Помните, в прошлом году мы изучали R и собирались приступить к работе с векторными данными?

Судя по отзывам читателей, у них остались вопросы по данным растровым. На этой неделе мы дополним рассказ о применении функций к слоям данных, а также познакомимся с категоризацией данных.

Применение функций к слоям данных: app и lapp

app применяет ко всем слоям растрового объекта SpatRaster заданную функцию fun, подобно тому как это делает apply для матрицы или таблицы.

r <- rast(ncols=3, nrows=3)
values(r) <- 1:ncell(r)
x <- c(r, sqrt(r), r+50)
s <- app(x, fun=sum)
s
# Для функций вроде
# "sum", "mean" и "max" можно сделать так:
# sum(x)

Можно посмотреть, как суммируются значения соответствующих пикселей всех слоёв x:

values(x)
values(s)

lapp (от layer-apply) позволяет объединить несколько слоёв растровых объектов. Его можно использовать как альтернативу растровой алгебре:

s <- rast(system.file("ex/logo.tif", package="terra")) + 1  
ss <- s[[2:1]]

fvi <- function(x, y) {(x - y ) / (x + y)} 
x <- lapp(ss, fun=fvi)
# Другой вариант:
y <- fvi(s[[2]], s[[1]])

Количество аргументов функции fun должно соответствовать количеству слоёв растра.

f2 <- function(x, y, z){ (z - y + 1) / (x + y + 1) } 
p1 <- lapp(s, fun=f2)
p2 <- lapp(s[[1:2]], f2, z=200)

#R

GCAT: General Catalog of Artificial Space Objects

Общий каталог искусственных космических объектов — General Catalog of Artificial Space Objects (GCAT) — разработан и поддерживается Джонатаном Макдауэллом (Jonathan C. McDowell). Каталог содержит данные об искусственных космических объектах, начиная с запуска “Спутника-1” в 1957 году. Регулярное обновление данных происходит примерно раз в месяц.

Искусственный космический объект (object) — это спутник или космический аппарат (активная полезная нагрузка, ступень ракеты, отброшенный компонент, обломки), находящийся за пределами нижних слоев атмосферы Земли.

Подмножество объектов считается полезной нагрузкой (payload) и имеет дополнительные атрибуты в каталогах полезной нагрузки.

Всего GCAT состоит из одиннадцати каталогов объектов и пяти каталогов полезной нагрузки. Данные хранятся в виде текстовых файлов с разделителем-табуляцией. С точки зрения реляционных баз данных, все каталоги объектов, ровно как и каталоги полезных нагрузок, можно объединить в одну таблицу без потери информации.

🔗Список каталогов GCAT, их описание
🔗Атрибуты каталогов объектов
🔗Атрибуты каталогов полезных нагрузок

🔗 Каталог основных полезных нагрузок (спутников)

👨🏻‍🏫Презентация GCAT, где Джонатан объясняет, чем GCAT отличается от SATCAT и откуда берётся информация для GCAT.

GCAT доступен под открытой лицензией Creative Commons CC-BY.

#справка #наблюдение

Как пыль из Северной Африки попадает в Европу

Пыль светлого песочно-коричневого цвета, контрастирующая с белыми облаками, показана на снимках, сделанных прибором VIIRS спутника NOAA-20 с 22 по 24 апреля нынешнего года.

Проследить за движением пыли можно с помощью ▶️ Worldview: 22 апреля облако пыли находится на северо-востоке Ливии, 23-го апреля оно движется в сторону Греции ⬆️, а 24-го апреля пыль видна над Украиной.

#снимки

Применение функций к слоям данных: tapp и xapp

tapp применяет функцию fun к подмножествам слоёв SpatRaster, аналогично tapply и aggregate.

Слои объединяются на основе индекса. Например, для растра с шестью слоями можно использовать index=c(1,1,1,2,2,2). Он означает, что три первых слоя принадлежат одному подмножеству, а три следующих — другому. Если задана функция fun=sum, то на выходе получим SpatRaster с двумя слоями: суммой первых трёх слоев входного растра и суммой последних трёх слоев его же:

r <- rast(ncols=10, nrows=10)
values(r) <- 1:ncell(r)
s <- c(r, r, r, r, r, r)
s <- s * 1:6
b1 <- tapp(s, index=c(1,1,1,2,2,2), fun=sum)
b1
b2 <- tapp(s, c(1,2,3,1,2,3), fun=sum)
b2

Индексы могут повторяться, так что index=c(1,2) для растра с шестью слоями снова вернёт растр, состоящий их двух слоёв: один основан на нечетных слоях (1,3,5), другой — на чётных (2,4,6).

А вот пример поинтересней. В нём используется новый атрибут растровых данных — время, которое задаётся функцией time. С помощью tapp мы применяем заданные функции к слоям, сгруппированным по месяцам:

r <- rast(system.file("ex/elev.tif", package="terra"))
rst <- rep(r, 6) * 1:6
time(rst) <- as.POSIXct(c("2023-01-16","2023-01-17","2023-01-18","2023-02-17","2023-02-18","2023-02-19"),tz="UTC")

# Максимум по месяцам
x <- tapp(rst, "months", max) 
# 95-й процентиль по месяцам
y <- tapp(rst, "months", fun = function(i) quantile(i, probs = 0.95, na.rm = T))

Применяет функцию к ячейкам двух растров, в том числе многослойных.

Вычислим попиксельную корреляцию между двумя многослойными растрами:

r <- rast(ncols=3, nrows=3, nlyr=5)
set.seed(1)
r <- init(r, runif)
s <- init(r, runif)
x <- xapp(r, s, fun=cor)

#R

Использование прибрежной поверхностной солёности в мониторинге глобальных изменений круговорота воды [ссылка]

Более 40% населения планеты живет в пределах 100 км от побережий морей и океанов. Ожидается, что по мере потепления климата круговорот воды в природе будет меняться. По прогнозам, сток с суши увеличится примерно на 7% , что окажет значительное влияние на прибрежную зону океана. Прибрежная зона может стать ключевым местом для изучения глобальных изменений круговорота воды и его воздействия на физические и биогеохимические процессы. Поскольку реки сбрасывают в океан пресную воду, они влияют на солёность океана. Наблюдения за солёностью in situ и со спутников можно использовать для отслеживания линз пресной воды, выходящих из устьев рек (так называемых речных плюмов), по мере их смешивания с океанскими водами.

Наблюдаемые со спутника значительные колебания солёности поверхности моря (sea surface salinity, SSS) происходят на побережье из года в год (⬆️ синий цвет в океане). В прилегающих районах суши этим колебаниям соответствуют колебания осадков (⬆️ зеленый цвет на суше). Так, большая синяя область у восточного побережья Южной Америки связана с оттоком воды из двух крупных рек: Амазонки и Ориноко, а зелёная область в прилегающей части суши показывает, откуда берутся эти воды с низкой солёностью — из осадков в тропических лесах Амазонки и за её пределами.

Прибрежная SSS может быть использована в качестве индикатора изменений, которые ожидаются в круговороте воды между океанами и континентами. Для обнаружения этих изменений применяются агрегированные глобальные наблюдения SSS в прибрежной зоне ⬇️, полученные с помощью миссий SAC-D Aquarius (2011–2015), SMOS (2010–настоящее время) и SMAP (2015–настоящее время):

🛢 Multi-Mission Optimally Interpolated Sea Surface Salinity Global Dataset V2

#вода #данные

Исходный файл

Журнал «Геопрофи» № 2-2024 (128) доступен на сайте – https://www.geoprofi.ru/issues/7063

В этом номере, посвященном 245-летию МИИГАиК, публикуются статьи выпускников МИИГАиК разных лет (год окончания вуза указан в скобках после наименования организации):

✅ 245 лет Московскому государственному университету геодезии и картографии, автор Грошев В.В. («Геопрофи», 1971 г.)

✅ О роли среднего профессионального картографо-геодезического образования в России, авторы Хинкис Г.Л. (МИИГАиК, 1968 г.), Зайченко В.Л. (1967 г.)

✅ Итоги комплексной экспедиции студентов МИИГАиК в Чеченскую Республику, авторы Скрыпицына Т.Н. (МИИГАиК, 1996 г.), Воротилов А.Г. («Геоскан», 2022 г.), Кочнева Д.А. («Горный Аудит», 2023 г.), Смирнов Е.А. (МИИГАиК, 2023 г.)

✅ Точность ортомозаики по космическим снимкам высокого разрешения, авторы Заичко В.А. (ГК «Роскосмос»), Кутумов А.А. (ГК «Роскосмос», 2014 г.), Боровенский Е.Н. (НИИ ТП), Сысенко Д.В. (НИИ ТП), Ядыкин А.В. (НИИ ТП), Федоткин Д.И. (НИИ ТП)

✅ ГНСС-приемники SinoGNSS MARS и SinoGNSS T20 («ГЕОСТРОЙИЗЫСКАНИЯ»)

✅ Итоги конференции «Технологии Геоскана 2024» (ГК «Геоскан»)

✅ О защите и сохранении исторического наследия отечественной геодезии, автор Барков Р.Р. (Санкт-Петербургская ассоциация геодезии и картографии, 1995 г.)

✅ Профессионалы своего дела – о выпускниках МИИГАиК 1963 г. и 1973 г., автор Грачева Н.В.

На обложке этого номера журнал представлены фото фасадов зданий Константиновского межевого института: 1870 г. (на Старой Басманной) и 1876 г. (в Гороховском переулке), а также современный вид фасада старого корпуса МИИГАиК. Подложкой служит фрагмент факсимильного издания 2002 г. «Нивеллирный план города Москвы», составленного в 1879 г.

Начало пожароопасного сезона в Британской Колумбии

После прошлогодних рекордных лесных пожаров, в Канаде начался новый пожароопасный сезон. Хотя широкомасштабная активность лесных пожаров в Британской Колумбии обычно начинается не раньше середины июня, в этом году пожары возникли уже в середине мая.

На снимке, сделанном прибором MODIS спутника Aqua (11 мая 2024 года), видно как дым, поднимающийся от нескольких пожаров в районе города Форт-Нельсон (Британская Колумбия), устремляется на восток в провинцию Альберта.

К северу от Форт-Нельсона возникло ещё несколько крупных пожаров площадью в десятки тысяч гектаров каждый. Согласно данным Службы лесных пожаров Британской Колумбии, несколько из этих пожаров были отнесены к категории “остаточных”. Вероятно, они тлели под снегом всю зиму, прежде чем вспыхнуть вновь.

▶️ Посмотреть за развитием пожаров в районе Форт-Нельсон, начиная с 10 мая

#снимки #пожары

📖 Шихов А.Н., Абдуллин Р.К. Фонд космических снимков для создания карт. Пермь: Пермский государственный национальный исследовательский университет, 2024. — 115 с. [PDF]

Фонд космических снимков — это виртуальное объединение всех данных, полученных методами дистанционного зондирования Земли из космоса.

Книга содержит систематизированную информацию о современном состоянии мирового фонда космических снимков. Она позволяет обоснованно подойти к выбору источников данных для решения той или иной задачи (в частности, сократить временные затраты, используя готовые тематические продукты вместо “сырых” данных) и получить представление о результатах исследований ведущих мировых научных центров в области обработки и анализа спутниковых данных.

Рассматривается история развития и современное состояние мирового фонда спутниковых снимков в различных спектральных диапазонах, современные тенденции развития фонда снимков и рынка данных дистанционного зондирования Земли из Космоса, основные области применения данных, полученных различными съемочными системами; тематические продукты, созданные на основе спутниковых данных для глобального картографирования природных ресурсов и их многолетней динамики, а также глобальные цифровые модели рельефа, созданные по спутниковым данным.

#основы

Британская компания SatVu договорилась о запуске своего второго и третьего космических аппаратов [ссылка].

SpaceX должен запустить HotSat-2 в первой половине 2025 года, а HotSat-3 — во второй половине.

Оба космических аппарата созданы компанией Surrey Satellite Technology Ltd. (SSTL), и будут аналогичны демонстрационному спутнику HotSat-1 массой 160 килограммов, который был выведен на орбиту в июне 2023 года и вышел из строя через шесть месяцев после запуска.

До выхода их строя, HotSat-1 успешно обслуживал клиентов, таких как Japan Space Imaging Corporation — поставщик геопространственной информации для гражданского, коммерческого, оборонного и разведывательного рынков.

HotSat-1 вёл съёмку в средневолновом инфракрасном диапазоне (3400–5000 нм) с пространственным разрешением 3.5 метра. Съемочная аппаратура спутника позволяла записывать видео длительностью до 60 с (при 25 кадрах/c).

📸 Солнечная электростанция в Техасе (США) на снимке HotSat-1.

#UK #LST

Солнечно-индуцированная флуоресценция хлорофилла для заблаговременного предупреждения о засухах

Внезапные засухи (flash drought) характеризуются быстрым высыханием почвы, могут продолжаться в течение нескольких недель и их трудно предсказать. (Parazoo et al., 2024) смогли обнаружить признаки внезапной засухи примерно за три месяца до её начала. В будущем такое заблаговременное предупреждение поможет в борьбе с последствиями засух.

Состояние растительности оценивали по данным солнечно-индуцированной флуоресценции хлорофилла, то есть свечения хлорофилла в ближнем инфракрасном диапазоне, которое сопровождает процесс фотосинтеза. Для этого использовали измерения спутника OCO-2 (Orbiting Carbon Obsevatory-2) и данные GOSIF. Для оценки влажности почвы использовались данные спутника SMAP.

Исследователи сравнили многолетние данные о флуоресценции с данными о вспышках засухи, которые происходили в США в период с мая по июль с 2015 по 2020 год. Они обнаружили эффект домино: в течение недель и месяцев, предшествующих внезапной засухе, растительность бурно росла в тёплых и сухих условиях. При этом растения излучали необычно сильный для этого времени года флуоресцентный сигнал. Параллельно они постепенно истощали запасы воды в почве, так что когда наступили экстремальные высокие температуры, и без того низкий уровень почвенной влаги резко упал и в течение нескольких дней развилась внезапная засуха.

Оказалось, что аномально сильная флуоресценция очень хорошо коррелирует с потерями влаги в почве в течение шести-двенадцати недель перед внезапной засухой. Последовательная картина проявилась в различных ландшафтах на территории США.

Растения, испытывающие тепловой стресс, поглощают меньше углекислого газа из атмосферы, поэтому исследователи ожидали обнаружить больше свободного углерода. Вместо этого они обнаружили баланс.

Тёплая погода предшествовавшая наступлению внезапной засухи, побуждала растения увеличить поглощение углерода по сравнению с обычными условиями. Этого аномального поглощения было, в среднем, достаточно, чтобы полностью компенсировать снижение поглощения углерода после наступления засухи.

Популярное изложение статьи на Phys.org

#SIF #засуха

📹 Растения излучают свет, который может быть обнаружен спутниками ДЗЗ. Серым цветом отмечены регионы Северной Америки с низкой или нулевой флуоресценцией, красным, розовым и белым — регионы с высокой флуоресценцией (источник).