Спутник ДЗЗ
3.2K subscribers
2.49K photos
140 videos
191 files
2.22K links
Человеческим языком о дистанционном зондировании Земли.

Обратная связь: @sputnikDZZ_bot
加入频道
Посты о работе с пространственными данными в R будем выкладывать по средам.
Векторные данные. Введение

Пространственные данные — это данные, имеющие географическую привязку. Они бывают растровыми и векторными. С растровыми данными мы уже познакомились и сейчас займёмся векторными.

Векторные данные представляют собой дискретные объекты с чёткими границами: река, дорога, город. Они состоят из 1) описания геометрии объекта и 2) переменных (атрибутов), связанных с объектом. Например, для города соответствующий векторный объект может содержать полигон, описывающий границы города (геометрию), и атрибуты, такие как “численность населения”, “площадь” и т. п.

Векторные объекты — это точки, линии, полигоны, а также наборы объектов одного типа — мультиточки, мультилинии, мультиполигоны.

Для работы с векторными данными в R широко используются пакеты terra и sf. Первый лучше подходит для операций, где одновременно нужны растровые и векторные данные. Например, чтобы обрезать снимок (растровые данные) по границам административного района (векторные данные). Второй обладает большими возможностями для выполнения операций, специфических для векторных данных. Например, для сглаживания полигонов данных.

Изучать векторные данные начнём с пакета terra. Интерфейс его нам уже знаком и многие функции, привычные по работе с растровыми данными, работают и для данных векторных.

Пакет terra определяет набор классов для представления пространственных данных, имена которых начинаются со Spat. Для векторных данных соответствующим классом является SpatVector.

Начнём с создания объектов SpatVector. Это часто делается при использовании координат, полученных с помощью глобальных навигационных спутниковых систем (GPS/ГЛОНАСС/Beidou). Также это пригодится для создания небольших примеров, иллюстрирующих ту или иную задачу. В большинстве других случаев вы будете считывать готовые объекты SpatVector из файлов или баз данных.

#R
This media is not supported in your browser
VIEW IN TELEGRAM
Создание векторных объектов: точки

Зададим координаты (долготу и широту) точек и составим из них матрицу с помощью функции cbind():

longitude <- c(-116.7, -120.4, -116.7, -113.5, -115.5, -120.8, -119.5, -113.7, -113.7, -110.7)
latitude <- c(45.3, 42.6, 38.9, 42.1, 35.7, 38.9, 36.2, 39, 41.6, 36.9)
lonlat <- cbind(longitude, latitude)


Для выполнения этих операций пакет terra не нужен. А вот дальше он понадобится, так что не забудьте его загрузить с помощью library(terra).

Обратите внимание, что в отличие от географии, где первой координатой указывается широта (latitude), здесь первой указана долгота (longitude). Так принято во многих компьютерных программах для работы с пространственными данными. Здесь работают традиции не географии, а математики: долгота соответствует координате Х декартовой системы координат, которая обычно в математике указывается первой.

Для создания объектов SpatVector с нуля или из файлов данных служит функция vect пакета terra

pts <- vect(lonlat)


Фактически, vect является методом класса SpatVector. Мы будем часто называть подобные методы функциями, поскольку путаницы это не создаст.

Заглянем внутрь pts:

pts
## class : SpatVector
## geometry : points
## dimensions : 10, 0 (geometries, attributes)
## extent : -120.8, -110.7, 35.7, 45.3 (xmin, xmax, ymin, ymax)
## coord. ref. :

geom(pts)
## geom part x y hole
## [1,] 1 1 -116.7 45.3 0
## [2,] 2 1 -120.4 42.6 0
## [3,] 3 1 -116.7 38.9 0
## [4,] 4 1 -113.5 42.1 0
## [5,] 5 1 -115.5 35.7 0
## [6,] 6 1 -120.8 38.9 0
## [7,] 7 1 -119.5 36.2 0
## [8,] 8 1 -113.7 39.0 0
## [9,] 9 1 -113.7 41.6 0
## [10,] 10 1 -110.7 36.9 0


Видно, что это объект класса SpatVector, который состоит из точек (geometry: points). Всего этих точек 10 и атрибутов у данных нет (dimensions: 10, 0 (geometries, attributes)). Экстент (extent) или охват данных автоматически рассчитан по координатам точек. В свойствах объекта указана система координат (coord. ref.). При создании pts мы её не задали. Давайте сделаем это сейчас.

Задать или узнать текущую систему координат (Coordinate Reference System, CRS) можно с помощью функции crs, знакомой нам по работе с растровыми данными:

crdref <- "+proj=longlat +datum=WGS84"
crs(pts) <- crdref

pts
## class : SpatVector
## geometry : points
## dimensions : 10, 0 (geometries, attributes)
## extent : -120.8, -110.7, 35.7, 45.3 (xmin, xmax, ymin, ymax)
## coord. ref. : +proj=longlat +datum=WGS84 +no_defs


Такого же результата можно было добиться, задав систему координат при создании pts

pts <- vect(lonlat, crs=crdref)
pts


Теперь добавим к нашему объекту атрибуты (переменные). Сначала создадим таблицу, число строк которой должно совпадать с числом точек (линий, полигонов, …) в векторном объекте:

precip_val <- runif(nrow(lonlat), min=0, max=100)
dt <- data.frame(ID=1:nrow(lonlat), precip=precip_val)


Здесь мы сгенерировали случайные значения осадков (precip_val) в диапазоне от 0 до 100, которых будет столько же, сколько и точек. Затем эти значения поместили в таблицу атрибутов.

Создадим новый векторный объект ptsv с заданными атрибутами

ptsv <- vect(lonlat, atts=dt, crs=crdref)


ptsv
## class : SpatVector
## geometry : points
## dimensions : 10, 2 (geometries, attributes)
## extent : -120.8, -110.7, 35.7, 45.3 (xmin, xmax, ymin, ymax)
## coord. ref. : +proj=longlat +datum=WGS84 +no_defs
## names : ID precip
## type : <int> <num>
## values : 1 98.93
## 2 15.76
## 3 68.81


У ptsv два атрибута: идентификатор точки (ID) и значение осадков в точке (precip).

#R
📢 А вы уже зарегистрировались на профиль "Спутниковые системы" Национальной Технологической Олимпиады?! 🛰🔧

Для кого:
Школьники 8-11 класс.

Участвуя в профиле "Спутниковые системы", команды смогут:
Создать свой прототип спутника;
Разработать проект космической миссии;
Познакомиться на практике с задачами: программирования профессиональных микроконтроллеров, радиотехники и беспроводной связи, управления полетом и орбитальной механики, конструирования космической техники, схемотехники.

Не упустите получить 100 баллов к ЕГЭ по информатике и физике при поступлении в профильный ВУЗ!

А главное, полученный практический опыт поможет сориентироваться в широком спектре направлений инженерного дела, применимых как в Космосе, так и на Земле.

📍Регистрируемся тут: https://my.ntcontest.ru/

Не забудьте выбрать при регистрации профиль "Спутниковые системы" 😉

⚡️Регистрация продлится до 21 октября, а 1-ый этап до 5 ноября!

Если есть вопросы, пишите в комментариях или в сообщения группы!

#ОбразованиеБудущего
#НТО
#СпутниковыеСистемы
Глобальные карты торфяных болот

🗺 Global Peatland Map 2.0 создана на основе данных Грейфсвальдского центра болот (Greifswald Mire Centre) за 2022 год. Данные имеют пространственное разрешение 1 км.

🛢 Скачать данные (GeoTIFF)
🌍 Global Peatland Map 2.0 на Google Earth Engine

🗺 Карта Global Peatland Fractional Coverage показывает долю площади пикселя, занятую торфяными болотами (2021 год). Карта построена с помощью методов машинного обучения и имеет пространственное разрешение 5’ (≈9.26 км на экваторе).

🛢 Скачать Peat-ML Dataset (NetCDF)
🌍 Global Peatland Fractional Coverage на GEE

📖 Методика

#данные #болота #GEE
Глобальный рейтинг коммерческих систем ДЗЗ из космоса [ссылка]

Доклад группы американских аналитических центров по вопросам национальной безопасности Gold Rush: The 2024 Commercial Remote Sensing Global Rankings, представляет собой глобальный рейтинг коммерческих систем дистанционного зондирования из космоса, разделенный на категории.

Хотя США остаются ведущим игроком в космической гонке, Китай добился значительных успехов. Китайские системы взяли “золото” в пяти из 11 категорий, по сравнению с четырьмя золотыми медалями США. Другие страны, включая Финляндию и Южную Корею, также заняли места на подиуме, что подчеркивает глобальную конкуренцию в сфере ДЗЗ. Почти половина спутниковых систем, занявших первое место, запущена в период с 2021 по 2024 год.

В категорию EO Imaging вошли коммерческие системы оптико-электронного наблюдения в видимом и ближнем инфракрасном (ИК) диапазонах. Группировка Maxar WorldView Legion не вошла в рейтинг, так как ее развертывание в 2024 году только началось. EO Revisit оценивает спутники оптико-электронного наблюдения по обеспечиваемой ими периодичности повторной съемки. EO Video включает спутники, позволяющие снимать видеоролики.

Системы ДЗЗ, работающие в коротковолновом и средневолновом ИК-диапазонах, попали в категории Short-Wave IR и Mid-Wave IR.

SAR X-band и SAR C-band — радарные спутники, работающие соответственно в X- и в С-диапазонах. SAR Revisit оценивает радарные спутники по периодичности повторной съемки. Отметим, что Китай обладает наибольшим разнообразием радарных систем, включая L- и Ku-диапазоны, а также имеет в своем распоряжении радар на наклонной геостационарной орбите.

Категория мультиспектральной съемки (Multispectral) оценивает возможности сбора данных в различных диапазонах спектра. Гиперспектральная съемка (Hyperspectral) обладает еще большим числом спектральных каналов и позволяет идентифицировать материалы по их уникальным спектральным признакам.

Long-Wave IR — съемка в тепловом ИК-диапазоне.
NOAA подключает частные компании к изучению вопросов обработки данных на естественном языке [ссылка]

13 сентября NOAA заключила с четырьмя американскими компаниями — Booz Allen Hamilton, Element 84, Noblis и Orion Space Solutions — контракты на обработку знаний и данных на естественном языке общей стоимостью 5,4 миллиона долларов:

Контракты, заключенные на срок от 1 до 2 лет, предусматривают изучение, поставку и демонстрацию рабочих моделей, функций и возможностей, связанных с разработкой и управлением системой обработки корпоративной информации, опирающейся на “сетку знаний” (“knowledge mesh”), состоящую из контекстуализированных процессов, семантически включенных фактов, способных динамически использовать интерфейс прикладного программирования (API).

В рамках этих контрактов будет изучаться разработка методов для будущих приложений, их результаты не коснутся текущих миссией NOAA. Работы носят исследовательский характер.

NOAA заключило контракты после конкурсного отбора, в результате которого было подано 27 предложений. Контракты будут управляться программой Joint Venture Partnerships.

Существенно, что частные компании привлекаются не к разработке спутников или полезных нагрузок, а к исследованию перспективных методов обработки данных.

#США
Audio
67 лет назад, 4 октября 1957 года в 22 часа 28 минут 34 секунды московского времени в СССР был запущен первый искусственный спутник Земли. Наклонение орбиты спутника равнялось 65,1°, высота перигея — 228 км, высота апогея — 947 км, период обращения — 96,17 мин.

Началась космическая эра развития человечества.

#история
Forwarded from ТАСС / Наука
4 октября 1959 года в космос отправилась советская космическая станция "Луна-3", впервые сфотографировавшая невидимую с Земли сторону естественного спутника нашей планеты.

О первых годах эры космических исследований и достижениях отечественной космонавтики — в статье ТАСС.

✔️ Подпишись на ТАСС / Наука
Please open Telegram to view this post
VIEW IN TELEGRAM
Со 2-го по 4-е октября на площадке Самарского университета имени Королёва проходит совместная III отраслевая научно-практическая конференция "Созвездие Роскосмоса: траектория науки" и VIII Всероссийская научно-техническая конференция "Актуальные проблемы ракетно-космической техники" (VIII "Козловские чтения").

Новости первого для работы конференции сообщает пресс-служба Самарского университета.

К сожалению, ознакомиться с материалами докладов не удалось (сайт? видеотрансляция?). Но, возможно, со временем выйдет сборник.

#россия
Малые спутники проекта Space-π, планируемые к запуску в ноябре 2024 года

В рамках запланированной на ноябрь нынешнего года миссии по запуску спутников 🛰🛰“Ионосфера-М” № 1–2 с космодрома Восточный, в качестве попутной полезной нагрузки будет выведена на орбиту группа малых космических аппаратов проекта Space-π:

🛰 📸 Альтаир — спутник Научно-исследовательского института ядерной физики имени Д. В. Скобельцына Московского государственного университета имени М. В. Ломоносова для радиационного мониторинга околоземного космического пространства.
🛰 Colibri-S — спутник Самарского национального исследовательского университета имени академика С. П. Королёва, оснащен гиперспектрометром видимого диапазона.
🛰 Горизонт — спутник БГТУ “ВОЕНМЕХ” с экспериментальными разработками студентов
🛰 Нохчо — спутник Чеченского государственного университета имени А. А. Кадырова, предназначенный для измерения магнитного поля Земли.
🛰 ЮЗГУ-60 — спутник ЮЗГУ с автономным модулем для испытания радиационной защиты в открытом космосе.
🛰 Политех Юниверс-4 — спутник СПбПУ для дистанционного зондирования Земли в радиочастотном и в оптическом диапазонах.
🛰 Политех Юниверс-5 — спутник СПбПУ для дистанционного зондирования Земли в радиочастотном диапазоне, приёма сигналов AIS и IoT.
🛰 SIT-2086 — спутник московской школы № 2086
🛰 TUSUR GO — спутник ТУСУРа для эксперимента по межспутниковой связи.
🛰 HyperView-1G — спутник Самарского национального исследовательского университета имени академика С. П. Королёва с гиперспектрометром видимого и ближнего инфракрасного диапазонов.
🛰 Vizard-ion — спутник компании “МГУ-СТАНДАРТ” для изучения ионосферы.
🛰 RTU MIREA1 — спутник РТУ МИРЭА для исследования ионосферы.
🛰 ArcticSat-1 — спутник Северного (Арктического) федерального университете имени М. В. Ломоносова с детектором космической радиации, приемником сигналов АИС, обзорной камерой и скульптурой осьминога Octo-Pax.
🛰 SIT-HSE — спутник НИУ ВШЭ для отработки технологии интернета вещей.

Пять космических аппаратов созданы на базе платформы “Геоскан”, четыре — на базе “Спутникс”, по два — на базе ЮЗГУ и “СТЦ”, и один (CubeSat 6U Альтаир) — на базе платформы, разработанной НИЛАКТ ДОСААФ.

Вчера специалисты Аэроспейс сообщили об успешной примерке с транспортно-пусковым контейнером спутников 🛰 “Политех Юниверс-4” и 🛰“Политех Юниверс-5” Санкт-Петербургского политехнического университета Петра Великого.

#россия
Пыльная буря, вызванная сильными ветрами в Казахстане, 29 сентября достигла Калмыкии и Дагестана, накрыв южные регионы России. На следующий день буря достигала центральных областей Украины, а после двинулась на север.

Роскосмос оперативно отреагировал на это событие прекрасными снимками спутника “Метеор-М” № 2-4. Мы же хотим показать, как буря выглядела на снимках спутников NASA и NOAA.

Точнее, вы сами можете все посмотреть на 🖥 Worldview. Мы только подобрали нужные слои данных — две комбинации каналов и данные о пыли в атмосфере.

1️⃣ Снимок прибора VIIRS на спутнике NOAA-20 от 29 сентября. Комбинация каналов: M11-I2-I1 — примерно та же, что у “Метеор-М” № 2-4. 2️⃣ Оптическая толщина аэрозоля (MAIAC Aerosol Optical Depth) на 29 сентября. 3️⃣ Снимок 30 сентября (NOAA-21/VIIRS, M11-I2-I1). 4️⃣ Тот же спутник и дата, комбинация “естественные цвета” (I1-M4-M3). 5️⃣ 1 октября, буря продвигается на север Украины (NOAA-20/VIIRS, I1-M4-M3). 6️⃣ Оптическая толщина аэрозоля на 1 октября.

#снимки #атмосфера
Forwarded from ГК «Геоскан»
⚡️Мы начинаем конференцию «Открывая космос», присоединяйтесь к онлайн-трансляции: https://clck.ru/3Dg2w2

Расписание выступлений: https://clck.ru/3Di4Z8
Please open Telegram to view this post
VIEW IN TELEGRAM