Российская орбитальная группировка ДЗЗ: состояние и перспективы

Состояние и перспективы развития российской орбитальной группировки ДЗЗ можно узнать из доклада В.А. Мироничева на совещании по космической съемке. Доклад занимает всего 17 минут. Проще послушать его, чем фантазировать на тему.

Прилагаем суррогат презентации, сделанный по видео доклада.

#россия

GEE-23. Добавление текста на снимок

Добавление текстовых пометок на снимок позволяет, например, вставить дату снимка в кадры анимации. Возможность полезная, но в официальном функционале GEE ее нет. К счастью, есть сообщество пользователей и пакет text , который разработал Геннадий Дончиц.

Код примера: https://code.earthengine.google.com/7b01a862cf156c5d523b9d30392653b6

Сначала мы импортируем снимок image и выберем из него нужные каналы (RGB). Затем настроим параметры визуализации снимка visRGB. До этого момента все идет как обычно.

Теперь приступим к добавлению текста. Импортируем пакет text:

var text = require('users/gena/packages:text');

Настроим отображение текстовой метки:

var annotations = [{
  position: 'left', 
  offset: '1%', 
  margin: '1%', 
  textColor: '#00FF00', 
  property: 'label', 
  scale: Map.getScale() * 2
}];

property задает имя свойства снимка, значение которого (строка) будет отображаться в виде текстовой метки. В нашем случае свойство называется 'label' и храниться в нем будет дата съемки.

position, offset и margin управляют расположением метки на снимке. textColor — цвет текста. scale управляет размером текста.

С документацией у пакета не очень. Но на гите у Геннадия можно найти один из старых вариантов пакета, и там посмотреть, какие еще есть параметры настройки аннотации.

Внедрением аннотации в снимок занимается функция annotateImage из пакета text:

annotateImage(image, vis, polygon, annotations)

Снимок image должен содержать текстовое свойство, указанное в annotations, vis — параметры отображения снимка на карте; polygon — границы отображаемого фрагмента снимка (по ним будет устанавливаться расположение метки); annotations — параметры аннотации.

Обрабатываем снимок, внедряя в него аннотацию.

function setText(image){
  var date = image.date().format("YYYY-MM-dd");
  return text.annotateImage(image.set('label',date), visRGB, bbox, annotations);
}

image = setText(image);

И отображаем его на карте:

Map.addLayer(image.clip(bbox), {}, 'True Color (432)');

Настраивать отображение снимка больше не нужно, так мы сделали это при добавлении аннотации.

Если нужно добавить дату к каждому снимку коллекции (например, чтобы сделать на основе коллекции анимацию), используем map и setText.

#GEE

Снимок окрестностей Гомеля с добавленной датой съемки (Sentinel-2, естественные цвета).

Код примера: https://code.earthengine.google.com/4c686e821ea971ebfc385abd3146f4dc

Здесь применен другой способ настройки отображения снимка — при помощи функции visualize().

Новость от компании “Геоскан”. "Геоскан" планирует летом 2023 года запустить с космодрома Восточный школьный спутник "СтратоСат-ТК1" и с его помощью отработать способ доставки на орбиту пикоспутников (аппаратов с массой от 200 граммов). Полезной нагрузкой "СтратоСат-ТК1" будет контейнер с несколькими школьными пикоспутниками.

По словам руководителя проектов малых космических аппаратов "Геоскана" Александра Хохлова, ”в 2023 году компания планирует запуски четырех малых космических аппаратов. Помимо "СтратоСата-ТК1" зимой 2023-2024 года на орбиту будет отправлен спутник "Горизонт" для Балтийского государственного технического университета "Военмех". С его помощью планируется исследовать устойчивость микросхем к радиации и изменения характеристик солнечных панелей под воздействием космического пространства.
Кроме того, сейчас компания создает аппарат TUSUR-GO для Томского государственного университета систем управления и радиоэлектроники. На спутнике будут установлены устройства для отработки межспутниковой связи в паре со вторым наноспутником RTU MIREA1 для московского РТУ МИРЭА”. Из текста непонятно, будут ли в 2023 году спутники запущены или только изготовлены.

Про наноспутники “Геоскана”: https://geoscan.space/ru

Copernicus Emergency Management Service

Служба управления чрезвычайными ситуациями (Emergency Management Service, EMS) Copernicus* снабжает информацией для ликвидации последствий чрезвычайных ситуаций (ЧС) природного и техногенного характера. Copernicus EMS состоит из Картографической службы (Rapid Mapping) и Системы раннего предупреждения (Early Warning). Последняя пока работает только для наводнений.

Rapid Mapping выдает список последних по времени ЧС, и отображает их на карте. Для каждой ЧС создается учетная карточка с описанием ситуации и картой ее распространения. Вот как это выглядит для циклона Freddy.

Теоретически, EMS работает по всему миру. Фактически, лучше всего обновляется информация по ЧС в странах Европы. Для остальных регионов могут быть задержки до нескольких суток. Рассматриваются не все страны, в частности, нет ряда стран бывшего СССР.

*"Коперник" (Copernicus) — это программа Европейского Союза по наблюдению и мониторингу Земли. В рамках программы проводятся спутниковые и другие наблюдения, данные которых нередко предоставляются бесплатно.

#ЧС

Тренды в причинах пожаров на территории США (2001–2010 гг.)

Исследование 2014 года с применением данных MODIS Active Fire Detection показало, что в 2001–2010 годах выжигание стерни на пахотных землях и контролируемые выжигания леса ответственны за 77% всех обнаруженных очагов возгораний в США, и чаще всего встречались на юге и юго-востоке страны.

В тот же время на западе США количество очагов возгораний на пахотных землях сокращалось на 5.9% в год. По мысли авторов, происходило это в ответ на принятие более жестких законов по охране атмосферного воздуха. Однако и на западе на долю пожаров на пахотных землях и контролируемых выжиганий леса приходилось 45% всех возгораний. Заметим, что число обычных лесных пожаров на Тихоокеанском побережье в то время сокращалось. Любопытно было бы выполнить подобные исследования сейчас.

К слову, вот как выглядят объявления о предстоящих контролируемых выжиганиях в штате Алабама.

#пожары #modis

GEE-24. Ежедневная мозаика снимков

Ежедневная мозаика (или какая-либо другая регулярная мозаика) — очень полезный инструмент для решения задач, в которых район интереса (ROI) не покрывается одним снимком. Допустим, нужно построить временной ряд среднего NDVI по заданному ROI. Когда площадь ROI покрывается одним снимком, все просто — каждый снимок дает точку временного ряда. Но если ROI больше площади снимка, то покрывающие его снимки скорее всего будут сделаны в разные даты. Тогда эти снимки нужно объединить в мозаику, и приписать ей одну дату. Если создавать такие мозаики через фиксированные интервалы времени, то получим нужный нам временной ряд. Техникой создания подобных мозаик мы сейчас и займемся.

Чтобы составить ежедневную мозаику снимков нужно:

1. задать период наблюдения: start и finish;
2. составить список смещений dayOffsets: сколько дней прошло с момента старта;
3. для элемента списка отфильтровать коллекцию от этой даты до следующей (через сутки) и создать из нее композит.

Кроме того, мы добавим в каждый композит свойство empty, чтобы можно было удалить даты без изображений (если в результате создания композита получится пустой снимок, то он будет удален из коллекции).

Все это реализовано в следующем коде:

var start = ee.Date('2022-04-01');
var finish = ee.Date('2022-05-01');

 // Число суток в периоде наблюдений.
var nDays = finish.difference(start, 'days');
// Смещение на число суток относительно момента старта.
var dayOffsets = ee.List.sequence(0, nDays.subtract(1));

var allImagesInRange = ee.ImageCollection(dayOffsets
  .map(function (dayOffset) {
    var dayStart = start.advance(dayOffset, 'days');
    var dayFinish = dayStart.advance(1, 'days');
    var composite = ee.ImageCollection('COPERNICUS/S3/OLCI')
      .filterDate(dayStart, dayFinish)
      .filterBounds(ROI)
      .select(['Oa17_radiance', 'Oa08_radiance'])
      .median();
    return composite
      .set('empty', composite.bandNames().size().eq(0))
      .set('system:time_start', dayStart.millis());
  }))
  .filterMetadata('empty', 'equals', 0);

print(allImagesInRange);

Исходная коллекция снимков, в принципе, может быть любой. Здесь мы впервые используем данные Sentinel-3 OLCI.

Sentinel-3 можно назвать европейским аналогом MODIS (точнее, это наследник европейского аппарата Medium Resolution Imaging Spectrometer (MERIS), работавшего на орбите до 2012 года). Пространственное разрешение данных OLCI составляет 300 метров — как раз для исследований на уровнях от регионального до глобального. Вычислим с помощью этих данных NDVI сразу для всей Португалии.

Описание каналов Sentinel-3 OLCI не слишком полезно для вычисления NDVI. Поэтому выберем нужные каналы по их длине волны, сравнивая ее с аналогичными каналами Sentinel-2. Красным каналом станет канал 'Oa08_radiance' (длина волны 665 нм / ширина канала 10 нм), каналом NIR — 'Oa17_radiance' (865 нм / 20 нм):

function ndviS3(image) {
  return image.select(['Oa17_radiance', 'Oa08_radiance'])
  .divide(ee.Image([0.00493004, 0.00876539]))
  .normalizedDifference(['Oa17_radiance', 'Oa08_radiance']);
}

Здесь есть важный момент. В описании каналов стоит атрибут Scale. Обычно это множитель, на который нужно умножить значения пикселей соответствующего канала. Но в описании Sentinel-3 OLCI, по-видимому, содержится ошибка: здесь значение канала требуется не умножить, а разделить на Scale. Поэтому в коде стоит divide вместо ожидаемого multiply.

Отметим, что каналы S3 довольно узкие, по сравнению с S2. Например, ширина красного канала S3 — 10 нм, против примерно 30 нм у аналогичного канала S2.

Код: https://code.earthengine.google.com/234d45c2e836022f4e1f1fd92a24852e

#GEE

Карта NDVI для Португалии на 1 апреля 2022 года (Senrinel-3 OLCI).

OpenAerialMap — это каталог снимков, сделанных с беспилотных летательных аппаратов, и набор инструментов для поиска, хранения и обмена этими снимками. Все снимки имеют открытую лицензию (CC-BY 4.0, с указанием авторства).

Район поиска снимков выбираете по карте. Наведя на квадрат поиска, увидите сколько снимков в нем доступно. При нажатии на квадрат, появится боковая панель с миниатюрами снимков. Выбираете нужный снимок и скачиваете его. Нам даже не понадобилось для этого регистрироваться. Дополнительная информация есть в руководстве пользователя.

Интересный материал для обучения работе со снимками с дронов.

#данные

NRO подписало соглашения с коммерческими поставщиками гиперспектральных снимков

Национальное разведывательное управление США (NRO) подписало пятилетние соглашения с шестью коммерческими поставщиками гиперспектральных спутниковых снимков.

Среди выбранных компаний — BlackSky Technology, HyperSat, Orbital Sidekick, Pixxel, Planet и Xplore — есть как известные игроки (в первую очередь, Planet и BlackSky), так и стартапы (Подробнее о компаниях здесь).

В соответствии с соглашениями, NRO оценит технические возможности компаний, а также их бизнес и планы по кибербезопасности. Действующих группировок у компаний пока нет (первые Planet Tanager и Xplore планируется запустить в этом году), но контракты с компаниями дают NRO право доступа к симулированным данным, которые позволят увидеть как будут выглядеть реальные снимки, когда те появятся.

Компании были выбраны в рамках программы NRO Strategic Commercial Enhancements. Эта программа открыта для американских коммерческих фирм, в то числе тех, которыми владеют иностранные компании. Последнее — редкость для американских военных заказов.

NRO уже подписало аналогичные контракты с шестью фирмами в области радиочастотного дистанционного зондирования (в сентябре 2022 года), и с пятью фирмами-поставщиками радарных данных (в январе 2022 года).

В последние годы появилось несколько стартапов в области гиперспектральной съемки (#гиперспектр). Все они говорят, что растет спрос на гиперспектральные данные в сельском хозяйстве, горнодобывающей промышленности, нефтегазовой отрасли и где-то там еще. Но пока спрос растет, работать предпочитают с NRO.

#война #гиперспектр

SWOT

16 декабря 2022 года был запущен спутник Surface Water and Ocean Topography (SWOT) — совместная разработка NASA и CNES. Сейчас он находится на стадии калибровки аппаратуры, и недавно передал на Землю первые снимки.

SWOT собирает данные об высоте поверхности воды в полосе шириной 120 км при помощи радиолокационного интерферометра, с промежутком в центре — для работы альтиметра (высотомера). Анимация (источник) иллюстрирует измерения высоты водоемов над штатом Флорида, богатым реками, озерами и водно-болотными угодьями.

#океан #InSAR #альтиметр

KaRIn сможет “увидеть” мезомасштабные и субмезомасштабные циркуляции океана, охватывающие от нескольких сотен до нескольких десятков километров, которые раньше нельзя было наблюдать из-за низкого разрешения аппаратуры, поможет изучить прибрежную циркуляцию и уточнить модели прогнозирования океана и климата.

Кроме высоты океанов и морей, KaRIn будет измерять высоту рек шириной более 100 метров, а также озер и зон затопления с площадью поверхности не менее 250 м х 250 м (озер, площадью более 1 га, в мире насчитывается более 30 миллионов). Высота должна измеряться с дециметровой точностью, а уклоны — с точностью 1.7 см/км (после усреднения по площади водной поверхности >1 км2).

В сочетании с высокоточными моделями геоида со спутника GOCE и точными цифровыми моделями рельефа, данные SWOT должны радикально улучшить гидродинамические модели, используемые для оценки речного стока. Они также помогут определить временные изменения в запасах поверхностных вод и в динамике стока.

Срок службы SWOT оценивается в три года, хотя CNES не исключают, что миссия может продлиться от пяти до восьми лет.

Спутник будет облетать Землю от 78° южной широты до 78° северной широты, покрывая не менее 86% поверхности земного шара. Средний период повторной съемки: 11 дней.

Страницы миссии SWOT

* NASA: https://swot.jpl.nasa.gov
* CNES: https://swot.cnes.fr/en/SWOT/index.htm

#океан #InSAR

NASA и CNES начали совместные исследования по выработке облика миссии SWOT еще в 2009 году. В январе 2015 года компания Thales Alenia Space получила контракт стоимостью 94 млн долларов США на разработку платформы SWOT и ее интеграцию, а также контракт стоимостью 5.5 млн долларов на создание радиолокационного высотомера (сентябрь 2015 года).

13 лет — от идеи до старта.