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

GEE: ПОЛЕЗНЫЕ ССЫЛКИ

Ответы на вопросы

🔹https://stackoverflow.com/
🔹https://gis.stackexchange.com/ есть:
🔹Google Earth Engine Developers в Группах Google.


Специальные задачи

🌍 Harmonization of Landsat and Sentinel 2 in Google Earth Engine — попытка создания единого временного ряда данных Landsat и Sentinel-2: код (JS API) и документация. Особенно интересны BRDF-коррекция и топокоррекция.
🌍 Гармонизация данных Landsat и Sentinel-2 с помощью Google Earth Engine — ещё один способ создания плотного временного ряда Landsat + Sentinel-2 исключительно средствами GEE (JavaScript).
☁️ Multitemporal Cloud Masking in the Google Earth Engine — маскирование облачности по разновременным данным: код, документация, ссылки на теорию.


Скрипты

📝 Open Geo Blog — куча примеров кода (JS).


”Подвал”

Давно не обновлялось, но рабочее. и лень выбросить

🔹Хабр / Earth Engine от Google — уникальная платформа для анализа больших геоданных — хороший обзор возможностей GEE (2020 год). Описано немного внутренней кухни GEE, например граф вычислений.
🔹Keiko Nomura GEE Tips — нетривиальные советы по работе в GEE.
🔹Awesome GEE — обновляемый список ресурсов по GEE.

#GEE

Сегодня — "санитарный день") Разбираемся с накопившимися ссылками, приводим все в порядок. Важное поместим в закреп.

Термины и сокращения

ГНСС / глобальная навигационная спутниковая система
ДЗЗ / дистанционное зондирование Земли
ИК / инфракрасный (диапазон)
КА / космический аппарат
МКС / Международная космическая станция

BOA / Bottom of Atmosphere — спутниковые данные 2-го уровня обработки
DEM / Digital Elevation Model — цифровая модель рельефа (ЦМР)
GEE / Google Earth Engine
GEO / Geostationary orbit — геостационарная (геосинхронная) орбита (высота 35 786 км).
GNSS-RO / Global Navigation Satellite System-Radio Occultation — ГНСС-радиозатменные измерения
LEO / Low Earth orbit — низкая околоземная орбита (высотой до 2000 км)
LST / land surface temperature — температура земной поверхности
LULC / Land Use & Land Cover — карта землепользования и земного покрова
MEO / Medium Earth orbit — средняя околоземная орбита (высотой от 2000 км до 35 786 км)
NIR / near-infrared — ближний инфракрасный диапазон (700–1300 нм)
Red Edge — красный край фотосинтеза (около 700 нм)
SAR / Synthetic-aperture radar — радар с синтезированной апертурой
SSA / space situational awareness — космическая ситуационная осведомленность
SST / Sea surface temperature — температура поверхности моря
SWIR / short-wave infrared — коротковолновой инфракрасный диапазон (1300–2500 нм)
TIR / thermal infrared — тепловой инфракрасный диапазон (3000–14000 нм)
TOA / Top of Atmosphere — спутниковые данные 1-го уровня обработки
UTC / Coordinated Universal Time — Всемирное координированное время (сокращённо: Всемирное время)

Обновили закреп. На сегодня приборка закончена.

Данные для графиков бюджета NASA и стоимости вывода.

На снимке, сделанном прибором ASTER спутника Terra 29 марта 2000 года, хорошо видны волны на поверхности Бенгальского залива. Это композит NIR-Red-Green из каналов ASTER с пространственным разрешением 15 метров.

Код: https://code.earthengine.google.com/0479a1d7abe5d67b8d9dc982d9f01ca1

#GEE

Прием заявок на участие в программе «Стратосферный спутник» открыт 🛰

Друзья, программа «Стратосферный спутник» стартовала. Подавайте заявку до 9 июня по одной из лиг: стратонавт-кандидат и стратонавт-испытатель. По результатам конкурсного отбора 5 команд в каждой лиге получат набор конструкторов спутников для подготовки к стратосферным запускам😏

ЭТАПЫ ПРОГРАММЫ
1. Собираете команду, выбираете Лигу и проходите регистрацию на сайте
2. Приступаете к выполнению отборочного задания. Это тестирование и подробное описание вашего проекта
3. Отправляете всё и ждёте результатов отбора
4. Как только увидите название своей команды в списке финалистов, то ждите посылку в течение 15 дней. К вам приедет учебный комплект «Конструктор функциональной модели спутника».
5. Получаете посылку и начинаете (или продолжаете) работу над проектом, собираете, ломаете, продумываете полезную нагрузку;)
6. Накануне очного этапа Испытаний проходите обязательную предзащиту
7. Приезжаете на очный выезд, готовите проект к запуску и отправляете в СТРАТОСФЕРУ!

КТО МОЖЕТ ПРИНЯТЬ УЧАСТИЕ
В конкурсном отборе могут принять участие команды из школ и СПО (учащиеся в возрасте 12−18 лет на момент начала конкурсного отбора) в одной из двух Лиг. Также допускается участие студентов российских ВУЗов в возрасте до 21 года на момент начала конкурсного отбора, но не более двух студентов ВУЗа на команду.

Подробная информация и регистрация на сайте
http://stratosputnik.ru

@dobriy_ovchinnikov

Карты плотности надземной биомассы Biomass CCI

Недавно мы разбирали данные GEDI L4B Gridded Aboveground Biomass Density. Оказалось, что они не обеспечивают сплошного покрытия поверхности суши. Теперь рассмотрим продукт, который такое покрытие обеспечивает.

ESA Biomass Climate Change Initiative (Biomass CCI) в версии 4 содержит два вида карт: карты значений надземной биомассы (Aboveground Biomass, AGB) и соответствующие им карты стандартных отклонений AGB. AGB — это сухая масса древесных частей всех живых деревьев (ствола, коры, ветвей и побегов), за исключением пней и корней.

Характеристики Biomass CCI (version 4):

* пространственное разрешение: ~100 м на экваторе
* пространственное покрытие: глобальное
* временное покрытие: 2010, 2017, 2018, 2019, 2020
* формат: NetCDF, GeoTIFF
* единицы измерения плотности биомассы: Мг/га (тонн/га)
* доступ: https://catalogue.ceda.ac.uk/uuid/af60720c1e404a9e9d2c145d2b2ead4e
* руководство пользователя (v. 3): https://climate.esa.int/media/documents/D4.3_CCI_PUG_V3.0_20210707.pdf
* Algorithm Theoretical Basis Document (v. 2): https://climate.esa.int/sites/default/files/Biomass_D2.2_Algorithm_Theoretical_Basis_Document_V2.0.pdf

Карты получены на основе комбинации данных ДЗЗ. В зависимости от года, это данные спутника Sentinel-1, прибора ASAR спутника Envisat, спутника JAXA Advanced Land Observing Satellite (ALOS-1 и ALOS-2).

Кроме того, предоставляются файлы, описывающие изменение AGB между двумя последовательными годами (то есть 2018–2017, 2019–2018 и 2020–2010) и за десятилетие (2020–2010). Каждый продукт изменения AGB состоит из двух наборов карт: стандартного отклонения изменения AGB и флага качества изменения AGB. Само изменение вычисляется как разность между двумя картами AGB, поэтому отдельные карты для него не предоставляются.

Примеры имен файлов:

N50E020_ESACCI-BIOMASS-L4-AGB-MERGED-100m-2020-fv4.0.tif — карта AGB
N50E020_ESACCI-BIOMASS-L4-AGB_SD-MERGED-100m-2020-fv4.0.tif — карта стандартного отклонения AGB.

В имени файла указаны координаты левого верхнего угла карты.

Итак, данные Biomass CCI — это свежие (2020 год) и разновременные данные, с высоким для подобных данных пространственным разрешением (100 метров) и сплошным глобальным покрытием.

В сети можно встретить упоминания о данных ICESat-2 Boreal Biomass 2020 Map — карте бореальной (50° N – 75° N) надземной биомассы, основанной на данных лидара Advanced Topographic Laser Altimeter System (ATLAS) спутника ICESat-2, а также о данных JPL 2020 Global Biomass Dataset — глобальной карте плотности надземной биомассы, полученной с помощью комбинации данных Landsat-8, ALOS-2 PALSAR-2 и ЦМР SRTM. Все эти данные планировалось выпустить еще в 2021 году, но по состоянию на сегодня они недоступны.

#AGB #лес #данные

На рисунке показан один из тайлов Biomass CCI, открытый в QGIS.

Слой качества данных ESA WorldCover 2020

Карта классов земного покрова ESA WorldCover 10 m 2020 V100 находится в каталоге данных GEE: https://developers.google.com/earth-engine/datasets/catalog/ESA_WorldCover_v100, а слой для оценки качества этой карты — ESA WorldCover 10 m 2020 V100 InputQuality, находится здесь.

Слой качества входных данных показывает, сколько снимков Sentinel-1 и Sentinel-2 использовано для получения каждого пикселя итоговой карты. Он представляет собой трехканальный GeoTIFF:

* b1: количество наблюдений Sentinel-1 GAMMA0, использованных в процессе классификации.
* b2: Количество наблюдений Sentinel-2 L2A, использованных в процессе классификации
* b3: процент (0–100) некачественных наблюдений S2, отброшенных в ходе классификации, после фильтрации облаков и теней.

По данным b2 и b3 можно получить общее число достоверных наблюдений Sentinel-2 L2A, использованных для классификации.

Код: https://code.earthengine.google.com/a9b67ae6b5e73657cfa3854dd7af3609

Для ESA WorldCover 10 m 2021 V200 слоя качества пока нет.

#GEE #данные #LULC

Дельта Окаванго

На снимке, сделанном радаром спутника Sentinel-1, показана дельта реки Окаванго в Ботсване. В отличие от большинства рек, течение Окаванго направлено вглубь материка. Вместо того чтобы течь к морю, река Окаванго орошает пустыню Калахари, образуя крупнейшую в мире внутреннюю дельту.

Дельта Окаванго — это лабиринт лагун, болот, каналов и островов. Она является объектом Всемирного наследия ЮНЕСКО как часть Рамсарской сети водно-болотных угодий — одной из самых биологически разнообразных экосистем на Земле. Попасть в дельту непросто, но спутниковые радары позволяют получать информацию о ней непрерывно. С их помощью можно различать сухие и заболоченные места, а также показать, как меняется дельта в зависимости от времени года.

Изображение является разновременным композитом. В нем объединены три снимка Sentinel-1, сделанных в 2021 году. Каждому снимку в композите отведен определенный цвет — красный для января, зеленый для апреля и синий для августа — чтобы показать, как менялась земля и вода в промежутке между съемками.

Оттенки розового и голубого в нижней части дельты отражают сезонные изменения растительности, происходящие вдоль водных путей. Это относится и ко впадине Мабабе, которая видна в правой части дельты, как область с такой же окраской.

В левой нижней части изображения находится озеро Нгами. Оно выглядит темным, поскольку его спокойные воды зеркально отражали сигнал радара в каждый из моментов съемки. Зеленые тона возле озера показывают, что территория вокруг него подвержена сезонным наводнениям.

#SAR #снимки

Protected Planet — векторные данные о границах охраняемых территорий

Protected Planet — крупнейший источник векторных данных о границах охраняемых территорий* по всему миру. Данные обновляются ежемесячно. На сайте можно изучить: Всемирную базу данных по охраняемым территориям (World Database on Protected Areas, WDPA), Всемирную базу данных по эффективным природоохранным мерам на порайонной основе (World Database on effective area-based conservation measures), Глобальную базу данных по эффективности управления охраняемыми территориями (Global Database on Protected Area Management Effectivenes, GD-PAME) и множество сопутствующей информации.

Скачать данные о границах охраняемых территорий можно по регионам, по странам или для каждой территории отдельно. Данные сохраняются в шейпфайлах, в виде точечных и полигональных слоев. Если регион или страна слишком большие, шейпфайл автоматически разбивается на части.

К шейпфайлам прилагаются документы на нескольких языках. Русский язык в них настолько суров, что лучше сразу использовать англоязычные версии.

* а также о границах других эффективных природоохранных мер на порайонной основе (effective area-based conservation measures).

#данные

Снова о картах Global Forest Carbon Fluxes 2001–2021

У нас две новости. Хорошая состоит в том, что карты Global Forest Carbon Fluxes (2001–2021) уже есть на GEE: https://gee-community-catalog.org/projects/cflux/.

Плохая же новость в том, что основные слои данных: эмиссия углерода, поглощение углерода и чистый поток углерода — это кумулятивные данные, накопленные в течение модельного периода (2001–2021 гг.). Чтобы получить среднегодовые значения, нужно разделить каждый поток на 21. У значений потоков углерода нет привязки к годам наблюдения(

#лес #данные