Голуби и дистанционное зондирование

В начале XX века немецкий изобретатель Юлиус Нойброннер предложил использовать голубей для фотографирования земли с воздуха.

Юлиус Нойброннер был потомственным аптекарем в немецком Кронберге. Как и его отец, он использовал голубиную почту для переписки с местными врачами. Проблема была в том, что голуби иногда задерживались в пути, и Юлиус хотел узнать отчего это происходит. Он решил отслеживать перемещения своих питомцев. В начале 1900-х годов Нойброннер разработал алюминиевый нагрудный ремень, к которому крепилась легкая камера. Камера была оснащена таймером, который делал снимок каждые тридцать секунд. Это приспособление крепилось к голубю для получения фотоснимков.

Голуби стали, таким образом, предшественниками современных дронов. Они использовались для связи, доставки легких грузов и ведения разведки. В Popular Science Monthly (Volume 88, 1872, pp. 30-31) пишут о применении изобретения Нойброннера на полях Первой мировой войны.

#история

Голуби с изобретением Нойброннера.

Снимок улиц Дрездена, сделанный голубем (источник).

GEE-12. Настройка диапазона отображения слоя

В параметрах отображения слоя часто указывают минимальное и максимальное значения пикселей этого слоя. Например:

var vis = {min: 0.00, max: 0.36, bands: ['B4', 'B3', 'B2']};

В нашем случае, максимально возможным значением пикселя является 1, что соответствует полному отражению. Но если мы зададим такой максимум в vis, снимок будет выглядеть почти черным. Поэтому мы корректируем максимум, с учетом реальных значений пикселей.

К счастью, значения максимума и минимума не нужно подбирать путем проб и ошибок. Для этого есть настройка слоев карты (Layers). Открываем ее, выбираем диапазон отображения слоя (Range) из списка, и Earth Engeine выдаст соответствующие значения максимума и минимума.

Например, выберем Stretch: 98%. Это даст нам весь диапазон значений пикселей слоя, за исключением одного процента самых низких и самых высоких значений. Такие значения нередко бывают аномальными, резко отличающимися от остальных пикселей, и настройка по ним даст неадекватное отображение слоя. Впрочем, это легко проверить, сравнив полученные границы с теми, что получаются после применения Stretch: 100%. Если соответствующие границы различаются мало, значит аномалий нет.

#GEE

TROPOMI

Прибор TROPOMI (TROPOspheric Monitoring Instrument) на борту спутника Sentinel-5P помогает составлять глобальные карты основных видов атмосферного загрязнения. Он собирает информацию о:

* концентрациях в столбе атмосферы: озона O3, диоксида серы SO2, диоксида азота NO2, монооксида углерода CO, формальдегида HCHO и метана CH4;
* концентрации озона в тропосфере;
* вертикальном профиле распределения озона;
* характеристиках облачности и аэрозолей (в частности, absorbing aerosol index и aerosol layer height).

Для этого TROPOMI измеряет отраженное солнечное излучение в ультрафиолетовом (УФ), видимом, ближнем инфракрасном (VNIR) и коротковолновом инфракрасном диапазонах (SWIR). Пространственное разрешение каналов УФ и VNIR в настоящее время составляет 5.5 км х 3.5 км (вдоль трассы спутника х перпендикулярно трассе), каналов SWIR — 5.5 км x 7 км. Данные SWIR используются в измерении концентраций CO и CH_4, так что разрешение этих продуктов составляет 5.5 км x 7 км, а остальных — 5.5 км x 3.5 км.

Данные существуют в двух версиях: NRT (near real time) и OFFL (offline). NRT покрывают меньшую площадь, по сравнению с OFFL, зато предоставляются в течение 3 часов после зондирования. В виде NRT распространяются данные о полных концентрациях озона, диоксида серы, диоксида азота, монооксида углерода и формальдегида, а также вертикальные профили озона, характеристики облачности и аэрозолей. Задержка с предоставлением данных OFFL зависит от продукта, но не превосходит 5 суток. Продукты OFFL содержат данные вдоль трассы спутника по освещенной стороне орбиты, то есть для одного полушария Земли.

ESA предоставляет свободный доступ к данным TROPOMI Level 1B и Level 2 через Copernicus Open Access Hub в разделе S-5P Pre-Ops. Данные хранятся в формате netCDF.

Проще воспользоваться данными, хранящимися в GEE, где они ресемплированы на сетку с разрешением 0.01 градуса (около 1.1 км), отмаскированы по показателям качества, и потому названы продуктами Level 3 (подробнее о преобразовании Level 2 в Level 3 — в разделе Descripion выбранного продукта).

Большинство продуктов доступны, начиная с июня-июля 2018 г. Sentinel-5P Sulphur Dioxide — с декабря 2018 г., Sentinel-5P Methane — с февраля 2019 г. Все продукты, кроме метана (S5P Methane), доступны в вариантах NRT и OFFL.

В качестве примера, взгляните как по данным TROPOMI выглядели облака серы во время извержения вулкана Стромболи, в 2019 году.

Важно помнить, что данные TROPOMI дают не приземную концентрацию вещества, а его интегральную молярную концентрацию вещества по всей высоте атмосферного столба (или его части, например, в тропосфере) в точке с заданными координатами, измеряемую в моль/м2 (обычная молярная концентрация — моль/м3). Приземные концентрации обычно измеряют на высоте 2 м и для их расчета по данных TROPOMI необходимо использовать модели транспорта химических веществ в атмосфере. Например WRF-chem или GEOS-Chem. Приземная концентрация зависит от переноса вещества в столбе атмосферы, от ветра и протекающих химических реакций. Поэтому сравнение данных TROPOMI с результатами наземных измерений (например, чтобы сравнить с ПДК) является непростой задачей. Обычно, для проверки данных TROPOMI поступают наоборот: рассчитывают полную концентрацию вещества в столбе атмосферы по наземным наблюдениям и сравнивают ее с данными TROPOMI.

#атмосфера

GEE-13. Создание мозаик

Мозаика — это создание одного снимка на основе нескольких. Объединение снимков может выполнятся разными способами. Например, рассмотрим задачу компоновки нескольких снимков в одной точке пространства (код):

var START_DATE = '2022-06-01';
var END_DATE   = '2022-09-01';

var col = ee.ImageCollection("COPERNICUS/S2_SR")
  .filterDate(START_DATE, END_DATE)
  .filterBounds(ROI)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', CLOUD_MAX))
  .map(applyScaleFactors)
  .map(addVI)
  .select('NDVI');
  
var maxNDVI = col.max();

Коллекция col состоит из летних снимков с единственным каналом — NDVI. Из нее мы построили снимок maxNDVI, состоящий из максимальных значений NDVI в каждом пикселе коллекции.

Рассмотрим создание мозаики из нескольких снимков, покрывающих заданную область пространства (снимки сделаны примерно в одно время, но но в разных местах области). Нам понадобится функция imageCollection.mosaic() (код):

var col = ee.ImageCollection("COPERNICUS/S2_SR")
  .filterDate(START_DATE, END_DATE)
  .filterBounds(obl)
  .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', CLOUD_MAX))
  .map(applyScaleFactors)
  .select(['B2','B3','B4']);
  
var mosaic = col.mosaic();

В col.mosaic() имеет значение порядок cнимков в коллекции col. Изображение на выходе состоит из последних по времени неотмаскированных пикселей коллекции (последние сверху). Чтобы управлять источником пикселей в мозаике, используйте маски изображений. Чаще всего — это маски, предназначенные для удаления со снимков облаков и их теней.

Функция col.median() возвращает снимок, состоящий из медианных значений пикселей коллекции col. В нашем примере это будет типичный летний снимок Витебской области. В отличие от mosaic(), при использовании median(), mean(), max() и т. п., порядок снимков в коллекции значения не имеет.

Метод imageCollection.qualityMosaic() устанавливает каждый пиксель мозаики на основе того, какой снимок в коллекции имеет максимальное значение в заданном канале. Например, создадим для бухты Сан-Франциско мозаики, состоящие: 1) из самого “зеленого” пикселя; 2) из пикселя последнего по времени снимка (код):

// Мозаика из последних по времени снимков.
var recentValueMosaic = col.qualityMosaic('millis');

// Мозаика из пикселей с максимальным NDVI.
var greenestPixelMosaic = col.qualityMosaic('NDVI');

К снимкам коллекции добавлены каналы NDVI и millis. Последний представляет собой время съемки. Если побродить по мозаике с помощью Инспектора, то можно увидеть, что значения millis меняется в зависимости от местоположения, то есть разные пиксели относятся к разному времени съемки.

Учебник по GEE
#GEE

Составление мозаики в школе аэрофотосъемки (Лэнгли Филд, штат Вирджиния), около 1930 года (источник).

Если бы 4,5 миллиарда лет назад кто-то сфотографировал Солнечную систему, вполне возможно, он бы увидел схожую картину. Перед нами система AF Зайца. Она очень молодая, ее возраст оценивается всего в 24 миллиона лет. Сама звезда на фото не видна — она скрыта черным кругом коронографа. Для чего это нужно? Чтобы разглядеть ее окрестности и увидеть до этого прятавшуюся в звездном свете точку.

Точка соответствует газовому гиганту, чья масса в четыре раза превышает массу Юпитера. На данный момент, это самая «легкая» экзопланета, которую удалось сфотографировать напрямую. Скорее всего, в этой системе есть и менее массивные тела, но пока что технология еще не развилась настолько, чтобы их сфотографировать.

https://www.eso.org/public/images/potw2308a/

Канал Астро Фото Болото объединяет охотников за красивыми небесными явлениями: северным сиянием, световыми столбами, молниями, необычными облаками, но не только — не пропускают они и красоту на земле. Рассказывают как найти и снять северное сияние, где наблюдать его сегодня и, самое главное, делятся “трофеями”.

#снимки

Поиск землетрясений

Самую оперативную и полную информацию о землетрясениях по всему миру можно получить в USGS Earthquake Catalog.

Как всегда при поиске, задаем интервал времени и область пространства. Можно указать магнитуду, а также ряд других параметров землетрясения (например, глубину эпицентра — Depth).

USGS фиксирует не только классические землетрясения, но и колебания, вызванные другими причинами: вулканической активностью, взрывами и т. п. Указать тип события (event type) можно в Advanced Options.

Результаты поиска (Output Options) отображаются на карте или экспортируются в файл. Среди форматов есть CSV, KML и GeoJSON.

Зачем специалисту по дистанционному зондированию знать, где произошло землетрясение или другая катастрофа? Затем, чтобы выбрать снимки, необходимые для анализа последствий катастрофы как можно быстрее. По новостям это делать неудобно, хотя и возможно.

Но ведь есть готовые снимки катастроф, которые выкладывают разные организации? Есть, но это будут только те снимки, которые они нам решили предоставить. Наконец, это именно мы (или наши коллеги) и готовим такие снимки 🙂.

Исторические данные о землетрясениях теперь можно найти на GEE: USGS Global Earthquake dataset.

#ЧС #данные #GEE

Эпицентры февральских землетрясений в Турции, отображенные в Google Earth.