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.

Из истории исследования спектральной отражательной способности природных объектов

Одним из предшественников дистанционного зондирования, как известно, является аэрофотосъемка. Уже в 1920-е годы она неоднократно и успешно применялась для выполнения землеустроительных работ и лесной таксации. Однако съемка велась только в видимом диапазоне, что существенно ограничивало ее возможности.

Все объекты по-разному отражают солнечное излучение в различных участках спектра электромагнитных колебаний. Если знать особенности отражения разными объектами, то можно научиться лучше разделять эти объекты на снимках, выбирая участки спектра, где отражение объектов заметно отличается. Можно выявить изменения в состоянии объекта, не заметные в видимом диапазоне, но уже проявившиеся в других областях спектра. Можно судить о химическом составе объекта… Но сначала придется выполнить измерения спектральной яркости для огромного числа объектов при разных условиях съемки.

Были и другие трудности. Необходимые съемки не могли быть выполнены простым фотоаппаратом. Требовались специальные съемочные устройства и подготовленные операторы. На помощь пришли астрономы, которые к тому времени уже освоили спектроскопию для изучения свойств небесных объектов.

Первые исследования спектральной отражательной способности природных объектов в СССР были выполнены в Пулковской астрономической обсерватории профессором Г. А. Тиховым, применившим для этого метод спектрофотометрии. В 1930 и 1931 годах им были получены первые данные по спектральной отражательной способности растений и почв на территории парка обсерватории.

Накопленные к тому времени результаты исследований спектров отражения не давали общей картины, пригодной для практического применения. Первая подробная сводка данных о коэффициентах спектральной яркости природных объектов в видимом и ближнем инфракрасном диапазоне стала результатом измерений, выполненных Е. Л. Криновым. Работа началась в 1932 году, под руководством Г. А. Тихова, и была завершена в 1938 году. Результаты опубликованы в книге: Кринов Е.Л. Спектральная отражательная способность природных образований, М.-Л.: АН СССР, 1947. — 272 с.

Долгие годы эта работа Е. Л. Кринова была наиболее полной сводкой данных, полученных одной аппаратурой при идентичных условиях и по единой методике. Конечно, сейчас есть библиотеки спектров, но они содержат только сухие данные. В них нет выводов, выявленных закономерностей, рекомендаций. В этом смысле работа Кринова актуальна по сей день и читать ее интересно.

В 1950-х годах книга была переведена на английский язык (Krinov, E. L., 1953. Spectral reflectance properties of natural formations. Natl. Res. Council Can., Tech. Transl., TT-439, 268 pp.) и стала основой многих зарубежных исследований (пример).

Кстати, есть еще книга Чапурский Л.И. Отражательные свойства природных объектов в диапазоне 400-2500 нм. М.: Министерство обороны СССР, 1986, в которой должны быть коэффициенты спектральной яркости в диапазоне SWIR. Но у меня ее нет. Если кто-то знает, где ее взять, пишите в @sputnikDZZ_bot.

#история

Вместо рассказов о книге, лучше познакомится с самой книгой:

Кринов Е.Л. Спектральная отражательная способность природных образований, М.-Л.: АН СССР, 1947. — 272 с.

#книга

Один год из жизни поля

С января по декабрь. Снег, облака и тени прилагаются.

На поле растут яровые: кукуруза, соя или подсолнечник. Какие именно — не знаем.

Анимация выполнена в Earth Engine (код).

#GEE

Портал Роскосмоса

Портал Роскосмоса содержит базу данных космических снимков земной поверхности, где в перспективе должны оказаться снимки всех гражданских российских спутников. Посмотрим, что может портал сейчас.

Возможности поиска снимков обычны для таких сервисов: можно указать область пространства (или загрузить шейпфайл), интервал времени и облачность, а также разрешение данных. Самое интересное здесь — данные сверхвысокого и высокого разрешения.

Данные сверхвысокого разрешения — это снимки Ресурс-П. Сейчас эти спутники выведены из эксплуатации, поэтому самые свежие снимки относятся к сентябрю 2021 года. Данные высокого разрешения — снимки спутников Канопус-В, которые вполне актуальны.

В результатах поиска увидим обзорный снимок и метаданные. Из последних можно узнать, в частности, углы съемки (задать их при поиске нельзя). Любопытно, что в метаданных снимки Ресурса-П указаны как данные нулевого уровня обработки.

Голубая точка возле иконки обзорного снимка у Ресурса-П означает, что снимок есть в полном разрешении (0.7 м). У Канопуса облачность указана в начале описания снимка.

Закажем один из снимков. Увы, но снимки Ресурса-П и Канопуса-В — платные. Впрочем, заказывать весь снимок не нужно. Достаточно вырезать район интереса, что обойдется значительно дешевле. И вот здесь у портала есть очень большой плюс — отсутствует требование минимальной площади заказа. То есть теоретически можно заказать фрагмент снимка размером в 1 пиксель. Например, можно заказать снимок высокого разрешения своего дачного участка. Можете попробовать, это обойдется дешевле 50 рублей. Заодно протестируете работу портала.

На следующем шаге оказывается, что продукты второго уровня обработки (L2) все-таки есть, и их можно заказать (можно выбрать и L1 c RPC). Число “Байт / пикс. кан.“ — это радиометрическое разрешение. Сразу укажем 2. Это 16 бит, что вполне нормально (1 байт — вчерашний день).

Цена зависит от уровня обработки данных и условий использования снимка. Снимок, предназначенный для размещения в Интернете, обойдется вдвое дороже, чем снимок без права передачи. В меню Документы можно найти Калькулятор стоимости данных ДЗЗ — там все подробно описано. Цены указаны за 1 кв. км.

“Безвозмездно, то есть даром” (с) платные снимки предоставляются тем, кто работает над выполнением госконтрактов. Обращаться для получения нужно по адресам из меню Контакты.

На портале есть образцы продуктов Канопус-В и Ресурс-П, которые можно скачать.

Искать снимки можно без регистрации, но для оформления заказа она понадобится.

Снимки низкого разрешения спутников Электро-Л и Арктика-М можно посмотреть в виде слоев карты, без регистрации. Кстати там есть очень удобный слой карты ЕЭКО, который как раз подойдет для поиска дачного участка)

Снимки среднего разрешения, сделанные Метеор-М, доступны бесплатно. Кроме того, можно выбрать и заказать снимки Sentinel-2 и Landsat 8. Разумеется, тоже бесплатно. Эти снимки нельзя обрезать по области интереса, но можно выбрать нужные каналы.

К порталу есть доступ по API (спецификация находится в меню Руководства).

Для доступа к порталу есть мобильное приложение “Цифровая Земля”.

В будущем здесь можно будет заказать съемку. Пока эта возможность недоступна.

#данные

Голубая точка возле иконки обзорного снимка означает, что снимок Ресурс-П есть в полном разрешении (0.7 м).

Обзорный снимок Ресурс-П — скованная льдом река в Томской области (снимок сделан в январе 2021 года).