” №4
5-го февраля с Байконура запущен и выведен на геостационарную орбиту гидрометеорологический спутник "Электро-Л" №4.
Серия "Электро-Л" разрабатывается в НПО имени С. А. Лавочкина и является российским вкладом во всемирную сеть метеорологического наблюдения. Международное название спутника: Elektro-L.
В настоящее время на орбите работают два аппарата серии — “Электро-Л” №2 в точке стояния 14.5° з.д. (запущен 11.12.2015 г.) и “Электро-Л” №3 в точке стояния 76° в.д. (запущен 24.12.2019 г.). С запуском “Электро-Л” №4 в точку стояния 165.8° в.д., создание российской группировки геостационарных метеоспутников с точками стояния 14,5° з.д., 76° в.д., 165,8° в.д. завершено.
Спутники "Электро-Л" выполняют мультиспектральную съемку облачности и земной поверхности, получают гидрометеорологические данные, осуществляют обмен гидрометеорологическими и гелиогеофизическими данными, а также ретранслируют сигналы от аварийных радиобуев системы "Коспас-Сарсат".
Съемка ведется в 10 каналах видимого и инфракрасного диапазонов (включая тепловой). Пространственное разрешение данных: 1 км при длинах волн λ < 5 мкм и 4 км для λ > 5 мкм.
Повторяемость съемки земного диска: 15–30 мин.
Свежие снимки “Электро-Л” №2: http://electro.ntsomz.ru
#погода #ГСО
5-го февраля с Байконура запущен и выведен на геостационарную орбиту гидрометеорологический спутник "Электро-Л" №4.
Серия "Электро-Л" разрабатывается в НПО имени С. А. Лавочкина и является российским вкладом во всемирную сеть метеорологического наблюдения. Международное название спутника: Elektro-L.
В настоящее время на орбите работают два аппарата серии — “Электро-Л” №2 в точке стояния 14.5° з.д. (запущен 11.12.2015 г.) и “Электро-Л” №3 в точке стояния 76° в.д. (запущен 24.12.2019 г.). С запуском “Электро-Л” №4 в точку стояния 165.8° в.д., создание российской группировки геостационарных метеоспутников с точками стояния 14,5° з.д., 76° в.д., 165,8° в.д. завершено.
Спутники "Электро-Л" выполняют мультиспектральную съемку облачности и земной поверхности, получают гидрометеорологические данные, осуществляют обмен гидрометеорологическими и гелиогеофизическими данными, а также ретранслируют сигналы от аварийных радиобуев системы "Коспас-Сарсат".
Съемка ведется в 10 каналах видимого и инфракрасного диапазонов (включая тепловой). Пространственное разрешение данных: 1 км при длинах волн λ < 5 мкм и 4 км для λ > 5 мкм.
Повторяемость съемки земного диска: 15–30 мин.
Свежие снимки “Электро-Л” №2: http://electro.ntsomz.ru
#погода #ГСО