This media is not supported in your browser
VIEW IN TELEGRAM
Запущены пять китайских спутников [ссылка][видео]
24 сентября 2024 года в 23:33 UTC с космодрома Цзюцюань выполнен пуск ракеты-носителя “Лицзянь-1 Y4” (англ. Lijian-1 Yao-4) с пятью спутниками —
двумя метеорологическими спутниками:
🛰 Юньяо-1-21 [англ. Yunyao-1-21, кит. 云遥一号21], 🛰 Юньяо-1-22 [англ. Yunyao-1-22, кит. 云遥一号22] компании Tianjin Yunyao Aerospace Technology, которая планирует запустить в нынешнем году 40 подобных миниатюрных космических аппаратов.
и тремя спутниками ДЗЗ:
🛰Цзилинь-1 SAR01 [англ. Jilin-1 SAR01A, кит. 吉林一号SARO1A] — первый радарный спутник компании Chang Guang Satellite Technology, которая известна своей многочисленной группировкой аппаратов оптико-электронного наблюдения. Новый спутник оснащён радаром X-диапазона. Высота рабочей орбиты — 515 км.
🛰Чжонки-1-01 [англ. Zhongke-1 01, кит. 中科卫星01（济钢一号）], 🛰Чжонки-1-02 [англ. Zhongke-1 02, кит. 中科卫星02（济钢二号）] — пара радарных спутников компании Zhongke Satellite Science and Technology Group, первенцами группировки AIRSAT, которые в ряде источников названы AIRSAT-01 и -02. Каждый спутник оснащён радаром Ku-диапазона с разрешением <1 м. В частности, они позволяют осуществлять радарную интерферометрию в Ku-диапазоне и, по-видимому, являются первой в мире подобной группировкой.
Космические аппараты успешно выведены на околоземную орбиту.
#китай #погода #SAR #ro #LST #InSAR
24 сентября 2024 года в 23:33 UTC с космодрома Цзюцюань выполнен пуск ракеты-носителя “Лицзянь-1 Y4” (англ. Lijian-1 Yao-4) с пятью спутниками —
двумя метеорологическими спутниками:
🛰 Юньяо-1-21 [англ. Yunyao-1-21, кит. 云遥一号21], 🛰 Юньяо-1-22 [англ. Yunyao-1-22, кит. 云遥一号22] компании Tianjin Yunyao Aerospace Technology, которая планирует запустить в нынешнем году 40 подобных миниатюрных космических аппаратов.
и тремя спутниками ДЗЗ:
🛰Цзилинь-1 SAR01 [англ. Jilin-1 SAR01A, кит. 吉林一号SARO1A] — первый радарный спутник компании Chang Guang Satellite Technology, которая известна своей многочисленной группировкой аппаратов оптико-электронного наблюдения. Новый спутник оснащён радаром X-диапазона. Высота рабочей орбиты — 515 км.
🛰Чжонки-1-01 [англ. Zhongke-1 01, кит. 中科卫星01（济钢一号）], 🛰Чжонки-1-02 [англ. Zhongke-1 02, кит. 中科卫星02（济钢二号）] — пара радарных спутников компании Zhongke Satellite Science and Technology Group, первенцами группировки AIRSAT, которые в ряде источников названы AIRSAT-01 и -02. Каждый спутник оснащён радаром Ku-диапазона с разрешением <1 м. В частности, они позволяют осуществлять радарную интерферометрию в Ku-диапазоне и, по-видимому, являются первой в мире подобной группировкой.
Космические аппараты успешно выведены на околоземную орбиту.
#китай #погода #SAR #ro #LST #InSAR
Всероссийский семинар “Проблемы дистанционного зондирования Земли из космоса” — 26 сентября, ИКИ РАН
Очередное заседание Всероссийского семинара “Проблемы дистанционного зондирования Земли из космоса” состоится в четверг 26 сентября 2024 года в 11:00 московского времени.
Тема: Космические исследования лесов России в контексте научных и прикладных эколого-климатических проблем.
Докладчик: Барталев Сергей Александрович, доктор технических наук, профессор, главный научный сотрудник Отдела технологий спутникового мониторинга ИКИ РАН.
Соавторы: Егоров В.А. (1), Жарко В.О. (1), Лукина Н.В. (2), Лупян Е.А. (1), Стыценко Ф.В. (1), Стыценко Е.А. (1), Хвостиков С.А. (1), Ховратович Т.С. (1), Богодухов М.А. (1), Ворушилов И.И. (1), Сайгин И.А. (1)
(1) — ИКИ РАН
(2) — ЦЭПЛ РАН
В докладе будут представлены последние результаты спутниковой оценки динамики лесов России с начала текущего столетия до настоящего времени, дан анализ основных природных и антропогенных факторов воздействия на леса, а также их способности по нетто-поглощению углекислого газа.
В настоящее время исследования ведутся в рамках реализации важнейшего инновационного проекта государственного значения "Разработка системы наземного и дистанционного мониторинга пулов углерода и потоков парниковых газов на территории Российской Федерации, обеспечение создания системы учета данных о потоках климатически активных веществ и бюджете углерода в лесах и других наземных экологических системах” (рег. № 123030300031-6).
👨🏻🏫 Принять участие в заседании в режиме онлайн-конференции:
https://us02web.zoom.us/j/85933555892?pwd=1iUIrDHuR3DZLKnc5YyKNlsy26UDJh.1
Идентификатор конференции: 859 3355 5892
Код доступа: 485370
Более подробная информация размещена на странице семинара:
🔗 Всероссийский семинар “Проблемы дистанционного зондирования Земли из космоса”
📹 Записи семинаров
#конференции
Очередное заседание Всероссийского семинара “Проблемы дистанционного зондирования Земли из космоса” состоится в четверг 26 сентября 2024 года в 11:00 московского времени.
Тема: Космические исследования лесов России в контексте научных и прикладных эколого-климатических проблем.
Докладчик: Барталев Сергей Александрович, доктор технических наук, профессор, главный научный сотрудник Отдела технологий спутникового мониторинга ИКИ РАН.
Соавторы: Егоров В.А. (1), Жарко В.О. (1), Лукина Н.В. (2), Лупян Е.А. (1), Стыценко Ф.В. (1), Стыценко Е.А. (1), Хвостиков С.А. (1), Ховратович Т.С. (1), Богодухов М.А. (1), Ворушилов И.И. (1), Сайгин И.А. (1)
(1) — ИКИ РАН
(2) — ЦЭПЛ РАН
В докладе будут представлены последние результаты спутниковой оценки динамики лесов России с начала текущего столетия до настоящего времени, дан анализ основных природных и антропогенных факторов воздействия на леса, а также их способности по нетто-поглощению углекислого газа.
В настоящее время исследования ведутся в рамках реализации важнейшего инновационного проекта государственного значения "Разработка системы наземного и дистанционного мониторинга пулов углерода и потоков парниковых газов на территории Российской Федерации, обеспечение создания системы учета данных о потоках климатически активных веществ и бюджете углерода в лесах и других наземных экологических системах” (рег. № 123030300031-6).
👨🏻🏫 Принять участие в заседании в режиме онлайн-конференции:
https://us02web.zoom.us/j/85933555892?pwd=1iUIrDHuR3DZLKnc5YyKNlsy26UDJh.1
Идентификатор конференции: 859 3355 5892
Код доступа: 485370
Более подробная информация размещена на странице семинара:
🔗 Всероссийский семинар “Проблемы дистанционного зондирования Земли из космоса”
📹 Записи семинаров
#конференции
Сравнение наземных и спутниковых измерений аэрозольной оптической толщины на NASA Worldview
Добавление на онлайн-платформу NASA Worldview слоя аэрозольной оптической толщины (aerosol optical depth, AOD), полученного в режиме, близком к реальному времени, сетью наземных роботизированных станций AERONET, позволяет сравнивать результаты наземных и спутниковых измерений AOD. Посмотрим, как это работает на примере лесных пожаров в Канаде:
🗺 Карта Worldview
Базовая карта представляет собой скорректированную отражательную способность поверхности по данным прибора VIIRS спутника Suomi NPP. На нее наложен слой VIIRS Dark Target Aerosol Optical Thickness (Land and Ocean), полученный по данным того же прибора. Ежедневные данные AERONET AOD 500 nm представлены кружками с различными оттенками желтого и красного.
Аэрозольная оптическая толщина — безразмерная величина, которая характеризует ослабление света при прохождении через атмосферу в зависимости от концентрации аэрозолей. Для наземного наблюдателя AOD менее 0,1 видится как чистое голубое небо, яркое солнце и максимальная видимость. При увеличении AOD до 0,5, 1,0 и выше 3,0 аэрозоли становятся настолько плотными, что заслоняют Солнце. Наряду с дымом от лесных пожаров, другими источниками аэрозолей являются загрязнения от заводов, пыль от песчаных бурь, вулканический пепел и смог.
Если навести курсор на кружок, отображающий данные сети AERONET, можно увидеть название узла сети, его координаты и значение AOD.
#атмосфера
Добавление на онлайн-платформу NASA Worldview слоя аэрозольной оптической толщины (aerosol optical depth, AOD), полученного в режиме, близком к реальному времени, сетью наземных роботизированных станций AERONET, позволяет сравнивать результаты наземных и спутниковых измерений AOD. Посмотрим, как это работает на примере лесных пожаров в Канаде:
🗺 Карта Worldview
Базовая карта представляет собой скорректированную отражательную способность поверхности по данным прибора VIIRS спутника Suomi NPP. На нее наложен слой VIIRS Dark Target Aerosol Optical Thickness (Land and Ocean), полученный по данным того же прибора. Ежедневные данные AERONET AOD 500 nm представлены кружками с различными оттенками желтого и красного.
Аэрозольная оптическая толщина — безразмерная величина, которая характеризует ослабление света при прохождении через атмосферу в зависимости от концентрации аэрозолей. Для наземного наблюдателя AOD менее 0,1 видится как чистое голубое небо, яркое солнце и максимальная видимость. При увеличении AOD до 0,5, 1,0 и выше 3,0 аэрозоли становятся настолько плотными, что заслоняют Солнце. Наряду с дымом от лесных пожаров, другими источниками аэрозолей являются загрязнения от заводов, пыль от песчаных бурь, вулканический пепел и смог.
Если навести курсор на кружок, отображающий данные сети AERONET, можно увидеть название узла сети, его координаты и значение AOD.
#атмосфера
Сегодня у нас будут Foundation models или базовые модели. Обещают они много: решение широкого круга задач с помощью одной модели, мультимодальность и т.п. Если это так, то Foundation models в дистанционном зондировании ближе всего подошли к реализации установки “вкалывают роботы, счастлив человек”.
На русском языке про эти модели пока мало информации. Надеюсь, вы их попробуете и, со временем, что-нибудь об этом расскажите.
На русском языке про эти модели пока мало информации. Надеюсь, вы их попробуете и, со временем, что-нибудь об этом расскажите.
Базовые модели дистанционного зондирования
Технологии искусственного интеллекта (ИИ) коренным образом изменяют область дистанционного зондирования. Традиционно, дистанционное зондирование опиралось на ручную интерпретацию данных и модели, ориентированные на решение конкретных задач. Эти модели требовали обширных наборов размеченных данных и значительных вычислительных ресурсов. Комбинация ИИ и глубокого обучения позволила сделать шаг вперед — появились крупномасштабные, предварительно обученные модели ИИ, способные выполнять широкий спектр задач с беспрецедентной точностью и эффективностью. Эти новые модели назвали базовыми моделями — Foundation Models.
Базовые модели в дистанционном зондировании позволяют использовать огромные объемы неразмеченных данных с помощью методов self-supervised learning. Модели могут применяться для решения различных задач, позволяя переносить знания из одной ситуации на другую.
В статье 📖 AI Foundation Models in Remote Sensing: A Survey (🔗ссылка) представлен обзор базовых моделей в области дистанционного зондирования, охватывающий модели, выпущенные в период с июня 2021 года по июнь 2024 года. Приведена классификация моделей на основе их применения в компьютерном зрении и специфических задачах. Рассмотрена архитектура, наборы данных и методы для предварительного обучения. С помощью сравнений производительности моделей показаны возникающие тенденции и успехи, достигнутые базовыми моделями. Обсуждены технические проблемы, их практические последствия и будущие направления исследований.
📊 Некоторые известные базовые модели дистанционного зондирования, выпущенные с июня 2021 года по июнь 2024 года (источник).
#FM
Технологии искусственного интеллекта (ИИ) коренным образом изменяют область дистанционного зондирования. Традиционно, дистанционное зондирование опиралось на ручную интерпретацию данных и модели, ориентированные на решение конкретных задач. Эти модели требовали обширных наборов размеченных данных и значительных вычислительных ресурсов. Комбинация ИИ и глубокого обучения позволила сделать шаг вперед — появились крупномасштабные, предварительно обученные модели ИИ, способные выполнять широкий спектр задач с беспрецедентной точностью и эффективностью. Эти новые модели назвали базовыми моделями — Foundation Models.
Базовые модели в дистанционном зондировании позволяют использовать огромные объемы неразмеченных данных с помощью методов self-supervised learning. Модели могут применяться для решения различных задач, позволяя переносить знания из одной ситуации на другую.
В статье 📖 AI Foundation Models in Remote Sensing: A Survey (🔗ссылка) представлен обзор базовых моделей в области дистанционного зондирования, охватывающий модели, выпущенные в период с июня 2021 года по июнь 2024 года. Приведена классификация моделей на основе их применения в компьютерном зрении и специфических задачах. Рассмотрена архитектура, наборы данных и методы для предварительного обучения. С помощью сравнений производительности моделей показаны возникающие тенденции и успехи, достигнутые базовыми моделями. Обсуждены технические проблемы, их практические последствия и будущие направления исследований.
📊 Некоторые известные базовые модели дистанционного зондирования, выпущенные с июня 2021 года по июнь 2024 года (источник).
#FM
Awesome Remote Sensing Foundation Models
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):
🖥 GitHub
Содержание:
🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents
🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets
🔹 Others
* Relevant Projects
* Survey Papers
Данная коллекция ссылок создана во время работы над статьей:
📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery
В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.
#ИИ #FM
SpectralGPT — базовая модель для обработки спектральных данных
Большинство базовых моделей приспособлены к эффективной обработке RGB-изображений для различных визуальных задач, но существует пробел в исследованиях, ориентированных на спектральные данные, которые также дают ценную информацию для понимания сцены.
📖 SpectralGPT: Spectral Remote Sensing Foundation Model
Чтобы заполнить этот пробел, авторы ⬆️ создали универсальную базовую модель SpectralGPT, которая предназначена для обработки спектральных изображений дистанционного зондирования с помощью нового 3D-генеративного предварительно обученного трансформатора (generative pretrained transformer, GPT).
#FM
Большинство базовых моделей приспособлены к эффективной обработке RGB-изображений для различных визуальных задач, но существует пробел в исследованиях, ориентированных на спектральные данные, которые также дают ценную информацию для понимания сцены.
📖 SpectralGPT: Spectral Remote Sensing Foundation Model
Чтобы заполнить этот пробел, авторы ⬆️ создали универсальную базовую модель SpectralGPT, которая предназначена для обработки спектральных изображений дистанционного зондирования с помощью нового 3D-генеративного предварительно обученного трансформатора (generative pretrained transformer, GPT).
#FM
arXiv.org
SpectralGPT: Spectral Remote Sensing Foundation Model
The foundation model has recently garnered significant attention due to its potential to revolutionize the field of visual representation learning in a self-supervised manner. While most...
Готовится к запуску GOSAT-GW
25 сентября компания Mitsubishi Heavy Industries сообщила о завершении сборки ракеты H-IIA, которая в ближайшие дни будет отправлена в Танегасиму. Полезной нагрузкой станет космический аппарат GOSAT-GW (Global Observing SATellite for Greenhouse gases and Water cycle).
GOSAT-GW будет оснащен двумя сенсорами 📸: TANSO-3 для наблюдения за парниковыми газами и AMSR3 для наблюдения за физическими величинами, связанными с водными объектами, такими как температура морской поверхности.
Миссия GOSAT-GW является развитием миссии наблюдения за вариациями водного цикла GCOM-W2 (SHIZUKU), которая была запущена в 2012 году, а также миссий наблюдения за парниковыми газами GOSAT (IBUKI), запущенной в 2009 году, и GOSAT-2 (IBUKI-2), которая была запущена в 2018 году.
За разработку спутника и сенсоров отвечает компания Mitsubishi Electric Corporation.
Надеемся, что данные GOSAT-GW будут находиться в открытом доступе, как это было с предыдущими GOSAT’ами.
#япония
25 сентября компания Mitsubishi Heavy Industries сообщила о завершении сборки ракеты H-IIA, которая в ближайшие дни будет отправлена в Танегасиму. Полезной нагрузкой станет космический аппарат GOSAT-GW (Global Observing SATellite for Greenhouse gases and Water cycle).
GOSAT-GW будет оснащен двумя сенсорами 📸: TANSO-3 для наблюдения за парниковыми газами и AMSR3 для наблюдения за физическими величинами, связанными с водными объектами, такими как температура морской поверхности.
Миссия GOSAT-GW является развитием миссии наблюдения за вариациями водного цикла GCOM-W2 (SHIZUKU), которая была запущена в 2012 году, а также миссий наблюдения за парниковыми газами GOSAT (IBUKI), запущенной в 2009 году, и GOSAT-2 (IBUKI-2), которая была запущена в 2018 году.
За разработку спутника и сенсоров отвечает компания Mitsubishi Electric Corporation.
Надеемся, что данные GOSAT-GW будут находиться в открытом доступе, как это было с предыдущими GOSAT’ами.
#япония
Lockheed Martin выиграла контракт на разработку приборов Lightning Mapper для метеоспутников NOAA GeoXO [ссылка]
Компания Lockheed Martin выиграла контракт стоимостью 297,1 млн долларов на разработку приборов Lightning Mapper (LMX) для будущей геостационарной группировки NOAA GeoXO. Прибор LMX предназначен для обнаружения, определения местоположения и измерения интенсивности, продолжительности и масштабов вспышек молний. С помощью данных LMX метеорологи и исследователи NOAA отслеживают сильные штормы, прогнозируют интенсивность ураганов, оценивают риск лесных пожаров и снижают погодные риски для авиации.
Контракт предписывает Lockheed Martin разработать два прибора и включает опционы на изготовление двух дополнительных приборов. Lockheed Martin также обеспечит поддержку приборов в течение десяти лет работы на орбите и пяти лет хранения в космосе.
Ранее Lockheed Martin разрабатывала аналогичные приборы Geostationary Lightning Mapper для метеорологических спутников NOAA GOES.
Спутники NOAA GeoXO должны начать работу на орбите в 2030-х годах. Изготовит космические аппараты всё та же компания Lockheed Martin, а полезной нагрузкой кроме неё займутся L3Harris (ссылка) и BAE Systems (ссылка).
📸Прибор Geostationary Lightning Mapper (источник)
#погода #США
Компания Lockheed Martin выиграла контракт стоимостью 297,1 млн долларов на разработку приборов Lightning Mapper (LMX) для будущей геостационарной группировки NOAA GeoXO. Прибор LMX предназначен для обнаружения, определения местоположения и измерения интенсивности, продолжительности и масштабов вспышек молний. С помощью данных LMX метеорологи и исследователи NOAA отслеживают сильные штормы, прогнозируют интенсивность ураганов, оценивают риск лесных пожаров и снижают погодные риски для авиации.
Контракт предписывает Lockheed Martin разработать два прибора и включает опционы на изготовление двух дополнительных приборов. Lockheed Martin также обеспечит поддержку приборов в течение десяти лет работы на орбите и пяти лет хранения в космосе.
Ранее Lockheed Martin разрабатывала аналогичные приборы Geostationary Lightning Mapper для метеорологических спутников NOAA GOES.
Спутники NOAA GeoXO должны начать работу на орбите в 2030-х годах. Изготовит космические аппараты всё та же компания Lockheed Martin, а полезной нагрузкой кроме неё займутся L3Harris (ссылка) и BAE Systems (ссылка).
📸Прибор Geostationary Lightning Mapper (источник)
#погода #США
Первые снимки спутника Planet Tanager-1 [ссылка]
Компания Panet Labs опубликовала первые снимки, сделанные спутником Tanager-1. Серия снимков была сделана над городом Карачи (Пакистан) 19 сентября 2024 года с высоты 522 км.
Спутник Tanager-1 был запущен миссией SpaceX Transporter-11 16 августа 2024 года. Это второй спутник Planet, основанный на платформе Planet Smallsat, который прошел месячный процесс ввода в эксплуатацию.
Tanager-1 — первый спутник гиперспектральной группировки, создаваемой некоммерческой организацией Carbon Mapper Coalition. Он оснащен современным гиперспектрометром, разработанным в Лаборатории реактивного движения NASA (Jet Propulsion Laboratory), который способен получать изображения в 420 спектральных каналах в диапазоне длин волн от 400 до 2500 нм. На снимках представлены всего 6 из доступных для Tanager каналов.
В ближайшие месяцы компания Planet продолжит работы по вводу в эксплуатацию полезной нагрузки и планирует начать передачу данных клиентам в 2025 году. Carbon Mapper собирается использовать данные Tanager-1 для мониторинга выбросов метана и CO2 из точечных источников.
Planet планирует сделать гиперспектральные данные коммерчески доступными для различных сфер применения, включая задачи обороны и национальной безопасности.
📖 Характеристики спутниковой платформы Planet Smallsat
#planet #гиперспектр
Компания Panet Labs опубликовала первые снимки, сделанные спутником Tanager-1. Серия снимков была сделана над городом Карачи (Пакистан) 19 сентября 2024 года с высоты 522 км.
Спутник Tanager-1 был запущен миссией SpaceX Transporter-11 16 августа 2024 года. Это второй спутник Planet, основанный на платформе Planet Smallsat, который прошел месячный процесс ввода в эксплуатацию.
Tanager-1 — первый спутник гиперспектральной группировки, создаваемой некоммерческой организацией Carbon Mapper Coalition. Он оснащен современным гиперспектрометром, разработанным в Лаборатории реактивного движения NASA (Jet Propulsion Laboratory), который способен получать изображения в 420 спектральных каналах в диапазоне длин волн от 400 до 2500 нм. На снимках представлены всего 6 из доступных для Tanager каналов.
В ближайшие месяцы компания Planet продолжит работы по вводу в эксплуатацию полезной нагрузки и планирует начать передачу данных клиентам в 2025 году. Carbon Mapper собирается использовать данные Tanager-1 для мониторинга выбросов метана и CO2 из точечных источников.
Planet планирует сделать гиперспектральные данные коммерчески доступными для различных сфер применения, включая задачи обороны и национальной безопасности.
📖 Характеристики спутниковой платформы Planet Smallsat
#planet #гиперспектр
Компания Boeing планирует продемонстрировать технологию объединения данных с датчиков воздушного и космического базирования, которая может повысить уровень осведомленности военных об обстановке, сообщил один из руководителей компании [ссылка].
По словам Кея Сирса (Kay Sears), вице-президента и генерального менеджера подразделения космических, разведывательных и оружейных систем компании Boeing, данные с датчиков могут быть переданы операторам на земле или в кабинах пилотов.
Планируется использовать данные с командно-контрольного самолета E-7, который Boeing производит для ВВС США, и данные со спутников слежения за ракетами, которые разрабатывает для Космических сил США дочерняя компания Boeing, Millennium Space. Такое объединение воздушно-космических данных призвано решить давнюю проблему, с которой сталкиваются военные: обеспечить своевременную доставку актуальных данных в оперативные подразделения, — заявил Сирс 16 сентября на конференции Air Space & Cyber.
#война
По словам Кея Сирса (Kay Sears), вице-президента и генерального менеджера подразделения космических, разведывательных и оружейных систем компании Boeing, данные с датчиков могут быть переданы операторам на земле или в кабинах пилотов.
Планируется использовать данные с командно-контрольного самолета E-7, который Boeing производит для ВВС США, и данные со спутников слежения за ракетами, которые разрабатывает для Космических сил США дочерняя компания Boeing, Millennium Space. Такое объединение воздушно-космических данных призвано решить давнюю проблему, с которой сталкиваются военные: обеспечить своевременную доставку актуальных данных в оперативные подразделения, — заявил Сирс 16 сентября на конференции Air Space & Cyber.
#война
Payload рекламирует новую книгу Эрика Бергера (Eric Berger) — “Reentry”. Это про SpaceX. Книга “переносит читателей за кулисы [SpaceX], предлагая беспрецедентный доступ к руководителям компании, которые, похоже, стремятся (наконец-то) рассказать внутреннюю историю взлета SpaceX”.
Вспоминают и прошлую книгу, “Liftoff”, где Бергер начал рассказывать историю SpaceX.
Обе книги легко найти 🔗здесь.
Вспоминают и прошлую книгу, “Liftoff”, где Бергер начал рассказывать историю SpaceX.
Обе книги легко найти 🔗здесь.
Креветочные фермы на реке Гуаяс [ссылка]
Река Гуаяс, протекающая на юге Эквадора, издавна была окружена мангровыми лесами с запутанной сетью речушек и ручьев. Теперь по её берегам появились креветочные фермы.
Спутник Landsat 8 сделал этот снимок 29 августа 2024 года. Изображение представлено в комбинации каналов, которая подчеркивает разницу между прудами креветочных ферм (темно-синий цвет) и окружающей мангровой растительностью (красный цвет). Вверху сцены по обоим берегам реки расположился Гуаякиль — крупнейший город и порт Эквадора, где проживает более 3,1 миллиона человек. К югу от Гуаякиля, среди мангровых лесов, видны прямоугольные креветочные пруды.
Для создания креветочных ферм вырубаются деревья, а болота превращаются в большие пруды. Почти 60% этих прудов расположены на месте бывших мангровых зарослей.
С 1985 по 2014 год площадь, отведенная под выращивание креветок на реке Гуаяс, увеличилась более чем вдвое — с 30 000 до 64 000 гектаров. За тот же период площадь мангровых зарослей сократилась примерно на 20 000 гектаров. С тех пор темпы обезлесения замедлились, а правительство Эквадора создало программу по защите мангровых лесов.
В последние десятилетия индустрия выращивания креветок развивалась стремительно: в 1980 году в мире производилось менее 100 тысяч тонн креветок, а в 2023 году — более 5 миллионов тонн. В том же году Эквадор произвел около 1,5 миллиона тонн креветки Penaeus vannamei, и стал крупнейшим в мире поставщиком этого ракообразного.
#вода #снимки
Река Гуаяс, протекающая на юге Эквадора, издавна была окружена мангровыми лесами с запутанной сетью речушек и ручьев. Теперь по её берегам появились креветочные фермы.
Спутник Landsat 8 сделал этот снимок 29 августа 2024 года. Изображение представлено в комбинации каналов, которая подчеркивает разницу между прудами креветочных ферм (темно-синий цвет) и окружающей мангровой растительностью (красный цвет). Вверху сцены по обоим берегам реки расположился Гуаякиль — крупнейший город и порт Эквадора, где проживает более 3,1 миллиона человек. К югу от Гуаякиля, среди мангровых лесов, видны прямоугольные креветочные пруды.
Для создания креветочных ферм вырубаются деревья, а болота превращаются в большие пруды. Почти 60% этих прудов расположены на месте бывших мангровых зарослей.
С 1985 по 2014 год площадь, отведенная под выращивание креветок на реке Гуаяс, увеличилась более чем вдвое — с 30 000 до 64 000 гектаров. За тот же период площадь мангровых зарослей сократилась примерно на 20 000 гектаров. С тех пор темпы обезлесения замедлились, а правительство Эквадора создало программу по защите мангровых лесов.
В последние десятилетия индустрия выращивания креветок развивалась стремительно: в 1980 году в мире производилось менее 100 тысяч тонн креветок, а в 2023 году — более 5 миллионов тонн. В том же году Эквадор произвел около 1,5 миллиона тонн креветки Penaeus vannamei, и стал крупнейшим в мире поставщиком этого ракообразного.
#вода #снимки
Новые данные спутников CYGNSS
Physical Oceanography DAAC NASA (PO.DAAC) выпустил этим летом несколько новых наборов данных, полученных спутниками группировки CYGNSS (Cyclone Global Navigation Satellite System):
🔹 L1 Calibrated Raw IF v1.0
🔹 тепловой поток поверхности океана L2 Ocean Surface Heat Flux V3.2
🔹 концентрация микропластика в океане L3 Ocean Microplastic Concentration V3.2
🔹 влажность почвы L3 Soil Moisture V3.2
🔹 ежемесячный набор данных Watermask L3 Monthly Watermask V3.1
Данные предоставляются в формате netCDF4 и имеют временной диапазон от 1 августа 2018 года до настоящего времени с приблизительной задержкой в 6 дней.
Кроме того, выпущены данные
🔹 Cyclone Global Navigation Satellite System (CYGNSS) Science Data Record (SDR) Version 3.2 (V3.2) Level 3 — скорость ветра с предоставлением в режиме, близком к реальному времени (NRT).
Эти данные распространяются в формате netCDF-4, и охватывают период с 1 августа 2018 года по настоящее время с приблизительной задержкой от 2 до 24 часов.
Группировка малых спутников CYGNSS, запущенная 15 декабря 2016 года, состоит из восьми аппаратов, и предназначена для измерения скорости приповерхностного ветра во внутреннем ядре тропических циклонов, но используются и в “сухопутных” приложениях (пример). Данные CYGNSS имеют высокое временное разрешение и охватывают тропические широты в полосе от 38° северной широты до 38° южной широты. Измерения осуществляются методом ГНСС-рефлектометрии, то есть рефлектометрии, использующей сигналы глобальных навигационных спутниковых систем — GPS, ГЛОНАСС, Beidou и т. п. Конкретно CYGNSS использует сигналы GPS.
📊 Пример данных CYGNSS Level 2 Ocean Surface Heat Flux Climate Data Record (CDR) о параметрах теплового потока поверхности океана с разрешением 25 км x 25 км, полученных прибором Delay Doppler Mapping Instrument на борту группировки спутников CYGNSS (источник).
#GNSSR #данные #океан
Physical Oceanography DAAC NASA (PO.DAAC) выпустил этим летом несколько новых наборов данных, полученных спутниками группировки CYGNSS (Cyclone Global Navigation Satellite System):
🔹 L1 Calibrated Raw IF v1.0
🔹 тепловой поток поверхности океана L2 Ocean Surface Heat Flux V3.2
🔹 концентрация микропластика в океане L3 Ocean Microplastic Concentration V3.2
🔹 влажность почвы L3 Soil Moisture V3.2
🔹 ежемесячный набор данных Watermask L3 Monthly Watermask V3.1
Данные предоставляются в формате netCDF4 и имеют временной диапазон от 1 августа 2018 года до настоящего времени с приблизительной задержкой в 6 дней.
Кроме того, выпущены данные
🔹 Cyclone Global Navigation Satellite System (CYGNSS) Science Data Record (SDR) Version 3.2 (V3.2) Level 3 — скорость ветра с предоставлением в режиме, близком к реальному времени (NRT).
Эти данные распространяются в формате netCDF-4, и охватывают период с 1 августа 2018 года по настоящее время с приблизительной задержкой от 2 до 24 часов.
Группировка малых спутников CYGNSS, запущенная 15 декабря 2016 года, состоит из восьми аппаратов, и предназначена для измерения скорости приповерхностного ветра во внутреннем ядре тропических циклонов, но используются и в “сухопутных” приложениях (пример). Данные CYGNSS имеют высокое временное разрешение и охватывают тропические широты в полосе от 38° северной широты до 38° южной широты. Измерения осуществляются методом ГНСС-рефлектометрии, то есть рефлектометрии, использующей сигналы глобальных навигационных спутниковых систем — GPS, ГЛОНАСС, Beidou и т. п. Конкретно CYGNSS использует сигналы GPS.
📊 Пример данных CYGNSS Level 2 Ocean Surface Heat Flux Climate Data Record (CDR) о параметрах теплового потока поверхности океана с разрешением 25 км x 25 км, полученных прибором Delay Doppler Mapping Instrument на борту группировки спутников CYGNSS (источник).
#GNSSR #данные #океан
Российско-китайский студенческий спутник “ДРУЖБА АТУРК” успешно прошел вибродинамические испытания [ссылка]
Спутник “ДРУЖБА АТУРК”*, разработанный студентами из России и Китая, успешно прошел вибродинамические испытания на базе Научно-исследовательского института ядерной физики МГУ им. М. В. Ломоносова.
На борту аппарата две полезные нагрузки: камера для оптико-электронной съёмки и прибор “Фотон-Амур”.
Камера разработана специалистами из Китая. Она может делать снимки с высоты 500 км с разрешением 2,5 метра на пиксель. Данные со спутника будут получать как китайская, так и российская сторона. В частности, с помощью аппарата будет выполняться мониторинг сельскохозяйственных земель на Дальнем Востоке и отслеживаться чрезвычайные ситуации в интересах МЧС.
Прибор “Фотон-Амур” разработан российскими студентами. Он предназначен для исследования новых фотоэлектрических преобразователей, материал для которых был получен в лаборатории физики поверхностей Научно-образовательного центра АмГУ им. Циолковского. Будущих инженеров, в частности, интересует как на фотоэлементы повлияет воздействие различных факторов космического пространства.
Разработка спутника “Дружба АТУРК” проходит по программе развития сотрудничества в области космической деятельности между Роскосмосом и Китайской национальной космической администрацией (CNSA) на 2023–2027 годы. Его запуск, по предварительным данным, запланирован с космодрома Восточный, однако дата пока не называется.
Напомним, что на счету АмГУ есть малый космический аппарат AMGU-1 (AMURSAT), запущенный в космос в июле 2019 года.
*АТУРК — Ассоциация технических университетов России и Китая.
#россия #китай
Спутник “ДРУЖБА АТУРК”*, разработанный студентами из России и Китая, успешно прошел вибродинамические испытания на базе Научно-исследовательского института ядерной физики МГУ им. М. В. Ломоносова.
На борту аппарата две полезные нагрузки: камера для оптико-электронной съёмки и прибор “Фотон-Амур”.
Камера разработана специалистами из Китая. Она может делать снимки с высоты 500 км с разрешением 2,5 метра на пиксель. Данные со спутника будут получать как китайская, так и российская сторона. В частности, с помощью аппарата будет выполняться мониторинг сельскохозяйственных земель на Дальнем Востоке и отслеживаться чрезвычайные ситуации в интересах МЧС.
Прибор “Фотон-Амур” разработан российскими студентами. Он предназначен для исследования новых фотоэлектрических преобразователей, материал для которых был получен в лаборатории физики поверхностей Научно-образовательного центра АмГУ им. Циолковского. Будущих инженеров, в частности, интересует как на фотоэлементы повлияет воздействие различных факторов космического пространства.
Разработка спутника “Дружба АТУРК” проходит по программе развития сотрудничества в области космической деятельности между Роскосмосом и Китайской национальной космической администрацией (CNSA) на 2023–2027 годы. Его запуск, по предварительным данным, запланирован с космодрома Восточный, однако дата пока не называется.
Напомним, что на счету АмГУ есть малый космический аппарат AMGU-1 (AMURSAT), запущенный в космос в июле 2019 года.
*АТУРК — Ассоциация технических университетов России и Китая.
#россия #китай
Метод прогнозирования нашествия лесных насекомых-вредителей по данным спутниковых наблюдений [ссылка]
Учёные Красноярского научного центра СО РАН вместе с коллегами из Москвы и Новосибирска разработали метод прогнозирования вспышек лесных насекомых-вредителей. Он позволяют предсказать массовое размножение насекомых за два года до появления видимых повреждений деревьев.
Массовое размножение насекомых-вредителей является одной из главных причин ослабления и гибели лесов. Основным способом оценки состояния леса на больших территориях является дистанционное зондирование Земли (ДЗЗ) со спутников. Однако различные вегетационные индексы, построенные по данным ДЗЗ, диагностируют признаки ослабления деревьев лишь на поздних стадиях, когда исправить положение уже почти невозможно. Поэтому прогнозирование массового размножения насекомых и повышение устойчивости лесов должны быть основными задачами в борьбе с вредителями.
Исследования российских учёных показали, что за два года до видимых повреждений деревьев насекомыми, реакция деревьев на изменения окружающей среды, в частности на изменение температуры почвы, замедляется. В итоге, для выявления зон будущих вспышек использовались не данные мультиспектрального анализа, а реакция спектральных характеристик в ответ на изменение температуры. В роли индикатора состояния растений и их реакции на климатические условия используется чувствительности изменений вегетационного индекса NDVI к изменениям температуры поверхности земли.
Разработанная методика ⬇️ способна обнаруживать очень ранние стадии увеличения популяции насекомых, что позволит принимать своевременные меры по защите лесов.
📖 Kovalev, A., Tarasova, O., Soukhovolsky, V., & Ivanova, Y. (2024). Is It Possible to Predict a Forest Insect Outbreak? Backtesting Using Remote Sensing Data. Forests, 15(8), 1458. https://doi.org/10.3390/f15081458
#россия #лес
Учёные Красноярского научного центра СО РАН вместе с коллегами из Москвы и Новосибирска разработали метод прогнозирования вспышек лесных насекомых-вредителей. Он позволяют предсказать массовое размножение насекомых за два года до появления видимых повреждений деревьев.
Массовое размножение насекомых-вредителей является одной из главных причин ослабления и гибели лесов. Основным способом оценки состояния леса на больших территориях является дистанционное зондирование Земли (ДЗЗ) со спутников. Однако различные вегетационные индексы, построенные по данным ДЗЗ, диагностируют признаки ослабления деревьев лишь на поздних стадиях, когда исправить положение уже почти невозможно. Поэтому прогнозирование массового размножения насекомых и повышение устойчивости лесов должны быть основными задачами в борьбе с вредителями.
Исследования российских учёных показали, что за два года до видимых повреждений деревьев насекомыми, реакция деревьев на изменения окружающей среды, в частности на изменение температуры почвы, замедляется. В итоге, для выявления зон будущих вспышек использовались не данные мультиспектрального анализа, а реакция спектральных характеристик в ответ на изменение температуры. В роли индикатора состояния растений и их реакции на климатические условия используется чувствительности изменений вегетационного индекса NDVI к изменениям температуры поверхности земли.
Разработанная методика ⬇️ способна обнаруживать очень ранние стадии увеличения популяции насекомых, что позволит принимать своевременные меры по защите лесов.
📖 Kovalev, A., Tarasova, O., Soukhovolsky, V., & Ivanova, Y. (2024). Is It Possible to Predict a Forest Insect Outbreak? Backtesting Using Remote Sensing Data. Forests, 15(8), 1458. https://doi.org/10.3390/f15081458
#россия #лес
Переменные окружающей среды повышают точность оценки содержания органического углерода в почве с помощью данных дистанционного зондирования
В недавней 📖 работе китайских учёных исследовалось влияние методов моделирования и выбора переменных на точность оценки содержания органического углерода в почве (soil organic carbon, SOC) по данным дистанционного зондирования Земли (ДЗЗ).
В качестве методов моделирования использовались два варианта линейной регрессии и два метода машинного обучения: случайный лес (random forest, RF) и метод опорных векторов (support vector machine, SVM). Анализируемые переменные окружающей среды включали факторы рельефа, климата, почвы и растительного покрова (вегетационные индексы).
Исследования проводились в районе The Northeast China Transect, расположенном в среднеширотном полузасушливом регионе вдоль 43°30' северной широты, общей протяженностью около 1600 км (112° – 130°30' восточной долготы). Сбор образцов почвы был проведен с 26 июля по 8 августа 2001 года. В качестве данных ДЗЗ использовались значения спектральной отражательной способности, полученной по снимкам спутника Landsat 5.
Результаты показали, что: (1) Содержание SOC может быть эффективно оценено с помощью отражательной способности, полученной из снимков Landsat 5 TM. (2) Переменные окружающей среды могут существенно повысить точность оценки содержания SOC, причем климатические и почвенные факторы дают наиболее значительные улучшения. (3) Методы моделирования на основе машинного обучения обеспечивают более высокую точность оценки, чем линейная регрессия. Лучшие результаты были получены с помощью SVM по данным отражательной способности и переменным окружающей среды: R^2 = 0.9220, RMSE = 11.6165, MAE = 10.8075 (на тестовых данных). Несколько худшие результаты дал RF.
Исследование показало, что добавление переменных окружающей среды может эффективно повысить точность оценки содержания SOC. Среди этих переменных среднегодовое количество осадков и pH почвы являются основными факторами, влияющими на точность оценки содержания SOC, за которыми следуют высота над уровнем моря, уклон и аспект. Температура оказывает значительное влияние на содержание SOC через воздействие на активность почвенных микроорганизмов и почвенное дыхание. pH почвы влияет на химические реакции и ионообменные свойства почвы. Кислые почвы обычно ограничивают активность микроорганизмов и разложение органического вещества, тем самым препятствуя накоплению SOC. Осадки косвенно влияют на содержание SOC, воздействуя на состояние влажности почвы.
🗺 Содержание органического углерода в почве в исследуемой области (2001 г.), основанное на лучшей модели.
Если бы авторы разделили исследуемую область на несколько подобластей, то шанс появился бы и у линейной регрессии)
#сельхоз #почва
В недавней 📖 работе китайских учёных исследовалось влияние методов моделирования и выбора переменных на точность оценки содержания органического углерода в почве (soil organic carbon, SOC) по данным дистанционного зондирования Земли (ДЗЗ).
В качестве методов моделирования использовались два варианта линейной регрессии и два метода машинного обучения: случайный лес (random forest, RF) и метод опорных векторов (support vector machine, SVM). Анализируемые переменные окружающей среды включали факторы рельефа, климата, почвы и растительного покрова (вегетационные индексы).
Исследования проводились в районе The Northeast China Transect, расположенном в среднеширотном полузасушливом регионе вдоль 43°30' северной широты, общей протяженностью около 1600 км (112° – 130°30' восточной долготы). Сбор образцов почвы был проведен с 26 июля по 8 августа 2001 года. В качестве данных ДЗЗ использовались значения спектральной отражательной способности, полученной по снимкам спутника Landsat 5.
Результаты показали, что: (1) Содержание SOC может быть эффективно оценено с помощью отражательной способности, полученной из снимков Landsat 5 TM. (2) Переменные окружающей среды могут существенно повысить точность оценки содержания SOC, причем климатические и почвенные факторы дают наиболее значительные улучшения. (3) Методы моделирования на основе машинного обучения обеспечивают более высокую точность оценки, чем линейная регрессия. Лучшие результаты были получены с помощью SVM по данным отражательной способности и переменным окружающей среды: R^2 = 0.9220, RMSE = 11.6165, MAE = 10.8075 (на тестовых данных). Несколько худшие результаты дал RF.
Исследование показало, что добавление переменных окружающей среды может эффективно повысить точность оценки содержания SOC. Среди этих переменных среднегодовое количество осадков и pH почвы являются основными факторами, влияющими на точность оценки содержания SOC, за которыми следуют высота над уровнем моря, уклон и аспект. Температура оказывает значительное влияние на содержание SOC через воздействие на активность почвенных микроорганизмов и почвенное дыхание. pH почвы влияет на химические реакции и ионообменные свойства почвы. Кислые почвы обычно ограничивают активность микроорганизмов и разложение органического вещества, тем самым препятствуя накоплению SOC. Осадки косвенно влияют на содержание SOC, воздействуя на состояние влажности почвы.
🗺 Содержание органического углерода в почве в исследуемой области (2001 г.), основанное на лучшей модели.
Если бы авторы разделили исследуемую область на несколько подобластей, то шанс появился бы и у линейной регрессии)
#сельхоз #почва
Компания Planet представила продукт для глобального мониторинга лесов [ссылка]
Продукт Forest Carbon Monitoring (FCM) компании Planet предлагает ежеквартальные оценки количества углерода, запасенного в ветвях, листьях и других надземных частях растений с разрешением 3 метра на пиксель. Кроме того, он показывает высоту полога и проективное покрытие (canopy cover) — информацию, которая необходима для добровольных углеродных рынков и для соблюдения нормативных требований по борьбе с обезлесением.
Ежеквартальные данные FCM начинаются с 2021 года.
FCM создан с помощью методов машинного обучения и основывается на снимках группировки Planet, состоящей из примерно 130 спутников, а также данных авиационных и космических лидаров, спутников Sentinel-2, Landsat и ALOS-PALSAR-2.
Planet ожидает, что данные FCM будут использоваться для получения углеродных кредитов и компенсаций, а также при проверке соблюдения требований EUDR — регламент Европейского союза о продукции, не подверженной обезлесению, который вступит в силу 30 декабря 2024 года.
В прошлом году Planet выпустила продукт Forest Carbon Diligence с пространственным разрешением 30 метров, который имеет сходный состав, но не использует данных спутников Planet.
🗺 Пример слоя данных Forest Carbon Monitoring для региона Путамайо в Амазонии (источник).
#planet #лес #AGB
Продукт Forest Carbon Monitoring (FCM) компании Planet предлагает ежеквартальные оценки количества углерода, запасенного в ветвях, листьях и других надземных частях растений с разрешением 3 метра на пиксель. Кроме того, он показывает высоту полога и проективное покрытие (canopy cover) — информацию, которая необходима для добровольных углеродных рынков и для соблюдения нормативных требований по борьбе с обезлесением.
Ежеквартальные данные FCM начинаются с 2021 года.
FCM создан с помощью методов машинного обучения и основывается на снимках группировки Planet, состоящей из примерно 130 спутников, а также данных авиационных и космических лидаров, спутников Sentinel-2, Landsat и ALOS-PALSAR-2.
Planet ожидает, что данные FCM будут использоваться для получения углеродных кредитов и компенсаций, а также при проверке соблюдения требований EUDR — регламент Европейского союза о продукции, не подверженной обезлесению, который вступит в силу 30 декабря 2024 года.
В прошлом году Planet выпустила продукт Forest Carbon Diligence с пространственным разрешением 30 метров, который имеет сходный состав, но не использует данных спутников Planet.
🗺 Пример слоя данных Forest Carbon Monitoring для региона Путамайо в Амазонии (источник).
#planet #лес #AGB
This media is not supported in your browser
VIEW IN TELEGRAM
Дельта Нила
Эта анимация составлена из снимков спутников Landsat, сделанных с 1972 по 2023 год. Растительность на снимках выделяется красным цветом, а пустыня выглядит белой или светло-серой. Анимация показывает резкий рост городов в дельте реки Нил и распространение сельского хозяйства на прилегающие пустынные территории.
#снимки
Эта анимация составлена из снимков спутников Landsat, сделанных с 1972 по 2023 год. Растительность на снимках выделяется красным цветом, а пустыня выглядит белой или светло-серой. Анимация показывает резкий рост городов в дельте реки Нил и распространение сельского хозяйства на прилегающие пустынные территории.
#снимки