В качестве примера рассмотрим последствия лесного пожара, случившегося в первой половине августа 2022 года в окрестностях города Covilhã (Португалия).
Код: https://code.earthengine.google.com/b0675461d8d710d8ffec1768715c6075
Чем ярче красный цвет, тем сильнее поражение растительности от пожара. Синим цветом выделены водоемы, которые по значением dNBR попали в число поврежденных участков. Значит, при оценке площади повреждений, необходимо предварительно исключить поверхностные водоемы. Вы можете сделать это самостоятельно — для этого в коде прилагается классификация ESA Worldcover.
Итак, при оценке пройденной пожаром площади нужно предварительно удалить со снимка: 1) облачность/тени; 2) водные объекты.
#GEE #пожары
Код: https://code.earthengine.google.com/b0675461d8d710d8ffec1768715c6075
Чем ярче красный цвет, тем сильнее поражение растительности от пожара. Синим цветом выделены водоемы, которые по значением dNBR попали в число поврежденных участков. Значит, при оценке площади повреждений, необходимо предварительно исключить поверхностные водоемы. Вы можете сделать это самостоятельно — для этого в коде прилагается классификация ESA Worldcover.
Итак, при оценке пройденной пожаром площади нужно предварительно удалить со снимка: 1) облачность/тени; 2) водные объекты.
#GEE #пожары
Оценка пройденной огнем площади по данным Dynamic World
Dynamic World — это динамическая карта типов земной поверхности. Она построена на данных Sentinel-2 L1C, имеет пространственное разрешение 10 метров, периодичность обновления около 5 суток и временное покрытие — начиная с июня 2015 года.
Как статическая карта типов земной поверхности Dynamic World (DW) далека от совершенства. Основное ее преимущество — динамика. Как правило, такие карты создаются не чаще раза в год, а здесь — каждые 5 суток. Воспользуемся этой особенностью DW.
Предположим, что мы наблюдаем лесной пожар. После него участок, занятый лесом (класс Trees на карте DW), может перейти в другой класс: стать открытой землей (Bare ground) или “понизиться” до кустарников (Shrub & Scrub). Исходный лес можно выделить с помощью более качественной маски, например, ESA Worldcover, а затем следить за изменением его состояния при помощи DW. Динамическая карта позволит убедиться в устойчивости смены класса, если последняя наблюдается на протяжении нескольких подряд идущих дат.
Снова обратимся к пожару возле города Covilhã (Португалия). Построим RGB-композиты до и после пожара, используя в качестве красного цвета класс Trees, зеленым будет Shrub & Scrub, а синим — Bare ground.
На снимке до пожара (1), сделанном 02.08.2022, много красного цвета, представляющего леса. После пожара (2) 22.08.2022 часть леса “переквалифицировалась” в кустарники (зеленый цвет) и открытую землю (синий цвет), что говорит о силе пожара.
Код: https://code.earthengine.google.com/642b1946beffb45595facb61f881b60c
Область наблюдения можно ограничить только лесом. В коде для этого есть маска ESA Worldcover.
#GEE #пожары
Dynamic World — это динамическая карта типов земной поверхности. Она построена на данных Sentinel-2 L1C, имеет пространственное разрешение 10 метров, периодичность обновления около 5 суток и временное покрытие — начиная с июня 2015 года.
Как статическая карта типов земной поверхности Dynamic World (DW) далека от совершенства. Основное ее преимущество — динамика. Как правило, такие карты создаются не чаще раза в год, а здесь — каждые 5 суток. Воспользуемся этой особенностью DW.
Предположим, что мы наблюдаем лесной пожар. После него участок, занятый лесом (класс Trees на карте DW), может перейти в другой класс: стать открытой землей (Bare ground) или “понизиться” до кустарников (Shrub & Scrub). Исходный лес можно выделить с помощью более качественной маски, например, ESA Worldcover, а затем следить за изменением его состояния при помощи DW. Динамическая карта позволит убедиться в устойчивости смены класса, если последняя наблюдается на протяжении нескольких подряд идущих дат.
Снова обратимся к пожару возле города Covilhã (Португалия). Построим RGB-композиты до и после пожара, используя в качестве красного цвета класс Trees, зеленым будет Shrub & Scrub, а синим — Bare ground.
На снимке до пожара (1), сделанном 02.08.2022, много красного цвета, представляющего леса. После пожара (2) 22.08.2022 часть леса “переквалифицировалась” в кустарники (зеленый цвет) и открытую землю (синий цвет), что говорит о силе пожара.
Код: https://code.earthengine.google.com/642b1946beffb45595facb61f881b60c
Область наблюдения можно ограничить только лесом. В коде для этого есть маска ESA Worldcover.
#GEE #пожары
Строго говоря, описанный выше подход — не совсем оценка выгоревшей площади. Скорее, это демонстрация возможности применения DW для оценки степени повреждений леса. Чтобы применить этот подход к другим классам растительности, нужно сначала разобраться, в какие новые классы они могут перейти после пожара.
Было бы интересно проследить за трансформациями классов поверхности DW на выгоревшем участке (определенном по NBR), и сопоставить их c величиной изменения NBR до и после пожара (dNBR).
Было бы интересно проследить за трансформациями классов поверхности DW на выгоревшем участке (определенном по NBR), и сопоставить их c величиной изменения NBR до и после пожара (dNBR).
Советская аэрофотосъемка времен Великой Отечественной войны
Разведывательной аэрофотосъемкой занимались специальные части: ОРАП (отдельный разведывательный полк) и ОКРАП (отдельный корректировочно-разведывательный полк). У каждого фронта был свой ОРАП и ОКРАП. В составе воздушных армий были ОРАЭ (отдельная разведывательная эскадрилья) и ОКРАЭ. Вот список этих эскадрилий. Занимались разведывательной фотосъемкой и отдельные летчики в обычных частях, в первую очередь, в истребительной и в дальней авиации. Дешифрированием аэрофотоснимков занимались фотограмметристы аэрофотослужбы (АФС) авиации, военные топографы, гидрографы (на флоте), артиллерийские разведчики, военные метеорологи, гидрологи и геологи, в зависимости от вида, назначения и заказчика съемки. Интенсивность аэрофотосъемки, судя по сохранившимся данным, значительно увеличилась с 1944 года.
Снимки обычно находятся в документах авиачастей на “Памяти народа”. Часто есть только сопроводительные документы к снимкам, но самих снимков нет. Отдельные снимки можно найти поиском по ключевым словам: фотосхема, фотопанорама.
Еще одним источником снимков являются фотосхемы результатов бомбометания. Они находятся в журналах боевых действий БАП (бомбардировочный авиаполк), ШАП (штурмовой авиаполк) и др., или в журналах частей, в которые эти полки входили. Вот, например, журнал боевых действий 13 иак за сентябрь 1944 г. и журнал боевых действий частей 3 гв. бад за март 1945 года.
Общая проблема отечественных снимков — качество. Все они сканированы с бумажных носителей, а не с негативов, поэтому выглядят примерно так как этот снимок порта Пиллау от 28.10.1944 года.
#история
Разведывательной аэрофотосъемкой занимались специальные части: ОРАП (отдельный разведывательный полк) и ОКРАП (отдельный корректировочно-разведывательный полк). У каждого фронта был свой ОРАП и ОКРАП. В составе воздушных армий были ОРАЭ (отдельная разведывательная эскадрилья) и ОКРАЭ. Вот список этих эскадрилий. Занимались разведывательной фотосъемкой и отдельные летчики в обычных частях, в первую очередь, в истребительной и в дальней авиации. Дешифрированием аэрофотоснимков занимались фотограмметристы аэрофотослужбы (АФС) авиации, военные топографы, гидрографы (на флоте), артиллерийские разведчики, военные метеорологи, гидрологи и геологи, в зависимости от вида, назначения и заказчика съемки. Интенсивность аэрофотосъемки, судя по сохранившимся данным, значительно увеличилась с 1944 года.
Снимки обычно находятся в документах авиачастей на “Памяти народа”. Часто есть только сопроводительные документы к снимкам, но самих снимков нет. Отдельные снимки можно найти поиском по ключевым словам: фотосхема, фотопанорама.
Еще одним источником снимков являются фотосхемы результатов бомбометания. Они находятся в журналах боевых действий БАП (бомбардировочный авиаполк), ШАП (штурмовой авиаполк) и др., или в журналах частей, в которые эти полки входили. Вот, например, журнал боевых действий 13 иак за сентябрь 1944 г. и журнал боевых действий частей 3 гв. бад за март 1945 года.
Общая проблема отечественных снимков — качество. Все они сканированы с бумажных носителей, а не с негативов, поэтому выглядят примерно так как этот снимок порта Пиллау от 28.10.1944 года.
#история
00000317.jpg
1.8 MB
Снимок порта Пиллау от 28.10.1944 года, несжатый Telegram'ом.
1. Удар советских штурмовиков по объектам в районе порта Розенберг (Восточная Пруссия) 23 марта 1945 года.
2. Фотоконтроль результатов бомбового удара по крепости Кенигсберг 6 апреля 1945 года.
3. Штурмовики 182-й ШАД наносят удар по объектам в Кенигсберге 8 апреля 1945 года.
4. Фотоконтроль результатов штурмовки пригорода Кенигсберга — населенного пункта Метгетен 9 апреля 1945 года.
Фотоснимки взяты с waralbum.ru.
#история
2. Фотоконтроль результатов бомбового удара по крепости Кенигсберг 6 апреля 1945 года.
3. Штурмовики 182-й ШАД наносят удар по объектам в Кенигсберге 8 апреля 1945 года.
4. Фотоконтроль результатов штурмовки пригорода Кенигсберга — населенного пункта Метгетен 9 апреля 1945 года.
Фотоснимки взяты с waralbum.ru.
#история
Китай успешно испытал многоразовый космический аппарат
Китай успешно завершил испытание многоразового космического аппарата, в понедельник 8 мая он вернулся на Землю, сообщила Китайская корпорация космической науки и техники (CASC).
Сообщается, что аппарат был запущен с космодрома Цзюцюань в провинции Ганьсу на северо-западе Китая и пробыл на орбите 276 суток.
#китай
Китай успешно завершил испытание многоразового космического аппарата, в понедельник 8 мая он вернулся на Землю, сообщила Китайская корпорация космической науки и техники (CASC).
Сообщается, что аппарат был запущен с космодрома Цзюцюань в провинции Ганьсу на северо-западе Китая и пробыл на орбите 276 суток.
#китай
Разновременные данные Sentinel-1 и Sentinel-2 улучшают обнаружение оползней в GEE
Региональные системы раннего предупреждения об оползнях опираются на исторические данные для прогнозирования будущих событий. Однако базы данных об оползнях содержат гораздо больше сведений о событиях, происходивших вблизи дорог и других объектов инфраструктуры, где оползни легко наблюдать, чем о событиях в отдаленных районах. В такой ситуации помогают спутниковые данные.
Оползни детектируются по оптическим и радарным данным, как события, связанные с резкой потерей растительного покрова. Для оптических снимков используется разность вегетационного индекса (NDVI) до и после оползня — dNDVI (после оползня NDVI уменьшается). Для радарных снимков оценивается разность коэффициентов обратного рассеяния до и после события. Используется сигналы в ко- (VV) и кросс-поляризации (VH).
Lindsay E. et al. Multi-Temporal Satellite Image Composites in Google Earth Engine for Improved Landslide Visibility: A Case Study of a Glacial Landscape (2022) занялись вопросом: улучшит ли использование разновременных данных обнаружение оползней? Ответ на вопрос дан в заголовке. Кроме того, было обнаружено большое число ранее неизвестных оползней (на территории Норвегии).
Вместо единственного снимка (до или после события) используют стек снимков, из которого создают композитный снимок. Этот композит создается так, чтобы решать какую-то проблему, существовавшую у одиночных снимков.
Для оптических данных, вместо NDVI за одну дату используют композит, составленный из максимальных значений NDVI в каждом пикселе стека снимков. Это позволяет снизить помехи от облаков и теней. Для радарных данных композит строится на основе среднего значения обратного рассеяния в каждом пикселе стека (отдельно для VV- и VH-поляризаций). Здесь разновременные данные используются для фильтрации спекл-шума и снижают помехи, связанные с выпавшими осадками (отражение радарного сигнала от влажной поверхности больше, чем от такой же, но сухой поверхности).
Композиты данных Sentinel-1 и Sentinel-2 создаются при помощи GEE.
Код: https://github.com/erin-ntnu/Change-detection-images-GEE
Исследователи использовали опыт HazMapper — GEE-приложения, разработанного для картирования последствий стихийных бедствий. В HazMapper для картирования оползней использовалась относительная разница NDVI до и после события, рассчитанная по безоблачным композитам, составленным из снимков Sentinel-2 или Landsat.
В статье изложен самый простой подход, который не решает массы проблем детектирования оползней. Например, некоторые агротехнические операции, да и просто сезонные изменения состояния растений (осень), могут приводить к значительному снижению NDVI. Разные результаты будут наблюдаться для разных поляризаций радарного сигнала, в зависимости от направления движения оползня относительно трассы спутникового радара. Но: 1) это простой и ясный пример использования спутниковых данных для выявления оползней; 2) применение GEE снимает множество технических проблем; 2) авторам, судя по всему, важнее обнаружить оползень, а его картирование можно выполнять вручную.
#GEE #оползни #SAR #sentinel1 #sentinel2
Региональные системы раннего предупреждения об оползнях опираются на исторические данные для прогнозирования будущих событий. Однако базы данных об оползнях содержат гораздо больше сведений о событиях, происходивших вблизи дорог и других объектов инфраструктуры, где оползни легко наблюдать, чем о событиях в отдаленных районах. В такой ситуации помогают спутниковые данные.
Оползни детектируются по оптическим и радарным данным, как события, связанные с резкой потерей растительного покрова. Для оптических снимков используется разность вегетационного индекса (NDVI) до и после оползня — dNDVI (после оползня NDVI уменьшается). Для радарных снимков оценивается разность коэффициентов обратного рассеяния до и после события. Используется сигналы в ко- (VV) и кросс-поляризации (VH).
Lindsay E. et al. Multi-Temporal Satellite Image Composites in Google Earth Engine for Improved Landslide Visibility: A Case Study of a Glacial Landscape (2022) занялись вопросом: улучшит ли использование разновременных данных обнаружение оползней? Ответ на вопрос дан в заголовке. Кроме того, было обнаружено большое число ранее неизвестных оползней (на территории Норвегии).
Вместо единственного снимка (до или после события) используют стек снимков, из которого создают композитный снимок. Этот композит создается так, чтобы решать какую-то проблему, существовавшую у одиночных снимков.
Для оптических данных, вместо NDVI за одну дату используют композит, составленный из максимальных значений NDVI в каждом пикселе стека снимков. Это позволяет снизить помехи от облаков и теней. Для радарных данных композит строится на основе среднего значения обратного рассеяния в каждом пикселе стека (отдельно для VV- и VH-поляризаций). Здесь разновременные данные используются для фильтрации спекл-шума и снижают помехи, связанные с выпавшими осадками (отражение радарного сигнала от влажной поверхности больше, чем от такой же, но сухой поверхности).
Композиты данных Sentinel-1 и Sentinel-2 создаются при помощи GEE.
Код: https://github.com/erin-ntnu/Change-detection-images-GEE
Исследователи использовали опыт HazMapper — GEE-приложения, разработанного для картирования последствий стихийных бедствий. В HazMapper для картирования оползней использовалась относительная разница NDVI до и после события, рассчитанная по безоблачным композитам, составленным из снимков Sentinel-2 или Landsat.
В статье изложен самый простой подход, который не решает массы проблем детектирования оползней. Например, некоторые агротехнические операции, да и просто сезонные изменения состояния растений (осень), могут приводить к значительному снижению NDVI. Разные результаты будут наблюдаться для разных поляризаций радарного сигнала, в зависимости от направления движения оползня относительно трассы спутникового радара. Но: 1) это простой и ясный пример использования спутниковых данных для выявления оползней; 2) применение GEE снимает множество технических проблем; 2) авторам, судя по всему, важнее обнаружить оползень, а его картирование можно выполнять вручную.
#GEE #оползни #SAR #sentinel1 #sentinel2
MDPI
Multi-Temporal Satellite Image Composites in Google Earth Engine for Improved Landslide Visibility: A Case Study of a Glacial Landscape
Regional early warning systems for landslides rely on historic data to forecast future events and to verify and improve alarms. However, databases of landslide events are often spatially biased towards roads or other infrastructure, with few reported in remote…
Открытые пространственные данные Финляндии
Каталог открытых пространственных данных Финляндии содержит большую подборку ссылок на местные и международные ресурсы. Международные — это коллекции векторных данных общего назначения, административные границы, спутниковые снимки, ЦМР (в том числе, с батиметрией), карты Land Cover, численность населения, данные о климате и почвах. Среди собственно финских, наше внимание привлекли следующие данные.
National land survey of Finland — базовая карта, топографическая база данных, топографические карты, ортоизображения, данные лазерного сканирования, цифровые модели рельефа (с разрешениями 10 м и 2 м), административные границы и т. д. Есть кадастровая карта: векторная и растровая. Все это можно скачать бесплатно, выбрав нужный фрагмент карты (ссылка придет на эл. почту). Данные доступны также на Kapsi's service, более удобном для массового скачивания через HTTP, FTP или RSYNC.
CORINE Land Cover 2018 для Финляндии. Данные CORINE имеют 20-метровое пространственное разрешение и основаны на мозаике снимков Sentinel-2. При интерпретации мозаики изображений CORINE использовались данные Национального лесного кадастра (Институт природных ресурсов Финляндии), данные биотопов (Metsähallitus, национальная организация, управляющая государственными земельными и водными ресурсами), цифровая модель рельефа и информация о почвах. Доля верно классифицированных пикселей в CORINE составляет 95% для широколиственного леса, 98% для хвойного леса и 97% для смешанного леса (методика создания и проверки).
Natural resources institute — данные национальной лесной таксации (National Forest Inventory, NFI): класс поверхности (land cover), сомкнутость полога (canopy cover), возраст деревьев, средний диаметр, средняя высота, объемы запасов древесины и биомасса леса. Данные поставляются в виде отдельных растровых слоев c пространственным разрешением 16 м. Описание данных дано в README, прилагаемом к каждому скачиваемому файлу. Таксации проводятся каждые 2 года, хотя последняя была в 2019 г. Доступ к данным: http://kartta.luke.fi/index-en.html
Finnish meteorological institute — данные наблюдений за погодой в режиме реальном времени, временные ряды (с начала 1960-х годов) и прогнозы погоды. Вместо них можно использовать данные реанализа ERA5 Land Hourly.
#данные
Каталог открытых пространственных данных Финляндии содержит большую подборку ссылок на местные и международные ресурсы. Международные — это коллекции векторных данных общего назначения, административные границы, спутниковые снимки, ЦМР (в том числе, с батиметрией), карты Land Cover, численность населения, данные о климате и почвах. Среди собственно финских, наше внимание привлекли следующие данные.
National land survey of Finland — базовая карта, топографическая база данных, топографические карты, ортоизображения, данные лазерного сканирования, цифровые модели рельефа (с разрешениями 10 м и 2 м), административные границы и т. д. Есть кадастровая карта: векторная и растровая. Все это можно скачать бесплатно, выбрав нужный фрагмент карты (ссылка придет на эл. почту). Данные доступны также на Kapsi's service, более удобном для массового скачивания через HTTP, FTP или RSYNC.
CORINE Land Cover 2018 для Финляндии. Данные CORINE имеют 20-метровое пространственное разрешение и основаны на мозаике снимков Sentinel-2. При интерпретации мозаики изображений CORINE использовались данные Национального лесного кадастра (Институт природных ресурсов Финляндии), данные биотопов (Metsähallitus, национальная организация, управляющая государственными земельными и водными ресурсами), цифровая модель рельефа и информация о почвах. Доля верно классифицированных пикселей в CORINE составляет 95% для широколиственного леса, 98% для хвойного леса и 97% для смешанного леса (методика создания и проверки).
Natural resources institute — данные национальной лесной таксации (National Forest Inventory, NFI): класс поверхности (land cover), сомкнутость полога (canopy cover), возраст деревьев, средний диаметр, средняя высота, объемы запасов древесины и биомасса леса. Данные поставляются в виде отдельных растровых слоев c пространственным разрешением 16 м. Описание данных дано в README, прилагаемом к каждому скачиваемому файлу. Таксации проводятся каждые 2 года, хотя последняя была в 2019 г. Доступ к данным: http://kartta.luke.fi/index-en.html
Finnish meteorological institute — данные наблюдений за погодой в режиме реальном времени, временные ряды (с начала 1960-х годов) и прогнозы погоды. Вместо них можно использовать данные реанализа ERA5 Land Hourly.
#данные
Воздушное лазерное сканирование в археологии
Спутниковые снимки чаще всего используются а археологии вместе с топографическими картами и цифровыми моделями рельефа для определения потенциальных мест исследований — мест, где в древности могли проживать люди. В отдельных случаях археологический объект можно найти прямо на снимке, но для этого должны сложиться удачные условия наблюдения, и возможно это только в регионах, где поверхность хорошо видна из космоса. Так что лесные массивы из числа перспективных объектов наблюдения можно сразу исключить. Основным методом дистанционного зондирования, применяемым в археологии, является воздушная лазерная (лидарная) съемка.
Вот хорошая вводная лекция по применению воздушного лазерного сканирования в археологии. Лектор — кандидат исторических наук, руководитель департамента археологии ООО "НИПИИ ЭТ "Энерготранспроект" Василий Новиков.
Слушатели узнают, как производится воздушное лазерное сканирование, какие преимущества есть у этого метода перед другими способами фиксации археологических объектов. На примере реальных работ (Ирак, Гнездово, Засечная черта в Тульской области и др.) показан диапазон возможностей лидарной съемки.
На снимке (источник): лидарная съемка позволяет выявлять в лесной зоне курганы высотой не более 20 см.
#лидар #археология
Спутниковые снимки чаще всего используются а археологии вместе с топографическими картами и цифровыми моделями рельефа для определения потенциальных мест исследований — мест, где в древности могли проживать люди. В отдельных случаях археологический объект можно найти прямо на снимке, но для этого должны сложиться удачные условия наблюдения, и возможно это только в регионах, где поверхность хорошо видна из космоса. Так что лесные массивы из числа перспективных объектов наблюдения можно сразу исключить. Основным методом дистанционного зондирования, применяемым в археологии, является воздушная лазерная (лидарная) съемка.
Вот хорошая вводная лекция по применению воздушного лазерного сканирования в археологии. Лектор — кандидат исторических наук, руководитель департамента археологии ООО "НИПИИ ЭТ "Энерготранспроект" Василий Новиков.
Слушатели узнают, как производится воздушное лазерное сканирование, какие преимущества есть у этого метода перед другими способами фиксации археологических объектов. На примере реальных работ (Ирак, Гнездово, Засечная черта в Тульской области и др.) показан диапазон возможностей лидарной съемки.
На снимке (источник): лидарная съемка позволяет выявлять в лесной зоне курганы высотой не более 20 см.
#лидар #археология
Снимки с космических аппаратов проекта Space-π
В 2021 году был объявлен проект на сайте “Изображение Земли из космоса”, где школьники предлагали места на территории России, на которые хотели бы взглянуть с орбиты. Так появился альбом “Россия глазами школьников проекта Space-π” (Яндекс.Диск).
Снимки для альбома сделаны малым космическим аппаратом “Аист 2Д” (“облако” со снимками) и аппаратами проекта Space-π — “Зоркий” (CubeSat 6U, ООО “Спутникс”) и CubeSX-HSE (CubeSat 3U, МИЭМ НИУ ВШЭ).
“Зоркий” в качестве полезной нагрузки имеет камеру-телескоп НПО “Лептон” с пространственным разрешением до 6.6 метров на пиксель. Полезной нагрузкой CubeSX-HSE является экспериментальная камера на линзах Френеля и высокоскоростной передатчик X-диапазона.
На снимках “Зоркого” показаны Санкт-Петербург, Владивосток и хребет Кондер в Хабаровском Крае, на снимке CubeSX-HSE — Главный Кавказский хребет.
#снимки
В 2021 году был объявлен проект на сайте “Изображение Земли из космоса”, где школьники предлагали места на территории России, на которые хотели бы взглянуть с орбиты. Так появился альбом “Россия глазами школьников проекта Space-π” (Яндекс.Диск).
Снимки для альбома сделаны малым космическим аппаратом “Аист 2Д” (“облако” со снимками) и аппаратами проекта Space-π — “Зоркий” (CubeSat 6U, ООО “Спутникс”) и CubeSX-HSE (CubeSat 3U, МИЭМ НИУ ВШЭ).
“Зоркий” в качестве полезной нагрузки имеет камеру-телескоп НПО “Лептон” с пространственным разрешением до 6.6 метров на пиксель. Полезной нагрузкой CubeSX-HSE является экспериментальная камера на линзах Френеля и высокоскоростной передатчик X-диапазона.
На снимках “Зоркого” показаны Санкт-Петербург, Владивосток и хребет Кондер в Хабаровском Крае, на снимке CubeSX-HSE — Главный Кавказский хребет.
#снимки
Space-π и “Дежурный по планете”
Space-π — проект по созданию на орбите созвездия школьных спутников. В течение нескольких лет планируется запустить 100 малых космических аппаратов формата CubeSat 3U*. Сейчас их запущено уже 19 (список + визуализация орбит).
Проект Space-π действует в рамках программы “Дежурный по планете”, объединяющей технологические конкурсы и проекты для школьников и студентов в области космоса. Проект связывает школьников (начиная с 8 лет) и студентов с компаниями космической отрасли и университетами.
Узнать, когда начнется новый конкурс и какие космические аппараты отправятся на орбиту, можно на ресурсах:
* Space-π: сайт, vkontakte, тг-канал
* “Дежурный по планете”: https://www.spacecontest.ru
*CubeSat 1U — “кубик” размерами 10х10х10 см и массой до 1 кг; CubeSat 3U — спутник, не превышающий объемом и массой три таких “кубика".
Space-π — проект по созданию на орбите созвездия школьных спутников. В течение нескольких лет планируется запустить 100 малых космических аппаратов формата CubeSat 3U*. Сейчас их запущено уже 19 (список + визуализация орбит).
Проект Space-π действует в рамках программы “Дежурный по планете”, объединяющей технологические конкурсы и проекты для школьников и студентов в области космоса. Проект связывает школьников (начиная с 8 лет) и студентов с компаниями космической отрасли и университетами.
Узнать, когда начнется новый конкурс и какие космические аппараты отправятся на орбиту, можно на ресурсах:
* Space-π: сайт, vkontakte, тг-канал
* “Дежурный по планете”: https://www.spacecontest.ru
*CubeSat 1U — “кубик” размерами 10х10х10 см и массой до 1 кг; CubeSat 3U — спутник, не превышающий объемом и массой три таких “кубика".
Комментарий к раз и два.
Вчерашняя новость для некоторых читателей стала неожиданностью. Они не знали, что такое вообще существует и даже рядом с ними. Это при том, что у проекта весьма солидный список партнеров (там есть еще университеты-партнеры), все они присутствуют в информационном пространстве и о проекте не молчат.
На всякий случай, вот некоторые тг-каналы, причастные к проектам Space-π: Space-π, SPUTNIX, Прозрачный мир (Lorett). Если кто-то знает еще — пишите в бот: @sputnikDZZ_bot
Будем следить за новостями Space-π и “Дежурный по планете”.
Вчерашняя новость для некоторых читателей стала неожиданностью. Они не знали, что такое вообще существует и даже рядом с ними. Это при том, что у проекта весьма солидный список партнеров (там есть еще университеты-партнеры), все они присутствуют в информационном пространстве и о проекте не молчат.
На всякий случай, вот некоторые тг-каналы, причастные к проектам Space-π: Space-π, SPUTNIX, Прозрачный мир (Lorett). Если кто-то знает еще — пишите в бот: @sputnikDZZ_bot
Будем следить за новостями Space-π и “Дежурный по планете”.