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.

Оценка концентрации NO2 в масштабах микрорайона с использованием данных TROPOMI

Диоксид азота (NO2) является одним из основных компонентов городского смога. Он раздражает дыхательные пути и вызывает детскую астму.

Темно-оранжевые области на карте Калифорнии показывают, где в 2018 и 2019 годах наблюдалась самая высокая концентрация диоксида азота. В первую очередь, это города Лос-Анджелес, Сан-Хосе и Сан-Франциско. Коридоры высоких концентраций диоксида азота также видны вдоль основных магистралей штата: State Route 99, Highway 5 и Highway 101.

#атмосфера #NO2

Используя наземные приборы и данные прибора TROPOMI со спутника Sentinel-5P, группа ученых составила карту содержания диоксида азота в воздухе Калифорнии вплоть до масштабов микрорайона (пространственное разрешение: 500 м). Кроме того, исследователи определили концентрации NO2 вблизи различных типов недвижимости.

Оказалось, что транспортные магистрали отнюдь не лидеры по концентрации диоксида азота. Лидерами оказались предприятия пищевой промышленности и многоэтажные здания (свыше 10 этажей).

Высокие концентрации в окрестности многоэтажных зданий могут объясняться тем, что такие здания, как правило, расположены в центре города, там где высокая плотность транспортных потоков. Сами многоэтажки являются местом, где концентрируются приборы, сжигающие ископаемое топливо: обогреватели помещений, водонагреватели, газовые плиты.

Комментарий. Смущает, что в статье не говорится о каком-либо приведении концентрации NO2 к приземному слою — используется концентрация в тропосфере. Конечно, переход от концентрации в столбе атмосферы к концентрации в приземном слое требует применения моделей транспорта химических веществ в атмосфере. Это не просто. Но все же связывать концентрацию вещества в столбе атмосферы высотой 10 км с расположенным на земле объектом недвижимости, пусть даже и небоскребом, это как-то слишком.

Начало пожароопасного сезона в Испании

В Испании пожароопасный сезона обычно начинается в июне, когда наступает летняя жара. Но в нынешнем году он начался раньше: уже в конце марта в восточной части провинции Кастельон разгорелся сильный пожар.

Недостаток осадков за последние три года привел к возгоранию лесов в провинции, а теплая и ветреная погода усугубила ситуацию. По данным Государственного метеорологического агентства Испании (AEMET), в момент возникновения пожара температура воздуха была выше 25°C.

27 марта, когда с борта МКС была сделана эта фотография, густой шлейф дыма устремился на юго-восток в сторону Средиземного моря. Из-за пожара пришлось эвакуировать более 1800 человек. Десятки самолетов и сотни пожарных были направлены на борьбу с огнем, который охватил по меньшей мере 4300 гектаров.

#пожары

GEE-25. Преобразование растровых данных в векторные

План работы:

1. Создаем мозаику, покрывающую район интереса — кусочек Багамских островов.
2. Выделяем сами острова (точнее, сушу).
3. Считаем, сколько получилось островов, и площадь каждого из них.

Код: https://code.earthengine.google.com/43aa06c2311937aa1f0fec5ef0fd24ad

Сначала создаем мозаику mosaic, покрывающую часть Багамского архипелага. Ничего нового в этой операции нет. Единственное, нужно добавить к каналам снимков какой-нибудь индекс для создания маски суши. Мы взяли NDWI. В принципе, можно было воспользоваться встроенной в Sentinel-2 SR маской водных объектов.

Маска суши создается по порогу NDWI:

var land = mosaic.select('NDWI').lt(-0.02).selfMask();

Выбор порога (-0.02) для нас сейчас не имеет особого значения. Вообще говоря, подбор порога можно автоматизировать.

Преобразуем растровую маску суши в полигоны. Для этого используется reduceToVectors(), на вход которое подается двух- или более многослойные растровые данные:

var land_polygons = land.addBands(land).reduceToVectors({
  geometry: bbox,
  crs: mosaic.projection(),
  scale: 10,
  geometryType: 'polygon',
  labelProperty: 'zone',
  reducer: ee.Reducer.count(),
  maxPixels: 1e10
});

Первый слой используется для идентификации однородных областей, остальные слои используются в соответствии с выбранным редьюсером. Мы взяли ee.Reducer.count(), который подсчитывает число пикселей каждого объекта суши, поэтому просто продублировали маску суши. Параметр geometry задает область, в которой должны быть созданы векторные данные. Также рекомендуется указывать масштаб (scale) и систему координат (crs). Тип вывода — 'polygon'.

Удаляем мелкие полигоны (площадью менее 5 пикселей):

var land_polygons_flt = land_polygons.filter(ee.Filter.gte('count', 5));

Вычисляем площадь каждого полигона (в квадратных метрах)

land_polygons_flt = land_polygons_flt.map(function(p){ return p.set('area',p.area({'maxError': 1}));});

и выводим общее число полученных полигонов

print('Number of polygons:', land_polygons_flt.size());

#GEE

Весь учебник по GEE

Завтрашний день будет посвящен совещанию “Космическая съемка”. Анализируем мнения потребителей данных ДЗЗ.