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
”Пожиратель кораблей” на пенсии
Это снимок сделан 18 июля 2018 года с борта МКС, а изображен на нем остров Сейбл (географические координаты: 43.933189, -60.006316), расположенный у восточного побережья Канады. Сейбл имеет форму песчаной косы, длиной более 40 километров и шириной всего около 1,5 километров. Он постоянно перемещаются вглубь Атлантики, отдаляясь от континента со скоростью около 200 метров в год. Причиной этого служит расположение острова на стыке двух течений: теплого Гольфстрима и холодного Лабрадорского. В месте встречи течений образуются сильные водовороты, которые размывают остров с западной стороны и наносят песчаный грунт с восточной. Процесс этот протекает неравномерно, так что сейчас площадь острова медленно сокращается.
Сильные водовороты, частые туманы и плохая видимость низких берегов острова привели к тому, что с XVI века песчаные мели Сейбла стали причиной гибели, по меньшей мере, 300 крупных судов, отчего остров и получил свое неофициальное название. Подробней об этом можно узнать из очерка Льва Сухинина “Ненасытное чрево острова Сейбл“, опубликованном в журнале “Вокруг Света”, № 9 за 1978 год. Решило проблему современное навигационное оборудование: последнее судно погибло у здешних берегов в конце 1940-х годов.
Сейчас визитной карточкой острова являются дикие лошади, которые обитают здесь с XVIII века. Как предполагают исследователи, предки этих лошадей спаслись после очередного кораблекрушения и сумели устроиться на блуждающем острове. Позже их активно использовали работники спасательной станции: на лошадях патрулировали остров и перемещали спасательные лодки. Позже население острова сократилось, зато лошади расплодились. В 1959 году канадское правительство решило вывести лошадей с острова и пустить их на мясо. Но в адрес тогдашнего премьер-министра Джона Дифенбейкера стало приходить множество писем от детей со всей страны и даже из других уголков мира с просьбой оставить лошадей на острове. В итоге лошадей оставили в покое и сейчас они находятся под охраной. Согласно отчету 2016 года, на острове проживает около 550 лошадей.
А еще на берегах острова находится крупнейшая в мире детная залежка* серых тюленей. Ежегодно здесь рождается порядка 50 000 котиков и тюленей.
*именно так называется место, где появляются на свет детеныши тюленей.
#снимки
Это снимок сделан 18 июля 2018 года с борта МКС, а изображен на нем остров Сейбл (географические координаты: 43.933189, -60.006316), расположенный у восточного побережья Канады. Сейбл имеет форму песчаной косы, длиной более 40 километров и шириной всего около 1,5 километров. Он постоянно перемещаются вглубь Атлантики, отдаляясь от континента со скоростью около 200 метров в год. Причиной этого служит расположение острова на стыке двух течений: теплого Гольфстрима и холодного Лабрадорского. В месте встречи течений образуются сильные водовороты, которые размывают остров с западной стороны и наносят песчаный грунт с восточной. Процесс этот протекает неравномерно, так что сейчас площадь острова медленно сокращается.
Сильные водовороты, частые туманы и плохая видимость низких берегов острова привели к тому, что с XVI века песчаные мели Сейбла стали причиной гибели, по меньшей мере, 300 крупных судов, отчего остров и получил свое неофициальное название. Подробней об этом можно узнать из очерка Льва Сухинина “Ненасытное чрево острова Сейбл“, опубликованном в журнале “Вокруг Света”, № 9 за 1978 год. Решило проблему современное навигационное оборудование: последнее судно погибло у здешних берегов в конце 1940-х годов.
Сейчас визитной карточкой острова являются дикие лошади, которые обитают здесь с XVIII века. Как предполагают исследователи, предки этих лошадей спаслись после очередного кораблекрушения и сумели устроиться на блуждающем острове. Позже их активно использовали работники спасательной станции: на лошадях патрулировали остров и перемещали спасательные лодки. Позже население острова сократилось, зато лошади расплодились. В 1959 году канадское правительство решило вывести лошадей с острова и пустить их на мясо. Но в адрес тогдашнего премьер-министра Джона Дифенбейкера стало приходить множество писем от детей со всей страны и даже из других уголков мира с просьбой оставить лошадей на острове. В итоге лошадей оставили в покое и сейчас они находятся под охраной. Согласно отчету 2016 года, на острове проживает около 550 лошадей.
А еще на берегах острова находится крупнейшая в мире детная залежка* серых тюленей. Ежегодно здесь рождается порядка 50 000 котиков и тюленей.
*именно так называется место, где появляются на свет детеныши тюленей.
#снимки
Глобальные карты потоков углерода лесов за 2000–2021 годы
На картах представлены выбросы углерода (в тоннах/га), возникающие в результате нарушений лесов. Нарушения подсчитываются за каждый год наблюдаемого периода — с 2001 по 2021. Данные имеют глобальный охват, пространственное разрешение 30 метров и обновляются ежегодно. Они представлены на сервисе Global Forest Watch, в разделе Climate. в виде трех видов карт: Forest greenhouse gas emissions, Forest carbon removals и Forest greenhouse gas net flux.
Процедура моделирования потоков углерода описана в Harris et al. Global maps of twenty-first century forest carbon fluxes. Nature Climate Change (2021). К сожалению, описание сверхкороткое, так что многие утверждения авторов приходится принимать на веру. Зато код модели находится в открытом доступе, так что кое-что можно узнать из него.
По утверждению авторов, выбросы включают все пулы углерода леса (надземная биомасса, подземная биомасса, валежник, подстилка, почва) и парниковые газы (CO2, CH4, N2O). Оценки выбросов для каждого пикселя рассчитываются в соответствии с Руководящими принципами МГЭИК (Межправительственная группа экспертов по изменению климата) для национальных инвентаризаций парниковых газов. Доля углерода, выделяемого из каждого пикселя при нарушении (коэффициент выбросов), зависит от нескольких факторов, включая непосредственную причину нарушения, наблюдался ли пожар в год наблюдаемого нарушения или предшествующий ему, произошло ли нарушение на торфянике и т. д.
Ежегодные нарушения (потерю) и возобновление лесного покрова фиксируют по данным Global Forest Change.
На карте показаны нетто-потоки парниковых газов — Forest greenhouse gas net flux. Фиолетовый цвет означает эмиссию парниковых газов в атмосферу, зеленый поглощение парниковых газов лесом.
#климат #лес #данные
На картах представлены выбросы углерода (в тоннах/га), возникающие в результате нарушений лесов. Нарушения подсчитываются за каждый год наблюдаемого периода — с 2001 по 2021. Данные имеют глобальный охват, пространственное разрешение 30 метров и обновляются ежегодно. Они представлены на сервисе Global Forest Watch, в разделе Climate. в виде трех видов карт: Forest greenhouse gas emissions, Forest carbon removals и Forest greenhouse gas net flux.
Процедура моделирования потоков углерода описана в Harris et al. Global maps of twenty-first century forest carbon fluxes. Nature Climate Change (2021). К сожалению, описание сверхкороткое, так что многие утверждения авторов приходится принимать на веру. Зато код модели находится в открытом доступе, так что кое-что можно узнать из него.
По утверждению авторов, выбросы включают все пулы углерода леса (надземная биомасса, подземная биомасса, валежник, подстилка, почва) и парниковые газы (CO2, CH4, N2O). Оценки выбросов для каждого пикселя рассчитываются в соответствии с Руководящими принципами МГЭИК (Межправительственная группа экспертов по изменению климата) для национальных инвентаризаций парниковых газов. Доля углерода, выделяемого из каждого пикселя при нарушении (коэффициент выбросов), зависит от нескольких факторов, включая непосредственную причину нарушения, наблюдался ли пожар в год наблюдаемого нарушения или предшествующий ему, произошло ли нарушение на торфянике и т. д.
Ежегодные нарушения (потерю) и возобновление лесного покрова фиксируют по данным Global Forest Change.
На карте показаны нетто-потоки парниковых газов — Forest greenhouse gas net flux. Фиолетовый цвет означает эмиссию парниковых газов в атмосферу, зеленый поглощение парниковых газов лесом.
#климат #лес #данные
harris2021_methods.pdf
834.1 KB
Описание методов моделирования потоков углерода из Harris et al. Global maps of twenty-first century forest carbon fluxes (2021).
Запущен Dragonette-001 — первый аппарат гиперcпектральной группировки Wyvern
15 апреля 2023 года выведен на орбиту первый спутник из гиперспектральной группировки канадской компании Wyvern. Мы прозевали этот пуск, и пропустили бы все на свете, если бы не заметка коллеги — спасибо ему за информацию.
Спутник называется Dragonette-001. Это 6U CubeSat, который выводился в транспортно-пусковом контейнере ION Satellite Carrier. Gunter’s Space Page сообщил о запуске контейнера, не указав его “начинку”. Кстати, следующий запуск контейнера (ION-SCV 011) планируется 10 июня этого года. Весьма вероятно, что в нем будут находиться Dragonette-002 и -003 — аппараты, идентичные Dragonette-001.
Wyvern планирует развернуть на орбите группировку из 36 спутников. Спутники разработаны и изготавливаются AAC Clyde Space, название платформы — EPICHyper.
Dragonette-001 получает данные в 23 спектральных каналах с разрешением 5.3 метра. Чем больше каналов, тем точнее представлен спектр отражения объекта. 23 канала — совсем не много для гиперспектральной съемки, где могут быть сотни каналов. Впрочем, главное здесь даже не число каналов, а их ширина. Каналы должны быть достаточно узкими, чтобы регистрировать тонкие отличия в спектре отражения. У обычных (мультиспектральных) оптических сенсоров ширина каналов составляет 40–50 нм (в отдельных случаях — 20 нм), а у гиперспектральных — 10 нм.
Состав спектральных каналов не сообщается. Обычно, это каналы в видимой, ближней ИК и коротковолновой ИК областях спектра. Для сельского хозяйства, где Wyvern собирается применять свои данные, понадобятся все эти области спектра или, как минимум, видимая и ближняя ИК.
Пространственное разрешение 5.3 метра — очень хорошо. Сейчас есть всего один спутник, предоставляющий общедоступные гиперспектральные снимки — итальянский аппарат PRISMA. У него пространственное разрешение 30 метров.
Wyvern предполагает использовать полученные данные в сельском хозяйстве, где они помогут выявлять вредителей, сорные растения и изменения в составе почвы. Кроме спутников, Wyvern занимается дронами, также ведущими гиперспектральную съемку.
На всякий случай напомним, что от гиперспектральной съемки замаскироваться намного сложнее, чем от мультиспектральной. И заинтересованным организациям об этом хорошо известно. Сейчас Wyvern — канадская компания, так что если мы заметим ее движение в сторону создания американского филиала, следующий шаг предсказать будет легко.
#гиперспектр
15 апреля 2023 года выведен на орбиту первый спутник из гиперспектральной группировки канадской компании Wyvern. Мы прозевали этот пуск, и пропустили бы все на свете, если бы не заметка коллеги — спасибо ему за информацию.
Спутник называется Dragonette-001. Это 6U CubeSat, который выводился в транспортно-пусковом контейнере ION Satellite Carrier. Gunter’s Space Page сообщил о запуске контейнера, не указав его “начинку”. Кстати, следующий запуск контейнера (ION-SCV 011) планируется 10 июня этого года. Весьма вероятно, что в нем будут находиться Dragonette-002 и -003 — аппараты, идентичные Dragonette-001.
Wyvern планирует развернуть на орбите группировку из 36 спутников. Спутники разработаны и изготавливаются AAC Clyde Space, название платформы — EPICHyper.
Dragonette-001 получает данные в 23 спектральных каналах с разрешением 5.3 метра. Чем больше каналов, тем точнее представлен спектр отражения объекта. 23 канала — совсем не много для гиперспектральной съемки, где могут быть сотни каналов. Впрочем, главное здесь даже не число каналов, а их ширина. Каналы должны быть достаточно узкими, чтобы регистрировать тонкие отличия в спектре отражения. У обычных (мультиспектральных) оптических сенсоров ширина каналов составляет 40–50 нм (в отдельных случаях — 20 нм), а у гиперспектральных — 10 нм.
Состав спектральных каналов не сообщается. Обычно, это каналы в видимой, ближней ИК и коротковолновой ИК областях спектра. Для сельского хозяйства, где Wyvern собирается применять свои данные, понадобятся все эти области спектра или, как минимум, видимая и ближняя ИК.
Пространственное разрешение 5.3 метра — очень хорошо. Сейчас есть всего один спутник, предоставляющий общедоступные гиперспектральные снимки — итальянский аппарат PRISMA. У него пространственное разрешение 30 метров.
Wyvern предполагает использовать полученные данные в сельском хозяйстве, где они помогут выявлять вредителей, сорные растения и изменения в составе почвы. Кроме спутников, Wyvern занимается дронами, также ведущими гиперспектральную съемку.
На всякий случай напомним, что от гиперспектральной съемки замаскироваться намного сложнее, чем от мультиспектральной. И заинтересованным организациям об этом хорошо известно. Сейчас Wyvern — канадская компания, так что если мы заметим ее движение в сторону создания американского филиала, следующий шаг предсказать будет легко.
#гиперспектр
На снимке, сделанном 12 мая с борта Международной космической станции (ISS069-E-10181) — корабль "Союз МС-23", пристыкованный к модулю "Причал". Станция находится над северо-восточным побережьем США. Внизу хорошо видны огни Нью-Йорка и близлежащих городов.
Рекомендуемые практики спутникового мониторинга чрезвычайных ситуаций UN-SPIDER
UN-SPIDER (United Nations Platform for Space-based Information for Disaster Management and Emergency Response) — единый информационный ресурс, посвященный использованию спутниковых данных для предупреждения, выявления и ликвидации последствий чрезвычайных ситуаций. UN-SPIDER учрежден резолюцией Генеральной Ассамблеи ООН № 61/110 от 14 декабря 2006 года.
При возникновении угрозы чрезвычайной ситуации ключевое слово — “быстро”. Нужно быстро собрать все, что есть под рукой и начать работать. Поэтому спутниковые данные и софт предполагаются бесплатными и общедоступными, а алгоритмы обработки данных — быстрыми, но рабочими. То есть сбор данных, машинное обучение и расчеты должны проделываться как можно быстрее, а алгоритмы могут быть не самыми современными, но имеющими адекватную задаче точность. Требования к пользователю минимальны — наличие компьютера и Интернета (последнее — не всегда, но часто). Когда все это собрано вместе, на первый план выступает процесс обработки данных и создания из них информационных продуктов, позволяющих решить поставленную задачу (например, оценить площадь зоны затопления).
Здесь и пригодится UN-SPIDER. В нем описаны пошаговые процедуры, так называемые рекомендуемые практики (Recommended Practices), которые доказали свою эффективность при создании информационных продуктов на основе спутниковых данных дистанционного зондирования для оценки наводнений, засух и лесных пожаров и т. п. Сейчас таких практик семнадцать.
Каждая рекомендуемая практика состоит из обзора, пошаговой (Step by Step) и подробной (In Detail) страниц.
На обзорной странице (например) вы знакомитесь с постановкой задачи и примером реальной чрезвычайной ситуации, для которой эта задача решалась. Здесь же представлена блок-схема работы (Fflowchart).
На странице Step by Step указано программное обеспечение и данные, необходимые для решения задачи, а также описан пошаговый процесс создания требуемого информационного продукта (в нашем примере — карты зон затопления). В конце есть обязательный раздел “Application and Limitations” — в каких случаях можно применять описанный подход и какие ограничения он имеет. Из программного обеспечения чаще всего используются QGIS, GEE и SNAP (Sentinel Application Platform), из языков программирования — R и Python.
На странице In Detail кратко описана теория, на которой основаны алгоритмы из Step by Step, и даны ссылки на литературу.
Список рекомендуемых практик: https://un-spider.org/advisory-support/recommended-practices
#основы
UN-SPIDER (United Nations Platform for Space-based Information for Disaster Management and Emergency Response) — единый информационный ресурс, посвященный использованию спутниковых данных для предупреждения, выявления и ликвидации последствий чрезвычайных ситуаций. UN-SPIDER учрежден резолюцией Генеральной Ассамблеи ООН № 61/110 от 14 декабря 2006 года.
При возникновении угрозы чрезвычайной ситуации ключевое слово — “быстро”. Нужно быстро собрать все, что есть под рукой и начать работать. Поэтому спутниковые данные и софт предполагаются бесплатными и общедоступными, а алгоритмы обработки данных — быстрыми, но рабочими. То есть сбор данных, машинное обучение и расчеты должны проделываться как можно быстрее, а алгоритмы могут быть не самыми современными, но имеющими адекватную задаче точность. Требования к пользователю минимальны — наличие компьютера и Интернета (последнее — не всегда, но часто). Когда все это собрано вместе, на первый план выступает процесс обработки данных и создания из них информационных продуктов, позволяющих решить поставленную задачу (например, оценить площадь зоны затопления).
Здесь и пригодится UN-SPIDER. В нем описаны пошаговые процедуры, так называемые рекомендуемые практики (Recommended Practices), которые доказали свою эффективность при создании информационных продуктов на основе спутниковых данных дистанционного зондирования для оценки наводнений, засух и лесных пожаров и т. п. Сейчас таких практик семнадцать.
Каждая рекомендуемая практика состоит из обзора, пошаговой (Step by Step) и подробной (In Detail) страниц.
На обзорной странице (например) вы знакомитесь с постановкой задачи и примером реальной чрезвычайной ситуации, для которой эта задача решалась. Здесь же представлена блок-схема работы (Fflowchart).
На странице Step by Step указано программное обеспечение и данные, необходимые для решения задачи, а также описан пошаговый процесс создания требуемого информационного продукта (в нашем примере — карты зон затопления). В конце есть обязательный раздел “Application and Limitations” — в каких случаях можно применять описанный подход и какие ограничения он имеет. Из программного обеспечения чаще всего используются QGIS, GEE и SNAP (Sentinel Application Platform), из языков программирования — R и Python.
На странице In Detail кратко описана теория, на которой основаны алгоритмы из Step by Step, и даны ссылки на литературу.
Список рекомендуемых практик: https://un-spider.org/advisory-support/recommended-practices
#основы
Пример страницы UN-SPIDER: Рекомендуемая практика картирования наводнений и оценки ущерба с помощью оптических данных Sentinel-2.
Доступ к Z-Library
Любопытный способ доступа к ресурсам наладила возобновившая свою работу библиотека Z-Library. Для этого нужно зарегистрироваться по одному из адресов https://singlelogin.re/ или https://singlelogin.site/, после чего вам на почту придет письмо с адресами индивидуального доступа к Z-Library.
Z-Library — одна из крупнейших библиотек научной, технической и научно-популярной литературы. Утверждается, что с 2018 года библиотека интегрирована с Library Genesis, где она выступает как Bookfi. Так или иначе, но еще один способ доступа к научной литературе не помешает))
Любопытный способ доступа к ресурсам наладила возобновившая свою работу библиотека Z-Library. Для этого нужно зарегистрироваться по одному из адресов https://singlelogin.re/ или https://singlelogin.site/, после чего вам на почту придет письмо с адресами индивидуального доступа к Z-Library.
Z-Library — одна из крупнейших библиотек научной, технической и научно-популярной литературы. Утверждается, что с 2018 года библиотека интегрирована с Library Genesis, где она выступает как Bookfi. Так или иначе, но еще один способ доступа к научной литературе не помешает))
Следы кораблей в воздухе образуются, когда мелкие частицы из выхлопных газов кораблей попадают во влажный слой атмосферы. Эти частицы служат ядрами конденсации, из которых образуются облака, а также притягивают воду из существующих облаков. Снимок сделан над северной частью Тихого океана прибором MODIS на борту спутника Aqua 3 июля 2010 года (источник).
#снимки #атмосфера
#снимки #атмосфера
Forwarded from Aerospace Capital 🛰🚀
Началась интеграция космических аппаратов с пусковыми контейнерами Аэроспейс Кэпитал! 🛰️
Подготовка к предстоящему запуску во втором квартале этого года идет полным ходом 🚀
Подготовка к предстоящему запуску во втором квартале этого года идет полным ходом 🚀
GEE: УЧЕБНЫЕ РЕСУРСЫ
Учебники ДЗЗ на основе GEE
Cloud-Based Remote Sensing with Google Earth Engine: Fundamentals and Applications / Eds. Jeffrey A. Cardille, Morgan A. Crowley, David Saah, Nicholas E. Clinton. — Springer, 2024. https://doi.org/10.1007/978-3-031-26588-4
GEE Developers: Earth Engine resources for higher education — коллекция курсов ДЗЗ, сделанных на основе GEE.
Remote Sensing with Google Earth Engine — растущий учебник по ДЗЗ с примерами в GEE (JavaScript API).
Geospatial Ecology and Remote Sensing — вводные курсы по ДЗЗ и экологическому мониторингу, опирающиеся на GEE (JS).
Regional Agronomy — введение в мониторинг сельскохозяйственных культур при помощи ДЗЗ и GEE (JavaScript). В частности, описана классификация, реализованная в GEE (randomForest).
Учебники по GEE
Переход JavaScript API ↔️ Python API
JavaScript
GEE Developers: Get Started with Earth Engine — официальное руководство для начинающих.
End-to-End Google Earth Engine (Full Course Material) — Основы даны на JS, в конце переходят на Python API. Есть интересные примеры задач.
Geohachweek: Google Earth Engine — введение в GEE.
Google Earth Engine Platform for Big Data Processing — Big Data здесь нет, а есть хороший вводный курс GEE. В третьей главе рассмотрены классификация и регрессия в GEE.
Python
Geospatial Data Science with Earth Engine and Geemap — книга д-ра Q. Wu, автора питоновского пакета geemap и массы руководств по GEE. Для тех, кто обучается GEE с нуля и работает с Python API. Есть более ранние GEE Tutorials в виде отдельных Jupyter-блокнотов. К каждому примеру есть видео. Код примеров: https://github.com/giswqs/earthengine-py-examples
Worldbank Open Nighttime Lights — курс по GEE на Python API, интересный с точки зрения рассмотренных тем. В частности: классификация и регрессия, статистический вывод и интеркалибровка спутниковых сенсоров.
Earth Engine API Colab Setup — настройка совместной работы GEE + Colab.
Google Earth Engine with Python (EEwPython) — коллекция блокнотов по использованию GEE + Colab: 1. Developer's Guide, 2. Image, 3. ImageCollection, 4. Geometry, Feature & FeatureCollections, 5. Reducer, 6. Joins, 7. Chart, 8. Array, 9. Specialized Algorithms, 10. Export data
PreLab - Intro to GEE — шесть лекций с примерами (JS/Python). Есть временные ряды и ночные снимки.
GEE + TensorFlow — как наладить совместное использование GEE и TensorFlow.
Google Earth Engine (GEE) and Image Analysis — курс по GEE и ДЗЗ для совместного использования с CLIMADA (вероятностной моделью оценки риска изменения климата).
Time series analysis — лабораторная работа по анализу временных рядов в GEE.
#GEE
Учебники ДЗЗ на основе GEE
Cloud-Based Remote Sensing with Google Earth Engine: Fundamentals and Applications / Eds. Jeffrey A. Cardille, Morgan A. Crowley, David Saah, Nicholas E. Clinton. — Springer, 2024. https://doi.org/10.1007/978-3-031-26588-4
GEE Developers: Earth Engine resources for higher education — коллекция курсов ДЗЗ, сделанных на основе GEE.
Remote Sensing with Google Earth Engine — растущий учебник по ДЗЗ с примерами в GEE (JavaScript API).
Geospatial Ecology and Remote Sensing — вводные курсы по ДЗЗ и экологическому мониторингу, опирающиеся на GEE (JS).
Regional Agronomy — введение в мониторинг сельскохозяйственных культур при помощи ДЗЗ и GEE (JavaScript). В частности, описана классификация, реализованная в GEE (randomForest).
Учебники по GEE
Переход JavaScript API ↔️ Python API
JavaScript
GEE Developers: Get Started with Earth Engine — официальное руководство для начинающих.
End-to-End Google Earth Engine (Full Course Material) — Основы даны на JS, в конце переходят на Python API. Есть интересные примеры задач.
Geohachweek: Google Earth Engine — введение в GEE.
Google Earth Engine Platform for Big Data Processing — Big Data здесь нет, а есть хороший вводный курс GEE. В третьей главе рассмотрены классификация и регрессия в GEE.
Python
Geospatial Data Science with Earth Engine and Geemap — книга д-ра Q. Wu, автора питоновского пакета geemap и массы руководств по GEE. Для тех, кто обучается GEE с нуля и работает с Python API. Есть более ранние GEE Tutorials в виде отдельных Jupyter-блокнотов. К каждому примеру есть видео. Код примеров: https://github.com/giswqs/earthengine-py-examples
Worldbank Open Nighttime Lights — курс по GEE на Python API, интересный с точки зрения рассмотренных тем. В частности: классификация и регрессия, статистический вывод и интеркалибровка спутниковых сенсоров.
Earth Engine API Colab Setup — настройка совместной работы GEE + Colab.
Google Earth Engine with Python (EEwPython) — коллекция блокнотов по использованию GEE + Colab: 1. Developer's Guide, 2. Image, 3. ImageCollection, 4. Geometry, Feature & FeatureCollections, 5. Reducer, 6. Joins, 7. Chart, 8. Array, 9. Specialized Algorithms, 10. Export data
PreLab - Intro to GEE — шесть лекций с примерами (JS/Python). Есть временные ряды и ночные снимки.
GEE + TensorFlow — как наладить совместное использование GEE и TensorFlow.
Google Earth Engine (GEE) and Image Analysis — курс по GEE и ДЗЗ для совместного использования с CLIMADA (вероятностной моделью оценки риска изменения климата).
Time series analysis — лабораторная работа по анализу временных рядов в GEE.
#GEE