Издательства по числу публикаций из области дистанционного зондирования Земли, вышедших в 2022 году

Кто издает статьи в области ДЗЗ?

Мы подготовили большую выборку данных о публикациях по ДЗЗ, вышедших из печати в 2022 году, и ответили на два вопроса:

* какие журналы публикуют больше всего статей по теме?
* какие издательства издают больше всего статей по теме?

Журналы

Топ 10 журналов по числу публикаций:

1. Remote Sensing
2. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
3. IEEE Transactions on Geoscience and Remote Sensing
4. IEEE Geoscience and Remote Sensing Letters
5. International Journal of Applied Earth Observation and Geoinformation
6. Water
7. Remote Sensing of Environment
8. Atmosphere
9. Land
10. Earth Science Informatics

Издательства

В 2022 году лидером по числу издаваемых статей стало швейцарское издательство MDPI. Наиболее популярные журналы: Remote Sensing, Water, Atmosphere, Land. MDPI публикует статьи по модели Open Access — статьи и вспомогательные материалы находятся в открытом доступе. По желанию авторов может быть открыт публичный доступ даже к переписке с рецензентами.

Elsevier получил свое второе место за счет огромного числа журналов (в выборке их 168). Самые активные: International Journal of Applied Earth Observation and Geoinformation и Remote Sensing of Environment. Последний был самым уважаемым журналом отрасли в “бумажный” период. Но и сейчас его импакт-фактор значительно выше, чем у Remote Sensing.

На третьем месте идет IEEE (Institute of Electrical and Electronics Engineers) с тройкой популярных журналов: Journal of Selected Topics in Applied Earth Observations and Remote Sensing, IEEE Transactions on Geoscience and Remote Sensing, IEEE Geoscience and Remote Sensing Letters.

Четвертое место Springer’а с Earth Science Informatics и Journal of the Indian Society of Remote Sensing (да-да!) также взято числом — 101 журнал в выборке.

Frontiers — еще одно издательство, работающее по модели Open Access. Лидер у Frontiers — Frontiers in Earth Science. Имеет офисы в Швейцарии, Великобритании, Испании и Китае.

58% рынка составляют мелкие игроки, каждый из которых выпускает не более 1% от общего числа статей.

Сегодня ночью произошло редкое событие - в небе сблизились две умеренно ярких кометы, причём угловое расстояние между ними было меньше радиуса видимого лунного диска. Нам повезло с погодой, поэтому мы смогли поймать момент сближения в обсерватории ISON-Kitab.

Яркая (слева снизу) - это та самая нашумевшая "зелёная комета" C/2022 E3 (ZTF). А более тусклая - C/2022 U2 (ATLAS), которая прилетает к Солнцу лишь раз за 945 лет.

Обе хвостатые гостьи довольно близко к Земле - на расстояниях 0.33 и 0.59 а.е. соответственно. C/2022 U2 сильно тусклее (~11 зв. вел., отмечена стрелкой) не только потому, что в 2 раза дальше. Эта комета сама по себе маленькая и не такая активная.

Когда уйдёт Луна, C/2022 U2 можно будет рассмотреть глазами лишь с относительно крупными любительскими телескопами (от 15-20 см), в то время как C/2022 E3 (ZTF) ещё некоторое время сможет наблюдаться в бинокли.

#c2022e3 #c2022u2 #comet

Земля из космоса в реальном времени: “Электро-Л” №2

Продолжая тему, начатую здесь (Himawari) и здесь (МКС).

Снимки “Электро-Л” №2 в реальном времени: http://electro.ntsomz.ru

#nrt #ГСО

Видео по снимкам “Электро-Л” №2, сделанным 5-6 февраля текущего года.

#ГСО

4 января 2023 года на околоземной орбите произошло разрушение российского спутника «Космос-2499». Об этом сообщила 18-я эскадрилья контроля космического пространства ВВС США. В результате события образовалось, по меньшей мере, 85 обломков.

«Космос-2499» был запущен в мае 2014 года. После выхода на орбиту он активно маневрировал, в частности сблизившись с отработанным разгонным блоком «Бриз-КМ». В связи с этим, высказывалось мнение, что он является спутником-инспектором, или даже космическим камикадзе, предназначенным для уничтожения других космических аппаратов. В то же время, согласно одной из публикаций, на самом деле аппарат предназначался для тестирования новых ионных двигателей.

В любом случае, «Космос-2499» оказался довольно «взрывным» аппаратом. Первый инцидент произошел 23 октября 2021 года, когда он него отделилось 18 фрагментов (к этому моменту аппарат уже перестал функционировать). А 4 января 2023 года спутник вновь дал о себе знать, произведя еще 85 обломков. Что к этому привело неизвестно. Но вообще, как правило, основной причиной взрыва мертвых космических аппаратов являются или остатки топлива или аккумуляторы.

Что же касается образовавшихся обломков, то поскольку «Космос-2499» находился на орбите высотой в 1169 километров, они еще очень и очень нескоро войдут в земную атмосферу.

https://twitter.com/18thSDS/status/1622752004388032512

Снимок дня

Красивейшие снимки Земли, сделанные из космоса, публикует NASA Earth Observatory (в телеграм). Уровень мастерства парней из NASA в особых комментариях не нуждается. У них есть даже специальная профессия — визуализатор.

Но оказалось, что снимки дня публикует не только NASA, но и сибирский НИЦ “Планета” . Получается тоже очень красиво.

Различие между сервисами в том, что у Earth Observatory к каждому снимку прилагается рассказ: что это и к чему. Снимок обычно берется из научной статьи, поэтому рассказ бывает не менее интересен, чем картинка. У “Планеты” такого пока нет, там просто красиво. Ясно, что писать тесты — это люди и времяденьги. Но с рассказом было бы лучше. Чтобы разглядеть на снимке что-то интересное нужен профессиональный навык, а с пояснениями любой зритель мог бы почувствовать себя соавтором открытия. Опять же, место в выдаче поисковиков было бы выше.

#снимки

Лед на реке Кеть в Красноярском крае.

RUS Copernicus Training

Рост доступности и качества данных ДЗЗ в 2010-х годах породил и несколько проблем: новички не знали, как решать ту или иную задачу, а желающим попробовать свои силы в обработке снимков не хватало вычислительных ресурсов. В результате в интернете появился ряд сервисов, обучающих использованию данных дистанционного зондирования.

Особое место среди таких сервисов занимает RUS Copernicus Training, созданный в 2017 году. В нем зарегистрированный пользователь мог бесплатно получить виртуальную машину с установленным софтом для обработки и анализа снимков. Конфигурация машины подбиралась под пользовательскую задачу, совместно с консультантом из RUS. Кроме того, пользователь мог поучаствовать в тематических вебинарах по решению разных задач ДЗЗ. Всего было проведено более 40 вебинаров, посмотреть материалы которых может любой желающий.

У сожалению, 31 декабря 2021 года проект был закрыт. Однако обучающие материалы (видео и PDF) по-прежнему доступны.

Список вебинаров с кратким описанием и ссылкой на youtube-канал:
https://rus-copernicus.eu/portal/category/events/training/

Канал на YouTube: RUS Copernicus Training (@ruscopernicustraining5404)

Обучающие материалы вебинаров (PDF): https://rus-copernicus.eu/portal/the-rus-library/train-with-rus/

У RUS Copernicus Training было почти все, что нужно для обучения работе с данными ДЗЗ:
пользователь мог узнать, как решить задачу, и тут же попробовать сделать это самостоятельно. И все это — бесплатно.

Сейчас, если речь идет о бесплатных сервисах, попробовать работать с данными позволяет Google Earth Engine, а вебинарами занимаются многие сервисы. Мы с ними постепенно познакомимся.

#обучение

На планете Венера есть кратеры, названные именами жен Абдуллы из "Белого солнца пустыни" -- Гюльчатай, Джамиля, Гюзель, Зарина, Саида, Хафиза, Зухра, Лейла, Зульфия 

В Телеграм появился канал Прозрачный Мир, где показывают снимки Земли, сделанные из космоса. Ребята из Прозрачного Мира рассказывают про дистанционное зондирование, про приемные станции, на которых можно получить космические снимки, а главное — про то, как сделать наш мир чище и лучше.

Присоединяйтесь! :)

Вегетационные индексы

Вегетационный индекс — это число, рассчитываемое в результате операций со спектральными каналами снимка, которое характеризует интересующий исследователя параметр растительности.

Расчет многих вегетационных индексов базируется на двух наиболее стабильных участках кривой спектральной отражательной способности растений: на красную область спектра (0.62–0.75 мкм) приходится максимум поглощения солнечной радиации хлорофиллом, а на ближнюю инфракрасную область (0.75–1.3 мкм) — максимальное отражение энергии клеточной структурой листа. Таким образом, высокая фотосинтетическая активность, связанная, как правило, с большой фитомассой растительности, ведет к более низким значениям коэффициентов отражения в красной области и большим высоким — в ближней инфракрасной.

Оценить фотосинтетическую активность мы можем, сравнивая отражение в красном (Red) и в ближнем инфракрасном (NIR) каналах. Например, можно построить простое отношение каналов

SR = Red/NIR,

то есть значение каждого пикселя канала Red делится на значение соответствующего пикселя канала NIR. При больших объемах фотосинтезирующей биомассы SR будет иметь низкие значения, а при малых — высокие.

Вегетационный индекс создается так, чтобы он был связан с выбранным биофизическим параметром растительности (например, биомассой) и обеспечивал максимальную чувствительность к изменениям этого параметра. Например, можно оценивать объем фотосинтезирующей (то есть зеленой) биомассы, сравнивая отражение в красном и в зеленом каналах. Однако разница между коэффициентами отражения в этих каналах гораздо меньше, чем между красным и инфракрасным каналами, а значит чувствительность такого индекса будет ниже. Связь между индексом и биофизическим параметром в идеале должна быть линейной.

Вместо отношения каналов, для оценки фотосинтетической активности можно использовать разность: NIR - Red. Она будет тем больше, чем выше фотосинтетическая активность. Однако значения такого индекса от участка к участку будут сильно отличаться. Удобно, поэтому нормализовать эти значения, то есть разделить разность на сумму NIR + Red:

NDVI = (NIR - Red) / (NIR + Red).

Значения NDVI всегда находятся в диапазоне [-1; 1], что очень удобно для сравнения разных участков. Оказалось, что использование нормализованной разности между минимумом и максимумом отражений позволяет также уменьшить влияние различий в освещенности снимка, облачности, дымки, поглощение радиации атмосферой и пр.

NDVI расшифровывается как Normalized Difference Vegetation Index — нормализованный разностный вегетационный индекс. На сегодня, это самый популярный вегетационный индекс.

За десятилетия наблюдений создано множество индексов, для оценки различных параметров растительности. Поэтому, если нужно оценить что-либо, проще не выдумывать индекс самому, а поискать среди готовых. Вот два каталога индексов:

* Index DataBase: A database for remote sensing indices
* Alphabetical List of Spectral Indices

В первом содержатся все-все-все индексы, во втором — только самые популярные.

Примеры применения NDVI: http://www.geol.vsu.ru/ecology/ForStudents/4Graduate/RemoteSensing/Lection06.pdf

Индексы применяются не только для оценки параметров растительности, но и при анализе других явлений. В этом случае они называются не вегетационными, а спектральными.

#основы #индексы

Типичные характеристики спектрального отражения для здоровой зеленой травы и открытой сухой почвы в интервале длин волн от 250 до 1 000 нм. Иллюстрация из: Jensen J. Remote Sensing of the Environment: An Earth Resource Perspective. 2nd Edition. — Pearson Education, 2014.

Закономерности спектрального отражения растений, связанные с их физиологическим состоянием, служат основой для создания вегетационных индексов.

GEE-9. Индексы. Арифметика каналов

“Работа, работа — иди в штат Дакота. Оттуда — в Небраску, с Небраски — на Аляску“. Если что, мы находимся в Небраске. Загрузим два снимка этого штата:

var image  = ee.Image("COPERNICUS/S2_SR/20220711T171859_20220711T172712_T14TNL");
var image2 = ee.Image("COPERNICUS/S2_SR/20220721T171859_20220721T172912_T14TNL");

Вычислим нормализованный разностный вегетационный индекс NDVI. Для этого есть специальная функция normalizedDifference()



var ndvi = image.normalizedDifference(['B8', 'B4']);

Чем выше NDVI, тем больше в пикселе здоровой (фотосинтезирующей) растительности. Водные объекты имеют отрицательный NDVI.

А теперь рассчитаем один из “водных” индексов — Normalized Difference Water Index (NDWI). Вычисляют его по формуле:

NDWI = (Green - NIR) / (Green + NIR).

По сути, это перевернутый NDVI. Вода в нем имеет высокие значения, а растительность — низкие (отрицательные). Вычислить его можно аналогично NDVI:

var ndwi = image.normalizedDifference(['B3', 'B8']);

Но мы не ищем легких путей, а рассчитаем NDWI так, будто не знаем о существовании normalizedDifference():

var ndwi = (image.select('B3').subtract(image.select('B8'))
             .divide(image.select('B3').add(image.select('B8'))));

Математические операции с каналами задаются функциями: add (+), subtract (-), divide (/). Нетрудно догадаться, что есть еще multiply (*). Полный список операций здесь.

Добавим индексы к одному из снимков:

function addInd(image) {
  var ndvi = image.normalizedDifference(['B8', 'B4']).rename('NDVI');
  var ndwi = image.normalizedDifference(['B8', 'B4']).rename('NDWI');
  return image.addBands([ndvi, ndwi], null, true);
}

image = addInd(image);

Обратите внимание на переименование каналов с помощью rename(). Без этого, каналы будут иметь ничего не говорящие имена nd, nd_1, …

А теперь рассчитаем индекс EVI. Он использует сразу три канала, так что normalizedDifference() не поможет. Запись через add/subtract и т. п. будет слишком длинной. К счастью, в Earth Engine можно записать операции над каналами в виде математических выражений

var evi = image.expression(
    '2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))', {
        'NIR': image.select('B5'),
        'RED': image.select('B4'),
        'BLUE': image.select('B2')
});

То есть, сначала записали выражение, а потом описали обозначения входящих в него каналов.

Можно выполнять математические операции над разными снимками. Например, вычислим разность значений каналов B8 (NIR):

var difB8 = (image2.select('B8')).subtract(image.select('B8'));

Создадим новый снимок из подготовленных нами индексов.

var newBands = [ndvi, ndwi, evi, difB8];
var image3 = ee.Image(newBands).rename(['NDVI','NDWI','EVI','DIF']);

Теперь у нас будет снимок, состоящий из каналов NDVI, NDWI, EVI и DIF.

Код примера

#GEE #индексы