Создание композитов Best Available Pixel
GEE-BAP — приложение для создания композитов Best Available Pixel (BAP) в Google Earth Engine (GEE). Реализовано на JavaScript, так что код открыт для изучения — даже если все приложение вам не нужно, отдельные фрагменты могут пригодиться.
Мы уже умеем (раз, два) создавать композиты (мозаики), состоящие из средних значений каналов сенсора, взятых за определенный период времени. По сравнению с ними, композиты с наилучшим доступным пикселем (BAP) больше похожи на безоблачный снимок, сделанный в заданную дату.
Для создания композитов BAP задаем дату, вокруг которой создается композит, и интервал времени, ограничивающий выбор снимков (например, ±30 суток от выбранной даты). Задаем также набор сенсоров. В GEE-BAP это: Landsat-5 TM, Landsat-7 ETM+ и Landsat-8 OLI. Все они доступны в GEE и единообразно обработаны. Рассматриваются только снимки, доля площади облаков на которых не превышает заданного порога.
Каждому пикселю из доступных снимков присваивается оценка, в зависимости от
1. даты съемки. Пиксели-кандидаты, полученные ближе к заданной дате, получают более высокие оценки. Рассматриваются только пиксели, полученные в пределах выбранного диапазона дат.
2. расстояния до облаков и теней облаков. Оценка пикселя снижается, если он находится вблизи облака или тени. Пиксели, на которых маска качества определила наличие облаков и теней, не учитываются при компоновке изображения.
3. непрозрачности атмосферы. Пиксели ранжируется на основе значений непрозрачности (opacity) атмосферы, указывающих на наличие дымки.
4. сенсора. Снимки, полученные после неисправности корректора линий сканирования ETM+ (SLC-off), получают меньшую оценку. После SLC-off на снимках Landsat 7 стали появляться прерывистые линии. Поэтому везде, где возможно, стараются обеспечить приоритет “целых” данных TM и OLI над данными ETM+ после SLC-off.
В результате, пиксель, получивший максимальную оценку, попадает в композит BAP.
Непрозрачность атмосферы и расстояние до облаков хранятся в данных Landsat. Загляните, например, сюда. LANDSAT_LE07_C02_T1_L2 SR_ATMOS_OPACITY — это непрозрачность атмосферы, а ST_CDIST — расстояние пикселя до облака.
Подробно алгоритм построения BAP-композитов описан в White et al. (2014).
Еще GEE-BAP умеет удалять атмосферные аномалии и заполнять пробелы в данных. Аномалии удаляются с помощью алгоритма удаления выбросов во временных рядах, описанного в Kennedy et al. (2010). Кеннеди — это создатель LandTrendr.
Кстати, судя по The Scoop on Planet Basemaps, мозаики Planet создаются по алгоритму, очень похожему на BAP.
#GEE
GEE-BAP — приложение для создания композитов Best Available Pixel (BAP) в Google Earth Engine (GEE). Реализовано на JavaScript, так что код открыт для изучения — даже если все приложение вам не нужно, отдельные фрагменты могут пригодиться.
Мы уже умеем (раз, два) создавать композиты (мозаики), состоящие из средних значений каналов сенсора, взятых за определенный период времени. По сравнению с ними, композиты с наилучшим доступным пикселем (BAP) больше похожи на безоблачный снимок, сделанный в заданную дату.
Для создания композитов BAP задаем дату, вокруг которой создается композит, и интервал времени, ограничивающий выбор снимков (например, ±30 суток от выбранной даты). Задаем также набор сенсоров. В GEE-BAP это: Landsat-5 TM, Landsat-7 ETM+ и Landsat-8 OLI. Все они доступны в GEE и единообразно обработаны. Рассматриваются только снимки, доля площади облаков на которых не превышает заданного порога.
Каждому пикселю из доступных снимков присваивается оценка, в зависимости от
1. даты съемки. Пиксели-кандидаты, полученные ближе к заданной дате, получают более высокие оценки. Рассматриваются только пиксели, полученные в пределах выбранного диапазона дат.
2. расстояния до облаков и теней облаков. Оценка пикселя снижается, если он находится вблизи облака или тени. Пиксели, на которых маска качества определила наличие облаков и теней, не учитываются при компоновке изображения.
3. непрозрачности атмосферы. Пиксели ранжируется на основе значений непрозрачности (opacity) атмосферы, указывающих на наличие дымки.
4. сенсора. Снимки, полученные после неисправности корректора линий сканирования ETM+ (SLC-off), получают меньшую оценку. После SLC-off на снимках Landsat 7 стали появляться прерывистые линии. Поэтому везде, где возможно, стараются обеспечить приоритет “целых” данных TM и OLI над данными ETM+ после SLC-off.
В результате, пиксель, получивший максимальную оценку, попадает в композит BAP.
Непрозрачность атмосферы и расстояние до облаков хранятся в данных Landsat. Загляните, например, сюда. LANDSAT_LE07_C02_T1_L2 SR_ATMOS_OPACITY — это непрозрачность атмосферы, а ST_CDIST — расстояние пикселя до облака.
Подробно алгоритм построения BAP-композитов описан в White et al. (2014).
Еще GEE-BAP умеет удалять атмосферные аномалии и заполнять пробелы в данных. Аномалии удаляются с помощью алгоритма удаления выбросов во временных рядах, описанного в Kennedy et al. (2010). Кеннеди — это создатель LandTrendr.
Кстати, судя по The Scoop on Planet Basemaps, мозаики Planet создаются по алгоритму, очень похожему на BAP.
#GEE
Гренландские зимники
Похоже, жители Гренландии пользуются зимниками. Во всяком случае, прямые линии на льду, связывающие населенные пункты и аэропорт, которые видны снимке Landsat 9 (23 апреля 2023 года, естественные цвета), больше всего похожи на зимние дороги, проложенные по льду замерзшего фиорда.
Код: https://code.earthengine.google.com/a8dddfee4c84f84271c566836963fe85
#снимки
Похоже, жители Гренландии пользуются зимниками. Во всяком случае, прямые линии на льду, связывающие населенные пункты и аэропорт, которые видны снимке Landsat 9 (23 апреля 2023 года, естественные цвета), больше всего похожи на зимние дороги, проложенные по льду замерзшего фиорда.
Код: https://code.earthengine.google.com/a8dddfee4c84f84271c566836963fe85
#снимки
LC09_001017_20230423.jpg
545.9 KB
Фрагмент снимка LC09_001017_20230423 без сжатия.
Запущен IMECE — первый спутник дистанционного зондирования высокого разрешения, разработанный и изготовленный в Турции
Чуть не пропустили новость о запуске турецкого спутника ДЗЗ высокого разрешения. Что же в нем особенного?
15 апреля 2023 года на ракете Falcon 9 Block 5 в рамках миссии Transporter-7 ridershare был запущен IMECE — турецкий спутник наблюдения Земли, позволяющий делать снимки высокого разрешения.
Состав каналов съемочной аппаратуры пока неизвестен. Известно, что есть панхроматический канал с пространственным разрешением 0,99 м и что разрешение мультиспектральной съемки составляет 3,96 м. Размеры области изображения: 16 км х 16 км. Масса спутника — около 700 кг.
Спутник IMECE разрабатывался с января 2017 года. Разработчиком считается Совет по научным и технологическим исследованиям Турции (TÜBİTAK).
В Интернете IMECE сгоряча назвали первым турецким спутником, позволяющим делать снимки высокого разрешения. Это, конечно, не так. Уже был Göktürk-2. Зато, на сегодняшний день, IMECE — “максимально турецкий” спутник ДЗЗ высокого разрешения.
При создании спутника использовано до 60% собственной элементной базы. Начиная с 2013 года, государство поддерживало “Проект развития спутниковых подсистем IMECE. Цель проекта — создание инфраструктуры для самостоятельной разработки спутниковых подсистем, с выходом на создание систем ДЗЗ субметрового класса. В рамках проекта разработаны, в частности, звездный датчик, солнечный датчик, электрическая двигательная установка и бортовой компьютер.
Чуть не пропустили новость о запуске турецкого спутника ДЗЗ высокого разрешения. Что же в нем особенного?
15 апреля 2023 года на ракете Falcon 9 Block 5 в рамках миссии Transporter-7 ridershare был запущен IMECE — турецкий спутник наблюдения Земли, позволяющий делать снимки высокого разрешения.
Состав каналов съемочной аппаратуры пока неизвестен. Известно, что есть панхроматический канал с пространственным разрешением 0,99 м и что разрешение мультиспектральной съемки составляет 3,96 м. Размеры области изображения: 16 км х 16 км. Масса спутника — около 700 кг.
Спутник IMECE разрабатывался с января 2017 года. Разработчиком считается Совет по научным и технологическим исследованиям Турции (TÜBİTAK).
В Интернете IMECE сгоряча назвали первым турецким спутником, позволяющим делать снимки высокого разрешения. Это, конечно, не так. Уже был Göktürk-2. Зато, на сегодняшний день, IMECE — “максимально турецкий” спутник ДЗЗ высокого разрешения.
При создании спутника использовано до 60% собственной элементной базы. Начиная с 2013 года, государство поддерживало “Проект развития спутниковых подсистем IMECE. Цель проекта — создание инфраструктуры для самостоятельной разработки спутниковых подсистем, с выходом на создание систем ДЗЗ субметрового класса. В рамках проекта разработаны, в частности, звездный датчик, солнечный датчик, электрическая двигательная установка и бортовой компьютер.
Спускаемый аппарат Hakuto-R японской компании ispace потерпел аварию во время прилунения
26 апреля спускаемый аппарат Hakuto-R японской компании ispace потерпел аварию во время прилунения. Предполагается, что аппарат совершил жесткую посадку на поверхность Луны.
Проект начался с того, что в 2008 году инженер Эндрю Бартон, стремившийся выиграть конкурс Google Lunar X Prize (посадка на Луну ровера на частные средства к 2018 году), собрал международную группу профессионалов и создал компанию White Label Space. В 2010 году Такеши Хакамада основал ispace, как японское отделение White Label Space. К 2013 году многие специалисты покинули проект, а японцы остались. Проект был переименован из White Label Space в Hakuto, по имени мифологического белого зайца. Хотя ispace, как и все кто участвовал в Google Lunar X Prize, не смогла стартовать до установленного срока в 2018 году, команда продолжила работу. Важно, что и крупные спонсоры (KDDI Corporation, Japan Airlines, Suzuki) продолжили поддерживать ispace.
ispace рассчитывало побороться за контракты NASA на создание спускаемых аппаратов и роверов для новых лунных миссий. В октябре 2018 года ispace вошла в состав команды, предложившей проект коммерческого лунного спускаемого аппарата в рамках программы NASA Commercial Lunar Payload Services Program (CLPS). Другие участники команды: лаборатория Дрейпера (Draper Laboratory), компании General Atomics и Spaceflight Industries*. До вхождения в проект, ispace планировала в 2020 году запустить демонстрационную миссию для облета Луны. Однако, согласившись на участие в проекте, ispace пришлось ускорится: миссия по облету Луны была отменена, чтобы скорее продемонстрировать возможность посадки на ее поверхность. Новую миссию назвали Hakuto-R Mission 1. Она стартовала к Луне 11 декабря 2022 года и завершилась 26 апреля аварией спускаемого аппарата.
На снимке восход Земли, снятый Hakuto-R во время облета Луны.
*Все партнеры ispace известны своей работой в “сфере национальной безопасности”.
#луна
26 апреля спускаемый аппарат Hakuto-R японской компании ispace потерпел аварию во время прилунения. Предполагается, что аппарат совершил жесткую посадку на поверхность Луны.
Проект начался с того, что в 2008 году инженер Эндрю Бартон, стремившийся выиграть конкурс Google Lunar X Prize (посадка на Луну ровера на частные средства к 2018 году), собрал международную группу профессионалов и создал компанию White Label Space. В 2010 году Такеши Хакамада основал ispace, как японское отделение White Label Space. К 2013 году многие специалисты покинули проект, а японцы остались. Проект был переименован из White Label Space в Hakuto, по имени мифологического белого зайца. Хотя ispace, как и все кто участвовал в Google Lunar X Prize, не смогла стартовать до установленного срока в 2018 году, команда продолжила работу. Важно, что и крупные спонсоры (KDDI Corporation, Japan Airlines, Suzuki) продолжили поддерживать ispace.
ispace рассчитывало побороться за контракты NASA на создание спускаемых аппаратов и роверов для новых лунных миссий. В октябре 2018 года ispace вошла в состав команды, предложившей проект коммерческого лунного спускаемого аппарата в рамках программы NASA Commercial Lunar Payload Services Program (CLPS). Другие участники команды: лаборатория Дрейпера (Draper Laboratory), компании General Atomics и Spaceflight Industries*. До вхождения в проект, ispace планировала в 2020 году запустить демонстрационную миссию для облета Луны. Однако, согласившись на участие в проекте, ispace пришлось ускорится: миссия по облету Луны была отменена, чтобы скорее продемонстрировать возможность посадки на ее поверхность. Новую миссию назвали Hakuto-R Mission 1. Она стартовала к Луне 11 декабря 2022 года и завершилась 26 апреля аварией спускаемого аппарата.
На снимке восход Земли, снятый Hakuto-R во время облета Луны.
*Все партнеры ispace известны своей работой в “сфере национальной безопасности”.
#луна
Карта древесного покрова в тропиках
Джон Брандт и его коллеги построили карту древесного покрова в тропических широтах, имеющую пространственное разрешение 10 метров. Карта создана на основе разновременных композитов радарных (Sentinel-1) и оптических (Sentinel-2) данных, проанализированных с помощью сверточных нейросетей. Учитываются леса, площадью более 0,49 га, с сомкнутостью полога (canopy cover) ≥10%. По сравнению с предыдущими работами, более точно отображается расположение деревьев в районах с высокой неоднородностью полога и с открытым пологом, особенно в засушливых районах, внутри городской застройки и на пахотных землях.
Статья продолжает цикл работ авторов, начатый в Brandt et al. A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery (2020). Детально описан процесс создания карты, включая построение обучающей выборки (в Collect Earth Online), уточнение разрешения снимков (DSen2), построение мозаик и сглаживание временных рядов.
Код: https://github.com/wri/sentinel-tree-cover
#лес
Джон Брандт и его коллеги построили карту древесного покрова в тропических широтах, имеющую пространственное разрешение 10 метров. Карта создана на основе разновременных композитов радарных (Sentinel-1) и оптических (Sentinel-2) данных, проанализированных с помощью сверточных нейросетей. Учитываются леса, площадью более 0,49 га, с сомкнутостью полога (canopy cover) ≥10%. По сравнению с предыдущими работами, более точно отображается расположение деревьев в районах с высокой неоднородностью полога и с открытым пологом, особенно в засушливых районах, внутри городской застройки и на пахотных землях.
Статья продолжает цикл работ авторов, начатый в Brandt et al. A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery (2020). Детально описан процесс создания карты, включая построение обучающей выборки (в Collect Earth Online), уточнение разрешения снимков (DSen2), построение мозаик и сглаживание временных рядов.
Код: https://github.com/wri/sentinel-tree-cover
#лес
Forwarded from Госкорпорация «Роскосмос»
Мир, труд, май: геоглифы из космоса
К 1 мая компания «Терра Тех» (входит в холдинг «РКС» Роскосмоса), сделала подборку космоснимков геоглифов – рукотворных памятников советской эпохи. Это надписи, выполненные в лесных массивах с помощью фигурных вырубок или высаживания.
Среди тех надписей, что изучали специалисты «ТЕРРА ТЕХ», 5 посвящены 100-летнему юбилею Ленина и по 4 – юбилеям Победы в Великой Отечественной войне и образования СССР. Работа проведена по данным отечественной спутниковой съемки со спутника «Ресурс-П».
ℹ️ Попробовать самостоятельно найти геоглифы, перечисленные выше, можно по ссылке
К 1 мая компания «Терра Тех» (входит в холдинг «РКС» Роскосмоса), сделала подборку космоснимков геоглифов – рукотворных памятников советской эпохи. Это надписи, выполненные в лесных массивах с помощью фигурных вырубок или высаживания.
Среди тех надписей, что изучали специалисты «ТЕРРА ТЕХ», 5 посвящены 100-летнему юбилею Ленина и по 4 – юбилеям Победы в Великой Отечественной войне и образования СССР. Работа проведена по данным отечественной спутниковой съемки со спутника «Ресурс-П».
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Суда в порту Дудинки, 3 октября 2021 года. До окончания судоходства остались считанные дни.
Песня под настроение: От злой точки не матерись...
Снимок Sentinel-2, естественные цвета.
#снимки #севморпуть
Песня под настроение: От злой точки не матерись...
Снимок Sentinel-2, естественные цвета.
#снимки #севморпуть
Неожиданно популярной стала вчерашняя заметка о карте древесного покрова в тропиках. Народ, если интересует какая-то тема — пишите в бот: @sputnikDZZ_bot Не факт, что мы исполним желаемое, тем более быстро. Но уж точно отреагируем и примем к сведению.
Завтра будет мини-дайджест про super-resolution и нейронки. А сейчас — про лес, но несколько с другой стороны…
Завтра будет мини-дайджест про super-resolution и нейронки. А сейчас — про лес, но несколько с другой стороны…
Изнанка биоэкономики
Биоэкономика — это превращение возобновляемых биологических ресурсов в продукцию с высокой добавленной стоимостью. Например, вместо пластика, сделанного из невозобновляемого сырья, будем использовать дерево, которое возобновляемо. Биоэкономика в тренде: легко найти множество статей о том, как с ее помощью все будет хорошо.
Guido Ceccherini с коллегами (Abrupt increase in harvested forest area over Europe after 2015, Nature, 2020) показали, что растущий спрос на лесную продукцию и услуги, обусловленный биоэкономикой, создает проблемы лесопользованию. Карта изменения площади лесов Университета Мэриленд демонстрирует увеличение площади вырубок (49%) и увеличение потерь биомассы европейских лесов (69%) за 2016–2018 годы по сравнению с 2011–2015 годами. Наибольшие убытки приходятся на Пиренейский полуостров, страны Северной Европы и Балтии. Средний размер вырубленных площадей увеличился на 34% по всей Европе, что может повлиять на биоразнообразие, эрозию почвы и регулирование водных ресурсов. Увеличение объемов лесозаготовок является результатом расширения рынков древесины, о чем свидетельствуют статистические показатели лесного хозяйства, древесной биоэнергетики и международной торговли. Если темпы лесозаготовок сохранятся, то для достижения климатической нейтральности к 2050 году понадобится компенсировать потери леса за счет дополнительных сокращений выбросов в других секторах экономики.
Мысль, что перед тем как внедрять биоэкономику, нужно обеспечить себя древесиной, кажется очевидной, а вот поди ж ты… Любопытно, что все это обнаружено простыми средствами — общедоступными маской изменения лесов и статистикой (FAOSTAT, Eurostat и UNECE). Интересно было бы взглянуть, насколько в удовлетворении потребностей Европы в древесине были задействованы соседние страны.
#лес
Биоэкономика — это превращение возобновляемых биологических ресурсов в продукцию с высокой добавленной стоимостью. Например, вместо пластика, сделанного из невозобновляемого сырья, будем использовать дерево, которое возобновляемо. Биоэкономика в тренде: легко найти множество статей о том, как с ее помощью все будет хорошо.
Guido Ceccherini с коллегами (Abrupt increase in harvested forest area over Europe after 2015, Nature, 2020) показали, что растущий спрос на лесную продукцию и услуги, обусловленный биоэкономикой, создает проблемы лесопользованию. Карта изменения площади лесов Университета Мэриленд демонстрирует увеличение площади вырубок (49%) и увеличение потерь биомассы европейских лесов (69%) за 2016–2018 годы по сравнению с 2011–2015 годами. Наибольшие убытки приходятся на Пиренейский полуостров, страны Северной Европы и Балтии. Средний размер вырубленных площадей увеличился на 34% по всей Европе, что может повлиять на биоразнообразие, эрозию почвы и регулирование водных ресурсов. Увеличение объемов лесозаготовок является результатом расширения рынков древесины, о чем свидетельствуют статистические показатели лесного хозяйства, древесной биоэнергетики и международной торговли. Если темпы лесозаготовок сохранятся, то для достижения климатической нейтральности к 2050 году понадобится компенсировать потери леса за счет дополнительных сокращений выбросов в других секторах экономики.
Мысль, что перед тем как внедрять биоэкономику, нужно обеспечить себя древесиной, кажется очевидной, а вот поди ж ты… Любопытно, что все это обнаружено простыми средствами — общедоступными маской изменения лесов и статистикой (FAOSTAT, Eurostat и UNECE). Интересно было бы взглянуть, насколько в удовлетворении потребностей Европы в древесине были задействованы соседние страны.
#лес
Nature
Abrupt increase in harvested forest area over Europe after 2015
Nature - Fine-scale satellite data are used to quantify forest harvest rates in 26 European countries, finding an increase in harvested forest area of 49% and an increase in biomass loss of 69%...
Процентные изменения площади вырубок европейских лесов в ячейках сетки 0,2° х 0,2°, для 2016–2018 гг. по сравнению с 2004–2015 гг. Метки показывают процентные изменения площади вырубок по странам. Карты, кстати, созданы с помощью GEE.
#GEE
#GEE
На зонде Juice возникла проблема с развертыванием 16-метровой антенны радара
На европейском зонде Juice возникла проблема с развертыванием 16-метровой антенны RIME (Radar for Icy Moons Exploration). RIME (на снимке) — это радар, способный заглянуть под ледяную поверхность спутников Юпитера на глубину до 9 км. Там, подо льдом, может скрываться нечто удивительное, и RIME мог бы это обнаружить. Пока же развернуться антенне мешает крошечный застрявший штырь.
У команды из центра управления полетами ЕКА в Дармштадте (Германия) достаточно времени, чтобы разобраться с проблемой — до запланированного ввода RIME в эксплуатацию остается около двух месяцев. Если антенну не удастся развернуть в самое ближайшее время, то можно немного встряхнуть Juice кратковременным включением двигателя или повернуть зонд так, чтобы прогреть крепление и антенну, которые сейчас находятся в тени, а значит на холоде.
Сообщается, что “с каждым днем антенна RIME демонстрирует все больше признаков движения”.
На Juice уже успешно развернуты солнечные батареи, антенна среднего усиления, а также 10,6-метровая штанга магнитометра.
За новостями Juice следим здесь.
На европейском зонде Juice возникла проблема с развертыванием 16-метровой антенны RIME (Radar for Icy Moons Exploration). RIME (на снимке) — это радар, способный заглянуть под ледяную поверхность спутников Юпитера на глубину до 9 км. Там, подо льдом, может скрываться нечто удивительное, и RIME мог бы это обнаружить. Пока же развернуться антенне мешает крошечный застрявший штырь.
У команды из центра управления полетами ЕКА в Дармштадте (Германия) достаточно времени, чтобы разобраться с проблемой — до запланированного ввода RIME в эксплуатацию остается около двух месяцев. Если антенну не удастся развернуть в самое ближайшее время, то можно немного встряхнуть Juice кратковременным включением двигателя или повернуть зонд так, чтобы прогреть крепление и антенну, которые сейчас находятся в тени, а значит на холоде.
Сообщается, что “с каждым днем антенна RIME демонстрирует все больше признаков движения”.
На Juice уже успешно развернуты солнечные батареи, антенна среднего усиления, а также 10,6-метровая штанга магнитометра.
За новостями Juice следим здесь.
Forwarded from Вокруг Света | Путешествия • История • Наука
Такие ландшафты появились здесь в 1800-х, когда правительство США разрешило железнодорожным компаниям ограниченную вырубку леса на прилежащих территориях. До 1990-х река Прист использовалась для лесосплава.
🌎 Вокруг света. Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Уточнение пространственного разрешения данных Sentinel-2 с помощью нейросетей
1. Lanaras et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network (2018).
Предложен способ уточнения пространственного разрешения каналов Sentinel-2 (так называемое super-resolution) с более низким разрешением (20 и 60 метров) до 10 метров. Для этого разработана сверточная нейросеть (CNN), названная DSen2. Сеть обучается на загрубленных данных: 40 м — для каналов с разрешением 20 м и 360 м — для 60 м. Для обучения использованы данные, отобранные по всему миру в различных климатических зоны и классах почвенно-растительного покрова. В результате сеть может уточнять разрешение снимков Sentinel-2, сделанных в различных районах Земли, без необходимости переобучения. Код: https://github.com/lanha/DSen2
2. Latif et al. Super-resolution of Sentinel-2 images using Wasserstein GAN (2022).
В работе представлен подход, использующий генеративно-состязательную сеть Вассерштейна (WGAN), названную DSen2-WGAN, для уточнения низкого разрешения (20 м и 60 м) каналов Sentinel-2 до пространственного разрешения 10 м. Является развитием работы Lanaras et al. (2018).
3. Tao et al. Towards Streamlined Single-Image Super-Resolution: Demonstration with 10 m Sentinel-2 Colour and 10–60 m Multi-Spectral VNIR and SWIR Bands (2021).
Для уточнения пространственного разрешения данных Sentinel-2 предложена генеративно-состязательная нейросеть TARSGAN (learning Terrestrial image deblurring using Adaptive weighted dense Residual Super-resolution Generative Adversarial Network). Кроме того, предлагается способ оценки эффективного разрешения изображения, использующий автоматическое определение и фильтрацию краев изображения — ELF (automated image Edge detection and measurements of edge spread function, Line spread function, and Full width at half maximum). Измерения ELF на снимках, обработанных TARSGAN показало, что разрешение увеличивается в среднем в 2,91 раза, что эквивалентно 3,44 м для каналов с исходным разрешением 10 м. Приводятся примеры применения TARSAGAN для различных типов сцен — от городских пейзажей до сельскохозяйственных сцен и морских льдин.
4. Зуев и др. Модифицированный алгоритм повышения детальности оптико-электронного снимка с использованием генеративно-состязательной нейронной сетей (2022).
Для уточнения разрешения спутниковых данных применятся модифицированный алгоритм GAN, с использованием сверточной нейросети VGG-19 для вычисления показателя потерь во время обучения. Рассмотрены вопросы подготовки обучающего набора данных.
5. Статьи Razzak et al. Multi-spectral multi-image super-resolution of Sentinel-2 with radiometric consistency losses and its effect on building delineation (2023) и Multi-temporal Super-Resolution on Sentinel-2 Imagery (2021) посвящены уточнению разрешения при помощи нейросети HighRes-Net. Существенно, что на вход подаются несколько разновременных спутниковых снимков, а на выходе получается один, с более высоким разрешением. В обоих случаях код прилагается.
#superresolution #sentinel2 #GAN #CNN
1. Lanaras et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network (2018).
Предложен способ уточнения пространственного разрешения каналов Sentinel-2 (так называемое super-resolution) с более низким разрешением (20 и 60 метров) до 10 метров. Для этого разработана сверточная нейросеть (CNN), названная DSen2. Сеть обучается на загрубленных данных: 40 м — для каналов с разрешением 20 м и 360 м — для 60 м. Для обучения использованы данные, отобранные по всему миру в различных климатических зоны и классах почвенно-растительного покрова. В результате сеть может уточнять разрешение снимков Sentinel-2, сделанных в различных районах Земли, без необходимости переобучения. Код: https://github.com/lanha/DSen2
2. Latif et al. Super-resolution of Sentinel-2 images using Wasserstein GAN (2022).
В работе представлен подход, использующий генеративно-состязательную сеть Вассерштейна (WGAN), названную DSen2-WGAN, для уточнения низкого разрешения (20 м и 60 м) каналов Sentinel-2 до пространственного разрешения 10 м. Является развитием работы Lanaras et al. (2018).
3. Tao et al. Towards Streamlined Single-Image Super-Resolution: Demonstration with 10 m Sentinel-2 Colour and 10–60 m Multi-Spectral VNIR and SWIR Bands (2021).
Для уточнения пространственного разрешения данных Sentinel-2 предложена генеративно-состязательная нейросеть TARSGAN (learning Terrestrial image deblurring using Adaptive weighted dense Residual Super-resolution Generative Adversarial Network). Кроме того, предлагается способ оценки эффективного разрешения изображения, использующий автоматическое определение и фильтрацию краев изображения — ELF (automated image Edge detection and measurements of edge spread function, Line spread function, and Full width at half maximum). Измерения ELF на снимках, обработанных TARSGAN показало, что разрешение увеличивается в среднем в 2,91 раза, что эквивалентно 3,44 м для каналов с исходным разрешением 10 м. Приводятся примеры применения TARSAGAN для различных типов сцен — от городских пейзажей до сельскохозяйственных сцен и морских льдин.
4. Зуев и др. Модифицированный алгоритм повышения детальности оптико-электронного снимка с использованием генеративно-состязательной нейронной сетей (2022).
Для уточнения разрешения спутниковых данных применятся модифицированный алгоритм GAN, с использованием сверточной нейросети VGG-19 для вычисления показателя потерь во время обучения. Рассмотрены вопросы подготовки обучающего набора данных.
5. Статьи Razzak et al. Multi-spectral multi-image super-resolution of Sentinel-2 with radiometric consistency losses and its effect on building delineation (2023) и Multi-temporal Super-Resolution on Sentinel-2 Imagery (2021) посвящены уточнению разрешения при помощи нейросети HighRes-Net. Существенно, что на вход подаются несколько разновременных спутниковых снимков, а на выходе получается один, с более высоким разрешением. В обоих случаях код прилагается.
#superresolution #sentinel2 #GAN #CNN
Знамя Победы на поверженном Рейхстаге 1 мая 1945 года. Снимок сделан военным корреспондентом газеты «Правда» В. А. Теминым с борта самолета По-2.
This media is not supported in your browser
VIEW IN TELEGRAM
Вот редкий случай, когда действующий спутник снят крупным планом прямо на орбите.
Спутник Worldview-3 компании Maxar Technologies сделал достаточно детальный снимок “коллеги” — космического аппарата NASA Landsat 8. Оба спутника находятся на близких приполярных орбитах, причем Worldview-3 движется на высоте 613 км над Землей, а Landsat на большей высоте — 703 км. Снимки сделаны с расстояния от 91 км до 130 км. Хорошо видна солнечная батарея размером 9 х 0,4 метра, обеспечивающая питание Landsat 8, а также научные приборы, расположенные на корпусе спутника, длиной 3 метра.
Эти снимки намекают на то, что спутниковую съемку можно использовать для проверки состояния спутников — как своих, так и чужих. Показательно, что такой снимок сделан спутником, принадлежащим Maxar.
Снимок появился в сети несколько дней назад, но, судя по дате на нем, сделан еще в октябре прошлого года.
#снимки #maxar #SSA
Спутник Worldview-3 компании Maxar Technologies сделал достаточно детальный снимок “коллеги” — космического аппарата NASA Landsat 8. Оба спутника находятся на близких приполярных орбитах, причем Worldview-3 движется на высоте 613 км над Землей, а Landsat на большей высоте — 703 км. Снимки сделаны с расстояния от 91 км до 130 км. Хорошо видна солнечная батарея размером 9 х 0,4 метра, обеспечивающая питание Landsat 8, а также научные приборы, расположенные на корпусе спутника, длиной 3 метра.
Эти снимки намекают на то, что спутниковую съемку можно использовать для проверки состояния спутников — как своих, так и чужих. Показательно, что такой снимок сделан спутником, принадлежащим Maxar.
Снимок появился в сети несколько дней назад, но, судя по дате на нем, сделан еще в октябре прошлого года.
#снимки #maxar #SSA
This media is not supported in your browser
VIEW IN TELEGRAM
zoom.earth
Сервис zoom.earth позволяет наблюдать:
* облачность: Спутник (снимки Meteosat, GOES и Himawari — обновляются каждые 10–15 минут)
* осадки Радар (наземный метеорадар, данные RainViewer) и Осадки (данные прогнозирования с помощью моделей погоды ICON или GFS)
* Ветер
* Температура воздуха
* Влажность воздуха
* атмосферное Давление
* пожары (данные FIRMS)
Данные о скорости ветра, температуре и влажности воздуха, а также об атмосферном давлении получены при помощи моделей погоды ICON или GFS (по выбору пользователя).
Cкачивать данные zoom.earth нельзя, зато можно получить красивые анимации. Посмотрите, как выглядит анимация облачности, осадков и ветра.
Сервис zoom.earth позволяет наблюдать:
* облачность: Спутник (снимки Meteosat, GOES и Himawari — обновляются каждые 10–15 минут)
* осадки Радар (наземный метеорадар, данные RainViewer) и Осадки (данные прогнозирования с помощью моделей погоды ICON или GFS)
* Ветер
* Температура воздуха
* Влажность воздуха
* атмосферное Давление
* пожары (данные FIRMS)
Данные о скорости ветра, температуре и влажности воздуха, а также об атмосферном давлении получены при помощи моделей погоды ICON или GFS (по выбору пользователя).
Cкачивать данные zoom.earth нельзя, зато можно получить красивые анимации. Посмотрите, как выглядит анимация облачности, осадков и ветра.
Planet NICFI — ежемесячные мозаики Planet для тропиков в свободном доступе
Planet NICFI (Norway’s International Climate and Forests Initiative) — это мозаики, составленные из снимков высокого пространственного разрешения, покрывающие тропические регионы Земли. Подробнее:
* Область покрытия: от 30 ю.ш. до 30 с.ш.
* Пространственное разрешение: 4.77 м
* Спектральные каналы: Red, Green, Blue, Near-Infrared
* Временное разрешение
* Archive (12.2015 – 08.2020): 6 месяцев (biannual)
* Monitoring (09.2020 – н.в.): 1 месяц (monthly)
После регистрации вы получите доступ Level 1, позволяющий загружать мозаики данных.
Для исследователей наибольший интерес представляют PlanetScope Surface Reflectance (Analysis Ready) — готовые для работы данные с минимальным влиянием атмосферы и характеристик сенсоров. Они содержат три канала видимого диапазона (Red, Green, Blue — RGB) и канал ближнего инфракрасного диапазона (NIR), что позволяет рассчитывать NDVI и другие спектральные индексы. Есть еще аналогичные мозаики Visual, но они содержат только каналы RGB.
Изображения в мозаиках Planet распределяются в виде сетки файлов GeoTIFF, которые называются "квадратами" (quads). Проекция данных — Web Mercator (EPSG 3857). Альфа-маска указывает области квадрата, для которых нет данных.
Отдельные мозаики проще всего получить с помощью Basemaps Viewer. Выбрав нужную мозаику, и указав область данных, получаем найденные “квадраты”.
Для массового скачивания существует Mosaics API. Пользователи должны взять ключ API из настроек своего аккаунта и следовать инструкциям Getting Started with Planet APIs. Более подробная информация содержится в руководстве пользователя API. Еще одним способом массовой загрузки мозаик является Planet Client — клиентская библиотека Python и интерфейс командной строки для Planet’s Public API.
Плагин Planet QGIS V2 позволяет выбирать и скачивать мозаики прямо из QGIS.
Как настроить поиск и загрузку данных Planet NICFI из Google Earth Engine — смотрите здесь.
#данные #planet
Planet NICFI (Norway’s International Climate and Forests Initiative) — это мозаики, составленные из снимков высокого пространственного разрешения, покрывающие тропические регионы Земли. Подробнее:
* Область покрытия: от 30 ю.ш. до 30 с.ш.
* Пространственное разрешение: 4.77 м
* Спектральные каналы: Red, Green, Blue, Near-Infrared
* Временное разрешение
* Archive (12.2015 – 08.2020): 6 месяцев (biannual)
* Monitoring (09.2020 – н.в.): 1 месяц (monthly)
После регистрации вы получите доступ Level 1, позволяющий загружать мозаики данных.
Для исследователей наибольший интерес представляют PlanetScope Surface Reflectance (Analysis Ready) — готовые для работы данные с минимальным влиянием атмосферы и характеристик сенсоров. Они содержат три канала видимого диапазона (Red, Green, Blue — RGB) и канал ближнего инфракрасного диапазона (NIR), что позволяет рассчитывать NDVI и другие спектральные индексы. Есть еще аналогичные мозаики Visual, но они содержат только каналы RGB.
Изображения в мозаиках Planet распределяются в виде сетки файлов GeoTIFF, которые называются "квадратами" (quads). Проекция данных — Web Mercator (EPSG 3857). Альфа-маска указывает области квадрата, для которых нет данных.
Отдельные мозаики проще всего получить с помощью Basemaps Viewer. Выбрав нужную мозаику, и указав область данных, получаем найденные “квадраты”.
Для массового скачивания существует Mosaics API. Пользователи должны взять ключ API из настроек своего аккаунта и следовать инструкциям Getting Started with Planet APIs. Более подробная информация содержится в руководстве пользователя API. Еще одним способом массовой загрузки мозаик является Planet Client — клиентская библиотека Python и интерфейс командной строки для Planet’s Public API.
Плагин Planet QGIS V2 позволяет выбирать и скачивать мозаики прямо из QGIS.
Как настроить поиск и загрузку данных Planet NICFI из Google Earth Engine — смотрите здесь.
#данные #planet