Forwarded from Space-π
Ребята из лагеря «Лазурный» сфотографировали Землю из космоса!😱
В нижегородской области началась смена «Наследники победы» в детском центре «Лазурный». Команда компании “Геоскан” приехали в детский лагерь, чтобы познакомить ребят с космическими технологиями, рассказали о конкурсах Инношкольника Фонда содействия инновациям и о проекте Space-π🚀
В первые дни смены для ребят провели несколько занятий, посвящённых кубсатам, спутниковым антеннам и радиосвязи. Самым интересным и запоминающимся событием для 48 школьников стало фотографирование Земли и приём изображений со спутника. Ребятам предложили самим выбрать район для съёмки на трассе полёта спутника «Геоскан-Эдельвейс». Старший отряд выбрал Дальний Восток, а младший озеро Байкал. Оператор загрузил полётное задание дистанционно через ЦУП в Петербурге, и 4 мая спутник сфотографировал заданные районы. На следующий день, на радость всем, фотографии были приняты!
#Space_Pi
#Space_Pi_путешествует
В нижегородской области началась смена «Наследники победы» в детском центре «Лазурный». Команда компании “Геоскан” приехали в детский лагерь, чтобы познакомить ребят с космическими технологиями, рассказали о конкурсах Инношкольника Фонда содействия инновациям и о проекте Space-π🚀
В первые дни смены для ребят провели несколько занятий, посвящённых кубсатам, спутниковым антеннам и радиосвязи. Самым интересным и запоминающимся событием для 48 школьников стало фотографирование Земли и приём изображений со спутника. Ребятам предложили самим выбрать район для съёмки на трассе полёта спутника «Геоскан-Эдельвейс». Старший отряд выбрал Дальний Восток, а младший озеро Байкал. Оператор загрузил полётное задание дистанционно через ЦУП в Петербурге, и 4 мая спутник сфотографировал заданные районы. На следующий день, на радость всем, фотографии были приняты!
#Space_Pi
#Space_Pi_путешествует
Сегодня на канале необычно много материалов про (и для) школьников и студентов. Сейчас добавим “взрослого” контента)
Оценка плотности надземной биомассы по данным GEDI и другим
Недавно мы искали готовый продукт для оценки надземной биомассы леса, достаточно свежий и глобальный (или около того). На эту роль претендовал GEDI L4B Gridded Aboveground Biomass Density, Version 2 (есть он и на GEE).
GEDI — это лидар, расположенный на МКС. Из-за орбиты МКС, он обеспечивает съемку земной поверхности в полосе широт между 51.6° с.ш. и 51.6° ю.ш. Продукт GEDI L4B — результат модельной оценки плотности надземной биомассы. Это не наблюдения, а результат моделирования по ним. Популярный рассказ о данных GEDI L4B: ORNL DAAC Releases GEDI Level 4B Dataset Offering Gridded Estimates of Aboveground Biomass Density.
Оказалось, что GEDI 4B не обеспечивает сплошного покрытия данными даже в заявленной полосе широт. На рисунке ниже размер пикселя составляет 1 км х 1 км, площадь участка — около 10 000 га.
Что делать? 1) Искать другой готовый продукт. 2) Натягивать сову на глобус, то есть заполнять пробелы в имеющемся продукте. О других продуктах поговорим позже, сначала — о заполнении пробелов.
Есть подход Shendryk Y. The latest dataset from the GEDI mission provides gridded estimates of aboveground biomass density at greater accuracy and resolution than previously available (2022), который состоит в следующем.
Берутся данные GEDI уровня 4A, а также снимки Sentinel-1 GRD (радар) и Sentinel-2 уровня 2A (оптика), цифровая модель рельефа (GLO-30) и карта классов земной поверхности ESA WorldCover. Все это есть в Google Earth Engine. Из всего этого формируется набор обучающих и тестовых данных. На них будут учить и тестировать модель машинного обучения (LightGBM).
GEDI L4A Raster Aboveground Biomass Density, как и L4B, — это результат моделирования надземной биомассы. В отличие от L4B, продукт L4A дает не пиксели размером 1 км х 1 км, а 25-метровые “пятна” (footprint — след сигнала лидара на поверхности Земли). Кроме того, L4A чаще обновляется: есть данные до конца 2022 года, указан момент съемки каждого “пятна”. В результате есть возможность привязать каждое “пятно” к определенному участку данных Sentinel-1 и Sentinel-2.
Данные GEDI L4A используются вместо “наземки” (ground truth), как будто они дают реальную, а не модельную биомассу, а также служат откликом будущей модели. Все остальные данные и их производные служат предикторами. Дальше следует машинное обучение, игры с выбором предикторов, и в итоге получается оценка надземной биомассы с R^2 = 0,66–0,74 (коэффициент детерминации), RMSE = 55–81 Мг/га (Мг = 10^6 грамм, то есть 1 тонна), или в процентах — RMSE = 41–77%. Да, среднеквадратичная ошибка (RMSE) больше 40%, но таков современный уровень моделирования в данной задаче. Авторы справедливо отмечают, что созданные ими прогнозные карты надземной биомассы (с разрешением 100 м), могут служить в качестве ориентира для определения текущих запасов надземной биомассы. В целом, данное исследование показывает возможность применения открытых данных ДЗЗ для получения глобальных карт надземной биомассы путем слияния различных видов данных (радаров, оптики, ЦМР и т.п.).
Лучше бы, конечно, найти более точные данные для обучения моделей (вместо модельных!) и попробовать использовать в качестве предикторов данные вертикального профиля высот от того же GEDI (GEDI L2B Raster Canopy Cover Vertical Profile Metrics). Но это все надо пробовать…
Сравните, как выглядят данные GEDI L4B и L4A: https://code.earthengine.google.com/c494ff396398ee2629b67eb4778db468
#лидар #sentinel1 #sentinel2 #LULC #GEE #AGB
Недавно мы искали готовый продукт для оценки надземной биомассы леса, достаточно свежий и глобальный (или около того). На эту роль претендовал GEDI L4B Gridded Aboveground Biomass Density, Version 2 (есть он и на GEE).
GEDI — это лидар, расположенный на МКС. Из-за орбиты МКС, он обеспечивает съемку земной поверхности в полосе широт между 51.6° с.ш. и 51.6° ю.ш. Продукт GEDI L4B — результат модельной оценки плотности надземной биомассы. Это не наблюдения, а результат моделирования по ним. Популярный рассказ о данных GEDI L4B: ORNL DAAC Releases GEDI Level 4B Dataset Offering Gridded Estimates of Aboveground Biomass Density.
Оказалось, что GEDI 4B не обеспечивает сплошного покрытия данными даже в заявленной полосе широт. На рисунке ниже размер пикселя составляет 1 км х 1 км, площадь участка — около 10 000 га.
Что делать? 1) Искать другой готовый продукт. 2) Натягивать сову на глобус, то есть заполнять пробелы в имеющемся продукте. О других продуктах поговорим позже, сначала — о заполнении пробелов.
Есть подход Shendryk Y. The latest dataset from the GEDI mission provides gridded estimates of aboveground biomass density at greater accuracy and resolution than previously available (2022), который состоит в следующем.
Берутся данные GEDI уровня 4A, а также снимки Sentinel-1 GRD (радар) и Sentinel-2 уровня 2A (оптика), цифровая модель рельефа (GLO-30) и карта классов земной поверхности ESA WorldCover. Все это есть в Google Earth Engine. Из всего этого формируется набор обучающих и тестовых данных. На них будут учить и тестировать модель машинного обучения (LightGBM).
GEDI L4A Raster Aboveground Biomass Density, как и L4B, — это результат моделирования надземной биомассы. В отличие от L4B, продукт L4A дает не пиксели размером 1 км х 1 км, а 25-метровые “пятна” (footprint — след сигнала лидара на поверхности Земли). Кроме того, L4A чаще обновляется: есть данные до конца 2022 года, указан момент съемки каждого “пятна”. В результате есть возможность привязать каждое “пятно” к определенному участку данных Sentinel-1 и Sentinel-2.
Данные GEDI L4A используются вместо “наземки” (ground truth), как будто они дают реальную, а не модельную биомассу, а также служат откликом будущей модели. Все остальные данные и их производные служат предикторами. Дальше следует машинное обучение, игры с выбором предикторов, и в итоге получается оценка надземной биомассы с R^2 = 0,66–0,74 (коэффициент детерминации), RMSE = 55–81 Мг/га (Мг = 10^6 грамм, то есть 1 тонна), или в процентах — RMSE = 41–77%. Да, среднеквадратичная ошибка (RMSE) больше 40%, но таков современный уровень моделирования в данной задаче. Авторы справедливо отмечают, что созданные ими прогнозные карты надземной биомассы (с разрешением 100 м), могут служить в качестве ориентира для определения текущих запасов надземной биомассы. В целом, данное исследование показывает возможность применения открытых данных ДЗЗ для получения глобальных карт надземной биомассы путем слияния различных видов данных (радаров, оптики, ЦМР и т.п.).
Лучше бы, конечно, найти более точные данные для обучения моделей (вместо модельных!) и попробовать использовать в качестве предикторов данные вертикального профиля высот от того же GEDI (GEDI L2B Raster Canopy Cover Vertical Profile Metrics). Но это все надо пробовать…
Сравните, как выглядят данные GEDI L4B и L4A: https://code.earthengine.google.com/c494ff396398ee2629b67eb4778db468
#лидар #sentinel1 #sentinel2 #LULC #GEE #AGB
1️⃣ Общий вид данных GEDI L4B, 2️⃣ фрагмент данных L4B, площадью около 10 000 га, с картой надземной биомассы (район интереса квадратный, а получилось вот это), 3️⃣ общий вид данных GEDI L4A, со значениями надземной биомассы в каждом “пятне” данных.
Универсальная модель сегментации изображений Segment Anything Model
Модели сегментации разделяют изображение на участки (сегменты), соответствующие разным типам поверхности или разным объектам. Например, с их помощью выделяют границы зданий, дороги, водоемы, сельскохозяйственные поля и т. п.
Создать и обучить модель сегментации с нуля довольно сложно и дорого. Проще взять готовую модель, и дообучить ее с учетом особенностей вашей задачи. В качестве такой готовой модели может выступать Segment Anything Model (SAM) от компании Meta. Модель описана в статье, имеет открытый исходный код и достаточно универсальна, так что многие задачи решает без дополнительного обучения. Применяется для любых изображений, не обязательно спутниковых снимков.
SAM обучена на наборе данных Segment Anything 1-Billion mask dataset (SA-1B), который состоит из 11 миллионов изображений и более 1 миллиарда масок.
На рисунках показаны примеры выделения с помощью SAM границ орошаемых полей (в центре каждого кружка — артезианская скважина), сельскохозяйственных полей, ферм по разведению мидий, а также самолетов. Все примеры взяты отсюда.
#сегментация
Модели сегментации разделяют изображение на участки (сегменты), соответствующие разным типам поверхности или разным объектам. Например, с их помощью выделяют границы зданий, дороги, водоемы, сельскохозяйственные поля и т. п.
Создать и обучить модель сегментации с нуля довольно сложно и дорого. Проще взять готовую модель, и дообучить ее с учетом особенностей вашей задачи. В качестве такой готовой модели может выступать Segment Anything Model (SAM) от компании Meta. Модель описана в статье, имеет открытый исходный код и достаточно универсальна, так что многие задачи решает без дополнительного обучения. Применяется для любых изображений, не обязательно спутниковых снимков.
SAM обучена на наборе данных Segment Anything 1-Billion mask dataset (SA-1B), который состоит из 11 миллионов изображений и более 1 миллиарда масок.
На рисунках показаны примеры выделения с помощью SAM границ орошаемых полей (в центре каждого кружка — артезианская скважина), сельскохозяйственных полей, ферм по разведению мидий, а также самолетов. Все примеры взяты отсюда.
#сегментация
This media is not supported in your browser
VIEW IN TELEGRAM
Антенна RIME полностью развернута
Многие помнят о проблеме с антенной RIME на зонде Juice, отправившемся исследовать спутники Юпитера 14 апреля этого года. Застрявший штырь мешал антенне развернутся на полную длину (16 метров).
Две недели специалисты из центра управления полетами Европейского космического агентства в Дармштадте пытались развернуть антенну. Чтобы сдвинуть штырь, Juice трясли с помощью включения двигателей, изменяли ориентацию зонда, нагревая нужную сторону солнечным светом, но антенна не раскрывалась. Наконец, 12 мая команда управления полетом запустила механическое устройство под названием "невзрывной привод" (non-explosive actuator, NEA), расположенное в заклинившем кронштейне. Это вызвало ударную волну, которая сдвинула штырь на несколько миллиметров, что позволило антенне RIME раскрыться.
Теперь у нас снова появилась возможность узнать, что же происходит подо льдом на ледяных спутниках Юпитера — Ганимеде, Каллисто и Европе.
Новости Juice: https://www.esa.int/Science_Exploration/Space_Science/Juice
Источник снимка.
Многие помнят о проблеме с антенной RIME на зонде Juice, отправившемся исследовать спутники Юпитера 14 апреля этого года. Застрявший штырь мешал антенне развернутся на полную длину (16 метров).
Две недели специалисты из центра управления полетами Европейского космического агентства в Дармштадте пытались развернуть антенну. Чтобы сдвинуть штырь, Juice трясли с помощью включения двигателей, изменяли ориентацию зонда, нагревая нужную сторону солнечным светом, но антенна не раскрывалась. Наконец, 12 мая команда управления полетом запустила механическое устройство под названием "невзрывной привод" (non-explosive actuator, NEA), расположенное в заклинившем кронштейне. Это вызвало ударную волну, которая сдвинула штырь на несколько миллиметров, что позволило антенне RIME раскрыться.
Теперь у нас снова появилась возможность узнать, что же происходит подо льдом на ледяных спутниках Юпитера — Ганимеде, Каллисто и Европе.
Новости Juice: https://www.esa.int/Science_Exploration/Space_Science/Juice
Источник снимка.
TROPICS — “рентген” для тропических циклонов
8 мая 2023 года ракетой Electron KS компании Rocket Lab с космодрома Махия (Māhia) в Новой Зеландии были успешно выведены на орбиту два регулярных спутника миссии TROPICS.
Миссия Time-Resolved Observations of Precipitation structure and storm Intensity with a Constellation of Smallsats (TROPICS) планируется в виде группировки из шести спутников 3U CubeSat, каждый размером 10 × 10 × 36 см и весом менее 6 кг, которые используют сканирующие микроволновые радиометры для измерения температуры, влажности, осадков и других свойств облаков. Спутники будут запущены парами в трех орбитальных плоскостях, что позволит всей группировке отслеживать изменения в тропических циклонах с периодичностью съемки в 21 минуту. На каждом спутнике будет установлен радиометр, сканирующий поперек траектории спутника со скоростью 30 оборотов в минуту, для получения профилей температуры по семи каналам вблизи линии поглощения кислорода на частоте 118,75 ГГц, профилей водяного пара по трем каналам вблизи линии поглощения водяного пара на частоте 183 ГГц, изображений по одному каналу на частоте 90 ГГц для измерения осадков и по одному каналу на частоте 206 ГГц — для измерения облачного льда.
Более подробное описание миссии смотрите здесь. Если коротко, то работа TROPICS похожа на рентгеновскую томографию облаков, осуществляемую в квазинепрерывном режиме — через каждые 20–30 минут. В роли рентгеновского аппарата выступают микроволновые радиометры.
Измерения TROPICS должны позволить увидеть основную структуру тропического шторма, что позволит оперативно спрогнозировать его возможное усиление и предупредить об опасности.
Новости миссии TROPICS: https://tropics.ll.mit.edu/CMS/tropics/Latest-News-and-Updates
На рисунке CubeSat слева демонстрирует измерение профиля температуры циклона, центральный — 12-канальную радиометрическую съемку, а правый CubeSat показывает одноканальное измерение излучения циклона. Разделение видов съемки сделано для наглядности, все спутники миссии одинаковы.
#погода
8 мая 2023 года ракетой Electron KS компании Rocket Lab с космодрома Махия (Māhia) в Новой Зеландии были успешно выведены на орбиту два регулярных спутника миссии TROPICS.
Миссия Time-Resolved Observations of Precipitation structure and storm Intensity with a Constellation of Smallsats (TROPICS) планируется в виде группировки из шести спутников 3U CubeSat, каждый размером 10 × 10 × 36 см и весом менее 6 кг, которые используют сканирующие микроволновые радиометры для измерения температуры, влажности, осадков и других свойств облаков. Спутники будут запущены парами в трех орбитальных плоскостях, что позволит всей группировке отслеживать изменения в тропических циклонах с периодичностью съемки в 21 минуту. На каждом спутнике будет установлен радиометр, сканирующий поперек траектории спутника со скоростью 30 оборотов в минуту, для получения профилей температуры по семи каналам вблизи линии поглощения кислорода на частоте 118,75 ГГц, профилей водяного пара по трем каналам вблизи линии поглощения водяного пара на частоте 183 ГГц, изображений по одному каналу на частоте 90 ГГц для измерения осадков и по одному каналу на частоте 206 ГГц — для измерения облачного льда.
Более подробное описание миссии смотрите здесь. Если коротко, то работа TROPICS похожа на рентгеновскую томографию облаков, осуществляемую в квазинепрерывном режиме — через каждые 20–30 минут. В роли рентгеновского аппарата выступают микроволновые радиометры.
Измерения TROPICS должны позволить увидеть основную структуру тропического шторма, что позволит оперативно спрогнозировать его возможное усиление и предупредить об опасности.
Новости миссии TROPICS: https://tropics.ll.mit.edu/CMS/tropics/Latest-News-and-Updates
На рисунке CubeSat слева демонстрирует измерение профиля температуры циклона, центральный — 12-канальную радиометрическую съемку, а правый CubeSat показывает одноканальное измерение излучения циклона. Разделение видов съемки сделано для наглядности, все спутники миссии одинаковы.
#погода
Крепление полезной нагрузки и система управления CubeSat'ов миссии TROPICS
Описание способа крепления полезной нагрузки и системы управления CubeSat'ом MicroMAS (Micro-sized Microwave Atmospheric Satellite) — платформы для миссии TROPICS — приведено в Wise et al. A Dual-Spinning, Three-Axis-Stabilized CubeSat for Earth Observations (2013).
На снимках: MicroMAS-1 в сложенном состоянии (рука находится возле микроволнового радиометра); схема MicroMAS-1.
Описание способа крепления полезной нагрузки и системы управления CubeSat'ом MicroMAS (Micro-sized Microwave Atmospheric Satellite) — платформы для миссии TROPICS — приведено в Wise et al. A Dual-Spinning, Three-Axis-Stabilized CubeSat for Earth Observations (2013).
На снимках: MicroMAS-1 в сложенном состоянии (рука находится возле микроволнового радиометра); схема MicroMAS-1.
wise2013.pdf
1.9 MB
Для удобства, прикрепим здесь статью Wise et al. A Dual-Spinning, Three-Axis-Stabilized CubeSat for Earth Observations (2013).
История подготовки миссии TROPICS
История подготовки миссии TROPICS заслуживает отдельной заметки. Тема прогнозирования тропических циклонов весьма актуальна для США, почему же миссия стартует только сейчас?
Еще в 2007 году NASA Decadal Survey* рекомендовал подготовку миссии Precipitation and All-weather Temperature and Humidity (PATH) для проведения трехмерных измерений температуры и влажности, а также осадков тропических циклонов. PATH задумывалась как набор микроволновых радиометров на геосинхронной орбите, которые обеспечивали бы периодичность съемки 15–30 минут. Датчики на низкой околоземной орбите тогда считались непрактичными из-за большой численности спутниковой группировки, которую потребовалось бы создать для обеспечения заданной периодичности съемки. Однако со временем развились новые технологии, которые позволили создавать малогабаритные радиометры. Их можно было размещать на миниатюрных спутниках, группировка их которых оказалась существенно дешевле геостационарных датчиков. Так появилась идея миссии TROPICS.
Первоначально, в середине 2010-х годов, TROPICS должна была состоять из 12 CubeSat’ов. Постепенно их число сократилось до 6. Спутники используют платформу MicroMAS-2 разработки Space Systems Laboratory при Массачусетском технологическом институте (МТИ). Микроволновые радиометры разработаны в Лаборатории Линкольна МТИ.
Первоначально планировалось запустить спутники парами в 2019 году, однако возникли проблемы с выбором носителей.
В 2021 году был запущен пробный спутник TROPICS-01 (Pathfinder). Его данные есть на Disc’е. Для скачивания нужна бесплатная регистрация на Earthdata.
В июне 2022 года из-за аварии ракеты Astra были потеряны TROPICS 02 и 04. Снова началась чехарда с выбором ракеты-носителя. В результате выбора пал на ракету от Rocket Lab.
Наконец, 8 мая 2023 года, была успешно выведена на орбиту пара TROPICS 05 и 06. Запуск TROPICS 03 и 07 запланирован на 16 мая 2023 года. Как и предыдущий, его будет осуществлять компания Rocket Lab.
*Периодическое мероприятие, на котором определяются перспективные направления исследований NASA на следующее десятилетие.
История подготовки миссии TROPICS заслуживает отдельной заметки. Тема прогнозирования тропических циклонов весьма актуальна для США, почему же миссия стартует только сейчас?
Еще в 2007 году NASA Decadal Survey* рекомендовал подготовку миссии Precipitation and All-weather Temperature and Humidity (PATH) для проведения трехмерных измерений температуры и влажности, а также осадков тропических циклонов. PATH задумывалась как набор микроволновых радиометров на геосинхронной орбите, которые обеспечивали бы периодичность съемки 15–30 минут. Датчики на низкой околоземной орбите тогда считались непрактичными из-за большой численности спутниковой группировки, которую потребовалось бы создать для обеспечения заданной периодичности съемки. Однако со временем развились новые технологии, которые позволили создавать малогабаритные радиометры. Их можно было размещать на миниатюрных спутниках, группировка их которых оказалась существенно дешевле геостационарных датчиков. Так появилась идея миссии TROPICS.
Первоначально, в середине 2010-х годов, TROPICS должна была состоять из 12 CubeSat’ов. Постепенно их число сократилось до 6. Спутники используют платформу MicroMAS-2 разработки Space Systems Laboratory при Массачусетском технологическом институте (МТИ). Микроволновые радиометры разработаны в Лаборатории Линкольна МТИ.
Первоначально планировалось запустить спутники парами в 2019 году, однако возникли проблемы с выбором носителей.
В 2021 году был запущен пробный спутник TROPICS-01 (Pathfinder). Его данные есть на Disc’е. Для скачивания нужна бесплатная регистрация на Earthdata.
В июне 2022 года из-за аварии ракеты Astra были потеряны TROPICS 02 и 04. Снова началась чехарда с выбором ракеты-носителя. В результате выбора пал на ракету от Rocket Lab.
Наконец, 8 мая 2023 года, была успешно выведена на орбиту пара TROPICS 05 и 06. Запуск TROPICS 03 и 07 запланирован на 16 мая 2023 года. Как и предыдущий, его будет осуществлять компания Rocket Lab.
*Периодическое мероприятие, на котором определяются перспективные направления исследований NASA на следующее десятилетие.
Запуск сверхтяжелой ракеты Saturn-V 14 мая 1973 года из Космического центра НАСА имени Кеннеди выводит на орбиту орбитальную станцию Skylab. В общей сложности с 25 мая 1973 года по 8 февраля 1974 года на станции побывают три экспедиции, основной задачей которых было изучение адаптации человека к условиям невесомости и проведение научных экспериментов. О том, как это было, можно узнать из статьи Антона Первушина.
Источник снимка.
#история
Источник снимка.
#история
Tomorrow.io предлагает глобальные данные об осадках, полученные при помощи машинного обучения
10 мая известный провайдер погодных данных Tomorrow.io заявил о выпуске нового решения — Unified Precipitation, которое использует спутниковые данные и машинное обучение для определения интенсивности осадков в режиме реального времени и краткосрочных прогнозов осадков (до 6 часов). Все это — в глобальном масштабе и, естественно, с непревзойденной точностью.
Tomorrow.io получает данные с пяти геостационарных спутников — GOES-16/18, Himawari-9 и METEOSAT-9/10. В дополнение к традиционным входным данным (например, погодным радарам) Unified Precipitation использует мультиспектральные спутниковые данные и применяет машинное обучение, чтобы связать модели и структуру облаков с основными осадками. Все это взято из пресс-релиза компании. Сама технология запатентована и пока о ней ничего больше не известно.
Увы, бесплатно посмотреть на непревзойденный прогноз осадков не получится, так как он не входит в бесплатный триальный пакет услуг.
А мы вспомнили доклад сотрудников "НИЦ "Планета" Усовершенствованный метод оценки интенсивности осадков по данным геостационарного КА Himawari-8 (конференция “Современные проблемы дистанционного зондирования Земли из космоса”, Москва, ИКИ РАН, 14–18 ноября 2022 г.), где речь шла о чем-то очень похожем, пусть и в меньших масштабах.
Карта прогноза погоды взята из https://app.tomorrow.io/map
#погода
10 мая известный провайдер погодных данных Tomorrow.io заявил о выпуске нового решения — Unified Precipitation, которое использует спутниковые данные и машинное обучение для определения интенсивности осадков в режиме реального времени и краткосрочных прогнозов осадков (до 6 часов). Все это — в глобальном масштабе и, естественно, с непревзойденной точностью.
Tomorrow.io получает данные с пяти геостационарных спутников — GOES-16/18, Himawari-9 и METEOSAT-9/10. В дополнение к традиционным входным данным (например, погодным радарам) Unified Precipitation использует мультиспектральные спутниковые данные и применяет машинное обучение, чтобы связать модели и структуру облаков с основными осадками. Все это взято из пресс-релиза компании. Сама технология запатентована и пока о ней ничего больше не известно.
Увы, бесплатно посмотреть на непревзойденный прогноз осадков не получится, так как он не входит в бесплатный триальный пакет услуг.
А мы вспомнили доклад сотрудников "НИЦ "Планета" Усовершенствованный метод оценки интенсивности осадков по данным геостационарного КА Himawari-8 (конференция “Современные проблемы дистанционного зондирования Земли из космоса”, Москва, ИКИ РАН, 14–18 ноября 2022 г.), где речь шла о чем-то очень похожем, пусть и в меньших масштабах.
Карта прогноза погоды взята из https://app.tomorrow.io/map
#погода
GEE: проекты/примеры кода
📸 Создание композитов Best Available Pixel
🔥 Оценка пройденной огнем площади по данным Sentinel-2
🔥 Оценка пройденной огнем площади по данным Dynamic World
⛰ Разновременные данные Sentinel-1 и Sentinel-2 улучшают обнаружение оползней
🌿 Сравнение данных о плотности надземной биомассы GEDI L4B и L4A
🌍 Динамика гравитационного поля по данным GRACE
🌲 HiForm — мониторинг леса по снимкам Landsat и Sentinel-2
🌡 Городские тепловые аномалии: часть 1, часть 2, часть 3, часть 4, часть 5
🌫 Режим "черного неба"
☀️ Засуха в Канзасе. U.S. Drought Monitor
🌲 Выявление нарушений состояния леса по данным Sentinel-2
🌿 Индексы здоровья растительности: VCI, TCI и VHI.
📈 Фильтрация и классификация в Earth Engine
📈 Фильтр Савицкого-Голая для коллекции MODIS
🌍 Open Earth Engine Library: раз, два
#GEE
📸 Создание композитов Best Available Pixel
🔥 Оценка пройденной огнем площади по данным Sentinel-2
🔥 Оценка пройденной огнем площади по данным Dynamic World
⛰ Разновременные данные Sentinel-1 и Sentinel-2 улучшают обнаружение оползней
🌿 Сравнение данных о плотности надземной биомассы GEDI L4B и L4A
🌍 Динамика гравитационного поля по данным GRACE
🌲 HiForm — мониторинг леса по снимкам Landsat и Sentinel-2
🌡 Городские тепловые аномалии: часть 1, часть 2, часть 3, часть 4, часть 5
🌫 Режим "черного неба"
☀️ Засуха в Канзасе. U.S. Drought Monitor
🌲 Выявление нарушений состояния леса по данным Sentinel-2
🌿 Индексы здоровья растительности: VCI, TCI и VHI.
📈 Фильтрация и классификация в Earth Engine
📈 Фильтр Савицкого-Голая для коллекции MODIS
🌍 Open Earth Engine Library: раз, два
#GEE
Карта космодромов от Гюнтера Креббса
На известном сайте Gunter's Space Page есть интерактивная карта космодромов, сделанная в Google My Map: Rocket Launch Sites.
#космодромы
На известном сайте Gunter's Space Page есть интерактивная карта космодромов, сделанная в Google My Map: Rocket Launch Sites.
#космодромы