Данные ICESat-2 для оценки высоты леса
Лидар ATLAS на борту спутника ICESat-2 — лидар с подсчетом фотонов (photon counting LIDAR). Он испускает лазерные импульсы с высокой частотой и детектирует отдельные фотоны, отраженные объектами на земной поверхности. Измерение времени полета фотона, совместно с информацией о положении и ориентации прибора, позволяет рассчитать координаты отражающего объекта земной поверхности, включая его высоту.
Пространственное разрешение прибора ATLAS, то есть размер “пятна” (footprint) лазерного луча на поверхности Земли составляет около 14 м. Частота генерации лазерных импульсов подобрана так, чтобы обеспечить смещение “пятна” каждого следующего импульса на расстояние около 70 см по мере пролета спутника. В результате происходит непрерывное получение информации вдоль трека спутника на земной поверхности для полосы шириной 14 м. Расстояние между двумя соседними треками измерений составляет около 3 км на экваторе.
Система ATLAS/ICESat-2, так же как и ее предшественник GLAS/ICESat, разработана в основном для мониторинга ледового покрова, но может быть использована и для оценки высоты леса на больших территориях, в том числе для бореальных лесов (Neuenschwander et al., 2020a). Результаты применения данных ATLAS/ICESat-2 для оценки высоты лесов России приведены в (Барталев и др., 2022) и (Шинкаренко и др., 2023).
Для оценки высоты леса используется информационный продукт ATL08, построенный по данным ATLAS/ICESat-2 и содержащий информацию о значениях высоты растительности. В указанном продукте полученное лидаром облако точек разделяется на четыре класса: подстилающая поверхность, листва/кроны (canopy), верхний полог листвы/крон (top-of-canopy) и шум. Далее, непрерывный трек, соответствующий полосе земной поверхности шириной 14 м, разбивается на сегменты длиной 100 м. Каждый стометровый сегмент состоит из пяти последовательных сегментов, длиной 20 м, взятых из продукта ATL03. Пространственное расположение таких сегментов характеризуется координатами их центров. Таким образом, данные ATL08 представлены в виде сегментов шириной 14 м и длиной 20 м (Neuenschwander et al., 2022), что позволяет обеспечить достаточно высокую пространственную детальность измерений высоты.
Элемент набора данных ATL08 соответствует одному сегменту и содержит параметры, характеризующие распределение относительной высоты растительности на данном участке: значения минимума, максимума, среднего, стандартного отклонения и различные перцентили высот растительности, а также количество измерений и показатель степени их неопределенности (uncertainty). Высота отразивших фотоны элементов растительности (кроны/листва) оценивается относительно пространственно-интерполированных точек, отнесенных к классу подстилающей поверхности. В качестве параметра, характеризующего высоту леса, используется величина h_canopy — 98 перцентиль высот растительности.
Барталев С.А., Богодухов М.А., Жарко В.О., Сидоренков В.М. Исследование возможностей использования данных ICESat-2 для оценки высоты лесов России. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 195-206. https://doi.org/10.21046/2070-7401-2022-19-4-195-206
Шинкаренко С.С., Барталев С.А., Богодухов М.А., Жарко В.О. Оценка возможностей определения высоты и проективного покрытия защитных лесных насаждений по данным ICESat-2. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. №2. С. 174–183. http://dx.doi.org/10.21046/2070-7401-2023-20-2-174-183
Neuenschwander, A., Guenther, E., White, J. C., Duncanson, L., & Montesano, P. (2020). Validation of ICESat-2 terrain and canopy heights in boreal forests. Remote Sensing of Environment, 251, 112110. https://doi.org/10.1016/j.rse.2020.112110
Neuenschwander A., Pitts K., Jelley B. et al. Ice, Cloud, and Land Elevation Satellite 2 (ICESat-2): Algorithm Theoretical Basis Document (ATBD) for Land-Vegetation Along-Track Products (ATL08). Version 6. 2022. 144 p. https://doi.org/10.5067/8ANPSL1NN7YS
#лидар #лес
Лидар ATLAS на борту спутника ICESat-2 — лидар с подсчетом фотонов (photon counting LIDAR). Он испускает лазерные импульсы с высокой частотой и детектирует отдельные фотоны, отраженные объектами на земной поверхности. Измерение времени полета фотона, совместно с информацией о положении и ориентации прибора, позволяет рассчитать координаты отражающего объекта земной поверхности, включая его высоту.
Пространственное разрешение прибора ATLAS, то есть размер “пятна” (footprint) лазерного луча на поверхности Земли составляет около 14 м. Частота генерации лазерных импульсов подобрана так, чтобы обеспечить смещение “пятна” каждого следующего импульса на расстояние около 70 см по мере пролета спутника. В результате происходит непрерывное получение информации вдоль трека спутника на земной поверхности для полосы шириной 14 м. Расстояние между двумя соседними треками измерений составляет около 3 км на экваторе.
Система ATLAS/ICESat-2, так же как и ее предшественник GLAS/ICESat, разработана в основном для мониторинга ледового покрова, но может быть использована и для оценки высоты леса на больших территориях, в том числе для бореальных лесов (Neuenschwander et al., 2020a). Результаты применения данных ATLAS/ICESat-2 для оценки высоты лесов России приведены в (Барталев и др., 2022) и (Шинкаренко и др., 2023).
Для оценки высоты леса используется информационный продукт ATL08, построенный по данным ATLAS/ICESat-2 и содержащий информацию о значениях высоты растительности. В указанном продукте полученное лидаром облако точек разделяется на четыре класса: подстилающая поверхность, листва/кроны (canopy), верхний полог листвы/крон (top-of-canopy) и шум. Далее, непрерывный трек, соответствующий полосе земной поверхности шириной 14 м, разбивается на сегменты длиной 100 м. Каждый стометровый сегмент состоит из пяти последовательных сегментов, длиной 20 м, взятых из продукта ATL03. Пространственное расположение таких сегментов характеризуется координатами их центров. Таким образом, данные ATL08 представлены в виде сегментов шириной 14 м и длиной 20 м (Neuenschwander et al., 2022), что позволяет обеспечить достаточно высокую пространственную детальность измерений высоты.
Элемент набора данных ATL08 соответствует одному сегменту и содержит параметры, характеризующие распределение относительной высоты растительности на данном участке: значения минимума, максимума, среднего, стандартного отклонения и различные перцентили высот растительности, а также количество измерений и показатель степени их неопределенности (uncertainty). Высота отразивших фотоны элементов растительности (кроны/листва) оценивается относительно пространственно-интерполированных точек, отнесенных к классу подстилающей поверхности. В качестве параметра, характеризующего высоту леса, используется величина h_canopy — 98 перцентиль высот растительности.
Барталев С.А., Богодухов М.А., Жарко В.О., Сидоренков В.М. Исследование возможностей использования данных ICESat-2 для оценки высоты лесов России. Современные проблемы дистанционного зондирования Земли из космоса. 2022. Т. 19. № 4. С. 195-206. https://doi.org/10.21046/2070-7401-2022-19-4-195-206
Шинкаренко С.С., Барталев С.А., Богодухов М.А., Жарко В.О. Оценка возможностей определения высоты и проективного покрытия защитных лесных насаждений по данным ICESat-2. Современные проблемы дистанционного зондирования Земли из космоса. 2023. Т. 20. №2. С. 174–183. http://dx.doi.org/10.21046/2070-7401-2023-20-2-174-183
Neuenschwander, A., Guenther, E., White, J. C., Duncanson, L., & Montesano, P. (2020). Validation of ICESat-2 terrain and canopy heights in boreal forests. Remote Sensing of Environment, 251, 112110. https://doi.org/10.1016/j.rse.2020.112110
Neuenschwander A., Pitts K., Jelley B. et al. Ice, Cloud, and Land Elevation Satellite 2 (ICESat-2): Algorithm Theoretical Basis Document (ATBD) for Land-Vegetation Along-Track Products (ATL08). Version 6. 2022. 144 p. https://doi.org/10.5067/8ANPSL1NN7YS
#лидар #лес
Данные космических лидаров ICESat и ICESat-2
Коллекция NSIDC DAAC ICESat/GLAS содержит данные, полученные лидаром Geoscience Laser Altimeter System (GLAS), работавшего на спутнике Ice, Cloud, and Land Elevation Satellite (ICESat) с 2003 по начало 2010 года. Продукты данных ICESat/GLAS описывают высоты ледяных покровов, ледников и морского льда, а также профили высот облаков и аэрозолей в атмосфере.
Коллекция NSIDC DAAC ICESat-2/ATLAS содержит данные, полученные лидаром Advanced Topographic Laser Altimeter System (ATLAS), установленным на спутнике Ice, Cloud and Land Elevation Satellite-2 (ICESat-2). Продукты данных ICESat-2 позволяют определить высоту морского льда, льда на суше, лесного покрова, высоту воды, городских территорий и т. д. Временное покрытие данных: с конца 2018 года по настоящее время.
Пространственное покрытие обоих видов данных — глобальное.
Данные ICESat и ICESat-2 находятся в NASA’овском тематическом центре обработки и хранения данных ДЗЗ (DAAC) National Snow and Ice Data Center (NSIDC) 1️⃣.
Получить данные ICESat и ICESat-2 можно в:
❄️NSIDC: меню Data/Explore Data, далее — поиском 2️⃣.
❄️NASA Earthdata Search 3️⃣.
❄️OpenAltimetry — это онлайн-платформа для поиска, получения и визуализации данных ICESat и ICESat-2.
Описания алгоритмов получения продуктов ICESat-2 (Algorithm Theoretical Basis Document, ATBD) находятся здесь.
#лидар #данные
Коллекция NSIDC DAAC ICESat/GLAS содержит данные, полученные лидаром Geoscience Laser Altimeter System (GLAS), работавшего на спутнике Ice, Cloud, and Land Elevation Satellite (ICESat) с 2003 по начало 2010 года. Продукты данных ICESat/GLAS описывают высоты ледяных покровов, ледников и морского льда, а также профили высот облаков и аэрозолей в атмосфере.
Коллекция NSIDC DAAC ICESat-2/ATLAS содержит данные, полученные лидаром Advanced Topographic Laser Altimeter System (ATLAS), установленным на спутнике Ice, Cloud and Land Elevation Satellite-2 (ICESat-2). Продукты данных ICESat-2 позволяют определить высоту морского льда, льда на суше, лесного покрова, высоту воды, городских территорий и т. д. Временное покрытие данных: с конца 2018 года по настоящее время.
Пространственное покрытие обоих видов данных — глобальное.
Данные ICESat и ICESat-2 находятся в NASA’овском тематическом центре обработки и хранения данных ДЗЗ (DAAC) National Snow and Ice Data Center (NSIDC) 1️⃣.
Получить данные ICESat и ICESat-2 можно в:
❄️NSIDC: меню Data/Explore Data, далее — поиском 2️⃣.
❄️NASA Earthdata Search 3️⃣.
❄️OpenAltimetry — это онлайн-платформа для поиска, получения и визуализации данных ICESat и ICESat-2.
Описания алгоритмов получения продуктов ICESat-2 (Algorithm Theoretical Basis Document, ATBD) находятся здесь.
#лидар #данные
Археологические открытия в Амазонии
Расширение использования воздушной лидарной съемки в последние несколько лет привело к резкому скачку числа археологических находок в Амазонии. Так, в прошлом году в Боливии была обнаружена новая археологическая культура — Касарабе*. Раньше, археологи использовали в этом районе данные оптической и радарной съемки, но эти данные не позволяли заглянуть под полог леса, обладали недостаточным пространственным разрешением и не могли обнаружить некоторые виды объектов, в частности, земляные сооружения. Последние в большом количестве обнаруживают на спутниковых снимках высокого разрешения, но сделать это можно только на безлесных территориях, а таких в Амазонии около 17%. Что же происходит на остальных 83%?
Винисиус Перипато, специалист по дистанционному зондированию из Национального института космических исследований Бразилии, искал земляные сооружения по лидарным данным, собранным за 5 лет наблюдений. Вместе с коллегами, он изучил 5315 кв. км данных, выявив более 900 известных земляных сооружений и обнаружив 24 ранее не зафиксированные постройки. Однако все их усилия походили на поиск иголки в стоге сена, так как покрытая лидарными данными территория охватывала лишь около 0,08% площади Амазонии.
Поэтому, основываясь на новых находках и ранее обнаруженных земляных сооружениях, Перипато с коллегами разработали компьютерную модель для прогноза мест возможного расположения земляных сооружений. Модель учитывала факторы, позволяющие людям выжить в данном регионе, в частности, расстояние до ближайшего источника воды, количество осадков, температуру и тип почвы.
Результаты моделирования показали, что до сих пор не обнаружено от 10272 до 23648 земляных сооружений. Подавляющее большинство из них, скорее всего, расположено в юго-западной части тропического леса.
Если результаты Перипато и его коллег окажутся верны, будет развеян миф о том, что Амазония — огромное пространство, покрытое девственными лесами, которое сформировалось под воздействием природных сил с минимальным участием человека. Напротив, вблизи мест, где были обнаружены земляные сооружения, наблюдается высокая концентрация 53 видов одомашненных деревьев. Среди них какао, бразильский орех, хлебный орех, каучуковое дерево и десятки других. Это свидетельствует о том, что жители региона изменяли природный ландшафт, чтобы иметь постоянный запас продовольствия и полезных материалов. Так что Амазония похожа скорее не на девственный лес, а на заброшенный сад. Следующий вопрос: почему он был заброшен?
Оригинальная статья (Peripato et al., 2023): http://www.science.org/doi/10.1126/science.ade2541
Статью можно свободно взять здесь.
Качественный пересказ результатов статьи в Smithsonian Magazine.
Подробности о модели и использованных данных — в дополнительных материалах к статье.
* Про открытие культуры Касарабе. Оригинальная статья: Prümers, H., Betancourt, C.J., Iriarte, J. _et al._ Lidar reveals pre-Hispanic low-density urbanism in the Bolivian Amazon. Nature 606, 325–328 (2022). https://doi.org/10.1038/s41586-022-04780-4. Качественный пересказ в Smithsonian Magazine.
#лидар #археология
Расширение использования воздушной лидарной съемки в последние несколько лет привело к резкому скачку числа археологических находок в Амазонии. Так, в прошлом году в Боливии была обнаружена новая археологическая культура — Касарабе*. Раньше, археологи использовали в этом районе данные оптической и радарной съемки, но эти данные не позволяли заглянуть под полог леса, обладали недостаточным пространственным разрешением и не могли обнаружить некоторые виды объектов, в частности, земляные сооружения. Последние в большом количестве обнаруживают на спутниковых снимках высокого разрешения, но сделать это можно только на безлесных территориях, а таких в Амазонии около 17%. Что же происходит на остальных 83%?
Винисиус Перипато, специалист по дистанционному зондированию из Национального института космических исследований Бразилии, искал земляные сооружения по лидарным данным, собранным за 5 лет наблюдений. Вместе с коллегами, он изучил 5315 кв. км данных, выявив более 900 известных земляных сооружений и обнаружив 24 ранее не зафиксированные постройки. Однако все их усилия походили на поиск иголки в стоге сена, так как покрытая лидарными данными территория охватывала лишь около 0,08% площади Амазонии.
Поэтому, основываясь на новых находках и ранее обнаруженных земляных сооружениях, Перипато с коллегами разработали компьютерную модель для прогноза мест возможного расположения земляных сооружений. Модель учитывала факторы, позволяющие людям выжить в данном регионе, в частности, расстояние до ближайшего источника воды, количество осадков, температуру и тип почвы.
Результаты моделирования показали, что до сих пор не обнаружено от 10272 до 23648 земляных сооружений. Подавляющее большинство из них, скорее всего, расположено в юго-западной части тропического леса.
Если результаты Перипато и его коллег окажутся верны, будет развеян миф о том, что Амазония — огромное пространство, покрытое девственными лесами, которое сформировалось под воздействием природных сил с минимальным участием человека. Напротив, вблизи мест, где были обнаружены земляные сооружения, наблюдается высокая концентрация 53 видов одомашненных деревьев. Среди них какао, бразильский орех, хлебный орех, каучуковое дерево и десятки других. Это свидетельствует о том, что жители региона изменяли природный ландшафт, чтобы иметь постоянный запас продовольствия и полезных материалов. Так что Амазония похожа скорее не на девственный лес, а на заброшенный сад. Следующий вопрос: почему он был заброшен?
Оригинальная статья (Peripato et al., 2023): http://www.science.org/doi/10.1126/science.ade2541
Статью можно свободно взять здесь.
Качественный пересказ результатов статьи в Smithsonian Magazine.
Подробности о модели и использованных данных — в дополнительных материалах к статье.
* Про открытие культуры Касарабе. Оригинальная статья: Prümers, H., Betancourt, C.J., Iriarte, J. _et al._ Lidar reveals pre-Hispanic low-density urbanism in the Bolivian Amazon. Nature 606, 325–328 (2022). https://doi.org/10.1038/s41586-022-04780-4. Качественный пересказ в Smithsonian Magazine.
#лидар #археология
Глобальные карты высоты леса
В (Potapov et al., 2020) описан метод создания глобальной карты высоты лесного полога с пространственным разрешением 30 м, основанной на данных космического лидара GEDI и разновременных данных Landsat.
Для создания карты использованы данные GEDI (апрель–октябрь 2019 года) и данные Landsat за 2019 год. Высота леса моделировалась ансамблем деревьев регрессии с движущимся окном. Калибровка модели осуществлялась локально, с применением метрики GEDI RH95 (относительная высота на уровне 95%). В качестве признаков взяты разновременные данные Landsat, призванные отразить фенологические изменения на поверхности. Поскольку лидар GEDI, работающий на борту МКС, позволяет проводить измерения лишь в полосе широт от 51.6° с.ш. до 51.6° ю.ш., то для создания глобальной карты пришлось экстраполировать построенную модель в бореальные регионы (за пределы диапазона данных GEDI).
🌍 Карту можно получить на GEE: Global Forest Canopy Height from GEDI & Landsat.
Карта подготовлена лабораторией Global Land Analysis and Discovery (GLAD) департамента Географических наук университета штата Мэриленд. GLAD известна своими картами Global Forest Change и данными Harmonized Landsat Sentinel-2.
Следующая глобальная карта высоты лесного полога построена по данным 2020 года с пространственным разрешением 10 м (Lang et al., 2023). Для ее создания использованы данные GEDI, спутниковые снимки Sentinel-2 и ансамбль моделей на основе сверточных нейросетей (CNN). Итоговая модель позволяет получить в любой точке Земли высоту лесного полога и погрешность оценки высоты полога.
Применявшиеся ранее подходы для создания карт высоты полога на основе данных GEDI и Landsat-8, в частности (Potapov et al., 2020) реализовывали попиксельное отображение пространства признаков в высоту полога, без учета свойств окрестности пикселя и текстуры изображения. Применение сверточных нейросетей позволило учесть эти локальные особенности, что является существенной новизной предложенного подхода.
Проблема насыщения при расчете высоты полога, которая приводит к ухудшению точности оценок с увеличением высоты полога, в (Lang et al., 2023) решалась чисто механически — за счет огромного объема обучающих данных. Точность оценки высоты по-прежнему падает с увеличением высоты деревьев, хотя и несколько лучше, чем у более ранних подходов.
Важно, что предложенный (Lang et al., 2023) подход к расчету высоты полога может переноситься на другой временной период. Напомним, что лидар GEDI будет работать на орбите по крайней мере до конца 2024 года.
Исходный код и обученные модели доступны на Github: github.com/langnico/global-canopy-height-model.
🌍 Карта на GEE: ETH Global Sentinel-2 10m Canopy Height (2020).
Код примера
Представляется, что данная карта высот лесного полога является лучшей на сегодняшний день среди глобальных карт с точки зрения пространственного разрешения и точности. В то же время, она не использует лидарные данные для оценки высоты за пределами полосы измерений GEDI, что открывает возможности для ее совершенствования, например, с привлечением данных лидара ICESat-2.
P. Potapov, X. Li, A. Hernandez-Serna, A. Tyukavina, M.C. Hansen, A. Kommareddy, A. Pickens, S. Turubanova, H. Tang, C. E. Silva, J. Armston, R. Dubayah, J. B. Blair, M. Hofton (2020). https://doi.org/10.1016/j.rse.2020.112165
Lang, N., Jetz, W., Schindler, K. _et al._ A high-resolution canopy height model of the Earth. _Nat Ecol Evol_ (2023). https://doi.org/10.1038/s41559-023-02206-6
#лидар #лес #данные #GEE
В (Potapov et al., 2020) описан метод создания глобальной карты высоты лесного полога с пространственным разрешением 30 м, основанной на данных космического лидара GEDI и разновременных данных Landsat.
Для создания карты использованы данные GEDI (апрель–октябрь 2019 года) и данные Landsat за 2019 год. Высота леса моделировалась ансамблем деревьев регрессии с движущимся окном. Калибровка модели осуществлялась локально, с применением метрики GEDI RH95 (относительная высота на уровне 95%). В качестве признаков взяты разновременные данные Landsat, призванные отразить фенологические изменения на поверхности. Поскольку лидар GEDI, работающий на борту МКС, позволяет проводить измерения лишь в полосе широт от 51.6° с.ш. до 51.6° ю.ш., то для создания глобальной карты пришлось экстраполировать построенную модель в бореальные регионы (за пределы диапазона данных GEDI).
🌍 Карту можно получить на GEE: Global Forest Canopy Height from GEDI & Landsat.
Карта подготовлена лабораторией Global Land Analysis and Discovery (GLAD) департамента Географических наук университета штата Мэриленд. GLAD известна своими картами Global Forest Change и данными Harmonized Landsat Sentinel-2.
Следующая глобальная карта высоты лесного полога построена по данным 2020 года с пространственным разрешением 10 м (Lang et al., 2023). Для ее создания использованы данные GEDI, спутниковые снимки Sentinel-2 и ансамбль моделей на основе сверточных нейросетей (CNN). Итоговая модель позволяет получить в любой точке Земли высоту лесного полога и погрешность оценки высоты полога.
Применявшиеся ранее подходы для создания карт высоты полога на основе данных GEDI и Landsat-8, в частности (Potapov et al., 2020) реализовывали попиксельное отображение пространства признаков в высоту полога, без учета свойств окрестности пикселя и текстуры изображения. Применение сверточных нейросетей позволило учесть эти локальные особенности, что является существенной новизной предложенного подхода.
Проблема насыщения при расчете высоты полога, которая приводит к ухудшению точности оценок с увеличением высоты полога, в (Lang et al., 2023) решалась чисто механически — за счет огромного объема обучающих данных. Точность оценки высоты по-прежнему падает с увеличением высоты деревьев, хотя и несколько лучше, чем у более ранних подходов.
Важно, что предложенный (Lang et al., 2023) подход к расчету высоты полога может переноситься на другой временной период. Напомним, что лидар GEDI будет работать на орбите по крайней мере до конца 2024 года.
Исходный код и обученные модели доступны на Github: github.com/langnico/global-canopy-height-model.
🌍 Карта на GEE: ETH Global Sentinel-2 10m Canopy Height (2020).
Код примера
Представляется, что данная карта высот лесного полога является лучшей на сегодняшний день среди глобальных карт с точки зрения пространственного разрешения и точности. В то же время, она не использует лидарные данные для оценки высоты за пределами полосы измерений GEDI, что открывает возможности для ее совершенствования, например, с привлечением данных лидара ICESat-2.
P. Potapov, X. Li, A. Hernandez-Serna, A. Tyukavina, M.C. Hansen, A. Kommareddy, A. Pickens, S. Turubanova, H. Tang, C. E. Silva, J. Armston, R. Dubayah, J. B. Blair, M. Hofton (2020). https://doi.org/10.1016/j.rse.2020.112165
Lang, N., Jetz, W., Schindler, K. _et al._ A high-resolution canopy height model of the Earth. _Nat Ecol Evol_ (2023). https://doi.org/10.1038/s41559-023-02206-6
#лидар #лес #данные #GEE
Открытые данные авиационных лидаров
1. NASA Land, Vegetation, and Ice Sensor (LVIS): Blair, J. Processing of NASA LVIS elevation and canopy (LGE, LCE and LGW) data products, version 1.0. NASA https://lvis.gsfc.nasa.gov (2018).
2. Коллекция лидарных измерений высоты лесного полога, выполненных в Европе: Liu, S., Brandt, M., Nord-Larsen, T., Chave, J. et al. (2023). The overlooked contribution of trees outside forests to tree cover and woody biomass across Europe. Science Advances, 9(37). https://doi.org/10.1126/sciadv.adh4097
Растровые данные о высоте лесного полога с пространственным разрешением 10 м, извлеченные из указанных источников находятся в:
✈️ Lang, N., Jetz, W., Schindler, K., & Wegner, J. D. (2023). A high-resolution canopy height model of the Earth. Nature Ecology & Evolution, 1-12, https://doi.org/10.1038/s41559-023-02206-6
Land, Vegetation, and Ice Sensor (LVIS) — это авиационный лазерный альтиметр с широкой полосой обзора, которым NASA собирает данные о рельефе и трехмерной структуре поверхности.
LVIS использует лазер с длиной волны 1064 нм и 3 детектора, с помощью которых оцифровывается вся временнАя история исходящих и возвращающихся импульсов. Вместе с информацией о положении и ориентации самолета, это позволяет получать топографические карты с дециметровой точностью, а также измерять высоту и структуру объектов на поверхности, например, растительности и льда.
LVIS обычно работает на высоте 10 км над землей, создавая полосу данных шириной 2 км со следами* (footprint) диаметром 7–10 м. Возможны конфигурации LVIS с меньшим или большим диаметрами следа. При этом общая ширина полосы данных зависит от высоты полета и диаметра следа.
Данные LVIS уровней L1B и L2 (2017 г. – н. в.) хранятся здесь.
На рисунке показана схема сканирования LVIS: в полосе захвата шириной 2 км насчитывается около 100 следов лучей лидара. Цвет характеризует высоту поверхности (синий — низкая, желтый/белый — высокая). Волнистость полосы является следствием крена самолета.
#лидар #данные
1. NASA Land, Vegetation, and Ice Sensor (LVIS): Blair, J. Processing of NASA LVIS elevation and canopy (LGE, LCE and LGW) data products, version 1.0. NASA https://lvis.gsfc.nasa.gov (2018).
2. Коллекция лидарных измерений высоты лесного полога, выполненных в Европе: Liu, S., Brandt, M., Nord-Larsen, T., Chave, J. et al. (2023). The overlooked contribution of trees outside forests to tree cover and woody biomass across Europe. Science Advances, 9(37). https://doi.org/10.1126/sciadv.adh4097
Растровые данные о высоте лесного полога с пространственным разрешением 10 м, извлеченные из указанных источников находятся в:
✈️ Lang, N., Jetz, W., Schindler, K., & Wegner, J. D. (2023). A high-resolution canopy height model of the Earth. Nature Ecology & Evolution, 1-12, https://doi.org/10.1038/s41559-023-02206-6
Land, Vegetation, and Ice Sensor (LVIS) — это авиационный лазерный альтиметр с широкой полосой обзора, которым NASA собирает данные о рельефе и трехмерной структуре поверхности.
LVIS использует лазер с длиной волны 1064 нм и 3 детектора, с помощью которых оцифровывается вся временнАя история исходящих и возвращающихся импульсов. Вместе с информацией о положении и ориентации самолета, это позволяет получать топографические карты с дециметровой точностью, а также измерять высоту и структуру объектов на поверхности, например, растительности и льда.
LVIS обычно работает на высоте 10 км над землей, создавая полосу данных шириной 2 км со следами* (footprint) диаметром 7–10 м. Возможны конфигурации LVIS с меньшим или большим диаметрами следа. При этом общая ширина полосы данных зависит от высоты полета и диаметра следа.
Данные LVIS уровней L1B и L2 (2017 г. – н. в.) хранятся здесь.
На рисунке показана схема сканирования LVIS: в полосе захвата шириной 2 км насчитывается около 100 следов лучей лидара. Цвет характеризует высоту поверхности (синий — низкая, желтый/белый — высокая). Волнистость полосы является следствием крена самолета.
#лидар #данные
Обзор применения лидаров для оценки биомассы леса
Borsah, A.A.; Nazeer, M.; Wong, M.S. LIDAR-Based Forest Biomass Remote Sensing: A Review of Metrics, Methods, and Assessment Criteria for the Selection of Allometric Equations. Forests, 2023, 14, 2095. https://doi.org/10.3390/f14102095
За последние двадцать лет лидары существенно расширили наши возможности мониторинга биомассы леса. Лидары позволяют измерять множество характеристик лесных насаждений: высоту, базальную площадь, вертикальный профиль, размер кроны, объем ствола и др. Они способны определять биомассу в районах с высокой плотностью леса и не имеют проблем с насыщением. Эффект насыщения состоит в том, что показания сенсоров ДЗЗ в какой-то момент перестают реагировать на увеличение биомассы леса. Этот эффект проявляется у пассивных оптических сенсоров и, отчасти, у радаров. Пример насыщения у радара: 1️⃣ (источник).
С помощью лидаров проводятся дистанционные измерения с наземных, воздушных и космических платформ 2️⃣. Как следует из обзора, в большинстве исследований надземной биомассы леса применялись данные авиационных лидаров, полученные для небольших участков леса.
В разделе "LIDAR Technology for Biomass Studies" есть любопытные соображения по выбору типа лидара для оценки биомассы.
В большинстве исследований для определения надземной биомассы леса применялись не методы машинного обучения, а параметрические модели. Это когда структура модели задается заранее, и в ходе обучения подгоняются только коэффициенты модели. Наиболее влиятельными признаками в моделях являются средняя высота лесного полога (mean canopy height) и средняя квадратичная высота (quadratic mean height).
Авторы обзора изучили публикации по теме с 1999 по 2023 год. На наш взгляд, в обзоре нет удивительных открытий, но он аккуратно фиксирует современное состояние проблемы. Иногда несколько занудно. Например, сообщается, что точность моделей обычно оценивается попиксельно, при помощи коэффициента детерминации и среднеквадратичной ошибки…
#лидар #AGB #лес
Borsah, A.A.; Nazeer, M.; Wong, M.S. LIDAR-Based Forest Biomass Remote Sensing: A Review of Metrics, Methods, and Assessment Criteria for the Selection of Allometric Equations. Forests, 2023, 14, 2095. https://doi.org/10.3390/f14102095
За последние двадцать лет лидары существенно расширили наши возможности мониторинга биомассы леса. Лидары позволяют измерять множество характеристик лесных насаждений: высоту, базальную площадь, вертикальный профиль, размер кроны, объем ствола и др. Они способны определять биомассу в районах с высокой плотностью леса и не имеют проблем с насыщением. Эффект насыщения состоит в том, что показания сенсоров ДЗЗ в какой-то момент перестают реагировать на увеличение биомассы леса. Этот эффект проявляется у пассивных оптических сенсоров и, отчасти, у радаров. Пример насыщения у радара: 1️⃣ (источник).
С помощью лидаров проводятся дистанционные измерения с наземных, воздушных и космических платформ 2️⃣. Как следует из обзора, в большинстве исследований надземной биомассы леса применялись данные авиационных лидаров, полученные для небольших участков леса.
В разделе "LIDAR Technology for Biomass Studies" есть любопытные соображения по выбору типа лидара для оценки биомассы.
В большинстве исследований для определения надземной биомассы леса применялись не методы машинного обучения, а параметрические модели. Это когда структура модели задается заранее, и в ходе обучения подгоняются только коэффициенты модели. Наиболее влиятельными признаками в моделях являются средняя высота лесного полога (mean canopy height) и средняя квадратичная высота (quadratic mean height).
Авторы обзора изучили публикации по теме с 1999 по 2023 год. На наш взгляд, в обзоре нет удивительных открытий, но он аккуратно фиксирует современное состояние проблемы. Иногда несколько занудно. Например, сообщается, что точность моделей обычно оценивается попиксельно, при помощи коэффициента детерминации и среднеквадратичной ошибки…
#лидар #AGB #лес
⭐️ СТРАНЫ / КОМПАНИИ / СПУТНИКИ
Страны: #австралия #германия #индия #иран #испания #канада #китай #португалия #россия #США #япония и т. п.
Но:
#корея обозначает Северную и Южную Кореи
#РБ — Республика Беларусь
#UK — Великобритания
Компании: #planet #maxar
Спутники: #landsat #sentinel1 #sentinel2
⭐️ ДЗЗ
Методы и приборы
#альтиметр
#гиперспектр — гиперспектральная оптическая съемка
#лидар
#оптика — мультиспектральная оптическая съемка
#радиометр — микроволновой радиометр
#dnb — ночная съёмка (day / night band)
#SIF — солнечно-индуцированная флуоресценция хлорофилла
#ro — радиозатменный метод
#SAR — радарная съемка
#InSAR — радарная интерферометрия
#LST — съемка в тепловом инфракрасном диапазоне
#GNSSR — ГНСС-рефлектометрия
#sigint — радиоэлектронная разведка
Виды орбит: #ГСО — геостационарная, #VLEO — сверхнизкая
#основы — обучающие материалы по ДЗЗ
#обучение курсы, обучающие сервисы и т. п.
#история — в основном, история ДЗЗ
#индексы — спектральные индексы
#комбинация — комбинации каналов
Данные
#данные — коллекции данных ДЗЗ, наземных данных, карты и т.п.
#датасет — набор данных для машинного обучения
Дополнительные хештеги, описывающие данные:
#LULC — Land Use & Land Cover
#осадки
#SST — Sea Surface Temperature
#nrt — (near real time) изображения, получаемые в режиме, близком к реальном времени
#debris — космический мусор
#границы — административные границы
#DEM — цифровая модель рельефа (ЦМР)
#keyhole — рассекреченные снимки разведспутников
Литература, справочная информация
#справка — спектральные каналы, орбиты спутников, поиск данных и т.п.
#обзор
#книга — текст книги прикреплён к сообщению.
#журнал — статьи по ДЗЗ, опубликованные в выпуске журнала
Дополнительные хештеги:
#наблюдение — ресурсы для наблюдения спутников и орбиты спутников
#космодромы
#конференции — анонс конференций/семинаров/школ, посвященных ДЗЗ и анализ их материалов.
#конкурсы — анонс конкурсов/чемпионатов/олимпиад.
#МВК — материалы заседаний Межведомственной комиссии (МВК) по использованию результатов космической деятельности.
#снимки — поучительные (хоть в чем-то интересные) снимки, первые снимки
Программные инструменты / Языки
#нейронки #софт #GEE #R #tool #python #ГИС
#ИИ #FM — Foundation Model (Remote Sensing Foundation Model)
⭐️ ОТРАСЛИ / ТЕМАТИЧЕСКИЕ ЗАДАЧИ
#археология #атмосфера #вода #война #засуха #климат #лед #лес #нефть #океан #оползни #наводнение #пожары #почва #растительность #севморпуть #сельхоз #снег
#AGB — надземная биомасса
#ЧС — мониторинг стихийных бедствий и катастроф
#GHG — парниковые газы
Отдельные газы: #CO2 #NO2
#энергетика — космическая энергетика
#SSA — Space Situational Awareness
Страны: #австралия #германия #индия #иран #испания #канада #китай #португалия #россия #США #япония и т. п.
Но:
#корея обозначает Северную и Южную Кореи
#РБ — Республика Беларусь
#UK — Великобритания
Компании: #planet #maxar
Спутники: #landsat #sentinel1 #sentinel2
⭐️ ДЗЗ
Методы и приборы
#альтиметр
#гиперспектр — гиперспектральная оптическая съемка
#лидар
#оптика — мультиспектральная оптическая съемка
#радиометр — микроволновой радиометр
#dnb — ночная съёмка (day / night band)
#SIF — солнечно-индуцированная флуоресценция хлорофилла
#ro — радиозатменный метод
#SAR — радарная съемка
#InSAR — радарная интерферометрия
#LST — съемка в тепловом инфракрасном диапазоне
#GNSSR — ГНСС-рефлектометрия
#sigint — радиоэлектронная разведка
Виды орбит: #ГСО — геостационарная, #VLEO — сверхнизкая
#основы — обучающие материалы по ДЗЗ
#обучение курсы, обучающие сервисы и т. п.
#история — в основном, история ДЗЗ
#индексы — спектральные индексы
#комбинация — комбинации каналов
Данные
#данные — коллекции данных ДЗЗ, наземных данных, карты и т.п.
#датасет — набор данных для машинного обучения
Дополнительные хештеги, описывающие данные:
#LULC — Land Use & Land Cover
#осадки
#SST — Sea Surface Temperature
#nrt — (near real time) изображения, получаемые в режиме, близком к реальном времени
#debris — космический мусор
#границы — административные границы
#DEM — цифровая модель рельефа (ЦМР)
#keyhole — рассекреченные снимки разведспутников
Литература, справочная информация
#справка — спектральные каналы, орбиты спутников, поиск данных и т.п.
#обзор
#книга — текст книги прикреплён к сообщению.
#журнал — статьи по ДЗЗ, опубликованные в выпуске журнала
Дополнительные хештеги:
#наблюдение — ресурсы для наблюдения спутников и орбиты спутников
#космодромы
#конференции — анонс конференций/семинаров/школ, посвященных ДЗЗ и анализ их материалов.
#конкурсы — анонс конкурсов/чемпионатов/олимпиад.
#МВК — материалы заседаний Межведомственной комиссии (МВК) по использованию результатов космической деятельности.
#снимки — поучительные (хоть в чем-то интересные) снимки, первые снимки
Программные инструменты / Языки
#нейронки #софт #GEE #R #tool #python #ГИС
#ИИ #FM — Foundation Model (Remote Sensing Foundation Model)
⭐️ ОТРАСЛИ / ТЕМАТИЧЕСКИЕ ЗАДАЧИ
#археология #атмосфера #вода #война #засуха #климат #лед #лес #нефть #океан #оползни #наводнение #пожары #почва #растительность #севморпуть #сельхоз #снег
#AGB — надземная биомасса
#ЧС — мониторинг стихийных бедствий и катастроф
#GHG — парниковые газы
Отдельные газы: #CO2 #NO2
#энергетика — космическая энергетика
#SSA — Space Situational Awareness
Как обычно по субботам будет краткий обзор событий недели из мира ДЗЗ.
Очередной радарный спутник Synspective — StriX-3 — будет запущен в марте [ссылка]
Запуск космического аппарата StriX-3 японской компании Synspective запланирован на 8-дневное окно, которое откроется 9 марта. StriX-3 станет четвертым спутником компании, следом за StriX-α, StriX-β и StriX-1, запущенными в декабре 2020, марте и сентябре 2022 года соответственно.
NUVIEW приобретает компанию Astræa, чтобы использовать искусственный интеллект для обработки данных ДЗЗ [ссылка]
Компания NUVIEW, создающая первую в мире коммерческую лидарную спутниковую группировку, приобрела компанию Astræa, Inc. — платформу, предоставляющую программное обеспечение как услугу (SaaS). Инфраструктура и наработки Astræa, основанные на искусственном интеллекте, должны позволить NUVIEW реализовать собственную стратегию по созданию инструмента обработки и предоставления пользователю готовых к работе данных наблюдения Земли.
Crisis Response Program компании Planet предоставила избранные некоммерческие данные о продолжающихся лесных пожарах в Чили [ссылка]
Crisis Response Program от Planet — программа избирательного доступа к данным Planet, для организации помощи в мониторинге и ликвидации последствий стихийных бедствий. Ранее, аналогичную программу реализовала Maxar. Однако, если доступ к данным Maxar Open Data Program открыт, то для получения данных Planet необходимо подать заявку.
#SAR #лидар #оптика #planet
Очередной радарный спутник Synspective — StriX-3 — будет запущен в марте [ссылка]
Запуск космического аппарата StriX-3 японской компании Synspective запланирован на 8-дневное окно, которое откроется 9 марта. StriX-3 станет четвертым спутником компании, следом за StriX-α, StriX-β и StriX-1, запущенными в декабре 2020, марте и сентябре 2022 года соответственно.
NUVIEW приобретает компанию Astræa, чтобы использовать искусственный интеллект для обработки данных ДЗЗ [ссылка]
Компания NUVIEW, создающая первую в мире коммерческую лидарную спутниковую группировку, приобрела компанию Astræa, Inc. — платформу, предоставляющую программное обеспечение как услугу (SaaS). Инфраструктура и наработки Astræa, основанные на искусственном интеллекте, должны позволить NUVIEW реализовать собственную стратегию по созданию инструмента обработки и предоставления пользователю готовых к работе данных наблюдения Земли.
Crisis Response Program компании Planet предоставила избранные некоммерческие данные о продолжающихся лесных пожарах в Чили [ссылка]
Crisis Response Program от Planet — программа избирательного доступа к данным Planet, для организации помощи в мониторинге и ликвидации последствий стихийных бедствий. Ранее, аналогичную программу реализовала Maxar. Однако, если доступ к данным Maxar Open Data Program открыт, то для получения данных Planet необходимо подать заявку.
#SAR #лидар #оптика #planet
Данные наземных и авиационных лидарных измерений на Oak Ridge National Laboratory Distributed Active Archive Center (ORNL DAAC) NASA: поиск в данных по ключевому слову lidar ⬆️.
Данные получены в период 2008–2018 гг. и относятся к нескольким районам Бразилии, Индонезии (Калимантан) и США (Аляска и Айдахо).
#данные #лидар
Данные получены в период 2008–2018 гг. и относятся к нескольким районам Бразилии, Индонезии (Калимантан) и США (Аляска и Айдахо).
#данные #лидар
Выпущен глобальный набор данных высоты растительности по наблюдениям космических лидаров GEDI и ICESat2
Первая версия Global Vegetation Height Metrics from GEDI and ICESat2 содержит значения относительных показателей высоты растительности по данным GEDI уровня 2A и данным ICESat-2 уровня 3A с пространственным разрешением 100-, 200-, 500- и 1000 метров.
Метрики включают относительные высоты RH98, RH90, RH75 и RH50, соответствующие высотам, на которых достигается 98-й, 90-й, 75-й и 50-й процентиль возвращенной энергии относительно земли. Эти метрики позволяют оценить высоту и структуру растительного полога. Выполнена взаимная калибровка метрик по области перекрытия данных (50–52° с.ш.).
Данные GEDI были собраны в период с 2019 по 2022 год, а данные ICESat-2 — в период с 2019 по 2021 год. Данные предоставлены в формате Cloud Optimized GeoTIFF.
🔗 Saatchi, S.S., and S. Favrichon. 2023. Global Vegetation Height Metrics from GEDI and ICESat2. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/2294
#растительность #лидар #лес #данные
Первая версия Global Vegetation Height Metrics from GEDI and ICESat2 содержит значения относительных показателей высоты растительности по данным GEDI уровня 2A и данным ICESat-2 уровня 3A с пространственным разрешением 100-, 200-, 500- и 1000 метров.
Метрики включают относительные высоты RH98, RH90, RH75 и RH50, соответствующие высотам, на которых достигается 98-й, 90-й, 75-й и 50-й процентиль возвращенной энергии относительно земли. Эти метрики позволяют оценить высоту и структуру растительного полога. Выполнена взаимная калибровка метрик по области перекрытия данных (50–52° с.ш.).
Данные GEDI были собраны в период с 2019 по 2022 год, а данные ICESat-2 — в период с 2019 по 2021 год. Данные предоставлены в формате Cloud Optimized GeoTIFF.
🔗 Saatchi, S.S., and S. Favrichon. 2023. Global Vegetation Height Metrics from GEDI and ICESat2. ORNL DAAC, Oak Ridge, Tennessee, USA. https://doi.org/10.3334/ORNLDAAC/2294
#растительность #лидар #лес #данные