Карбоновые полигоны
Карбоновые полигоны — это участки в природной среде, на которых разрабатывают и испытывают технологии измерения, мониторинга и контроля парниковых газов, в первую очередь, углекислого газа CO2, метана CH4 и закиси азота N2O. Каждый полигон расположен на участке, с характерными для данной территории рельефом, структурой растительного и почвенного покрова. У полигона есть оператор — организация, которая проводит исследования на этой площадке. Как правило, это известный ВУЗ или коммерческое предприятие, заинтересованное в экологических исследованиях на данной территории.
В перспективе, по всей стране должна быть создана сеть карбоновых полигонов, которая станет основой общегосударственной системы мониторинга потоков парниковых газов.
Карбоновые полигоны России: https://carbon-polygons.ru/
В деятельности вокруг глобального потепления и декарбонизации есть много наносного и даже откровенно подозрительного. Но карбоновых полигонов* это не касается. Наука основывается на данных. Карбоновые полигоны могут обеспечить нас данными о потоках парниковых газов, а, возможно, и результатами других измерений. Без таких данных не уточнить наши климатические модели, и все споры о глобальном потеплении останутся на уровне “верю/не верю”.
Было бы очень полезно выработать стандарты представления результатов наблюдений, сделанных на карбоновых полигонах, а также организовать открытый доступ к этим результатам и к границам полигонов. В частности, это позволило бы дополнить наземные наблюдения данными дистанционного зондирования.
*По-хорошему, карбоновые полигоны могли бы называться углеродными полигонами, но так уж сложилось.
#данные #климат
Карбоновые полигоны — это участки в природной среде, на которых разрабатывают и испытывают технологии измерения, мониторинга и контроля парниковых газов, в первую очередь, углекислого газа CO2, метана CH4 и закиси азота N2O. Каждый полигон расположен на участке, с характерными для данной территории рельефом, структурой растительного и почвенного покрова. У полигона есть оператор — организация, которая проводит исследования на этой площадке. Как правило, это известный ВУЗ или коммерческое предприятие, заинтересованное в экологических исследованиях на данной территории.
В перспективе, по всей стране должна быть создана сеть карбоновых полигонов, которая станет основой общегосударственной системы мониторинга потоков парниковых газов.
Карбоновые полигоны России: https://carbon-polygons.ru/
В деятельности вокруг глобального потепления и декарбонизации есть много наносного и даже откровенно подозрительного. Но карбоновых полигонов* это не касается. Наука основывается на данных. Карбоновые полигоны могут обеспечить нас данными о потоках парниковых газов, а, возможно, и результатами других измерений. Без таких данных не уточнить наши климатические модели, и все споры о глобальном потеплении останутся на уровне “верю/не верю”.
Было бы очень полезно выработать стандарты представления результатов наблюдений, сделанных на карбоновых полигонах, а также организовать открытый доступ к этим результатам и к границам полигонов. В частности, это позволило бы дополнить наземные наблюдения данными дистанционного зондирования.
*По-хорошему, карбоновые полигоны могли бы называться углеродными полигонами, но так уж сложилось.
#данные #климат
Цветение воды в озере Вильяррика
Снимок Landsat 8 OLI, сделанный 2 мая 2023 года, показывает цветение воды в озере Вильяррика в Чили. Цветение является результатом размножения сине-зеленых водорослей, которые фактически являются цианобактериями. На спутниковых снимках в естественных цветах цианобактерии образуют светлые сине-зеленые вихри.
Сочетание потепления поверхностных вод и стоков, насыщенных питательными веществами, является распространенной причиной регулярного цветения водорослей. Более теплая вода создает благоприятную среду для водорослей. Проанализировать тенденции изменения температуры водоемов можно во временным рядам данных тепловых каналов спектрорадиометра MODIS.
#снимки #вода
Снимок Landsat 8 OLI, сделанный 2 мая 2023 года, показывает цветение воды в озере Вильяррика в Чили. Цветение является результатом размножения сине-зеленых водорослей, которые фактически являются цианобактериями. На спутниковых снимках в естественных цветах цианобактерии образуют светлые сине-зеленые вихри.
Сочетание потепления поверхностных вод и стоков, насыщенных питательными веществами, является распространенной причиной регулярного цветения водорослей. Более теплая вода создает благоприятную среду для водорослей. Проанализировать тенденции изменения температуры водоемов можно во временным рядам данных тепловых каналов спектрорадиометра MODIS.
#снимки #вода
Forwarded from Наука, Техника и Нейровайб
Почему снег чаще отдает голубизной?
Все дело в поглощении электромагнитного излучения. Минимум поглощения льдом волн составляет около 470нм что соответствует сине-зеленому свету. Волны с длиной, обозначающий красный свет, снег поглощает гораздо эффективней.
Все дело в поглощении электромагнитного излучения. Минимум поглощения льдом волн составляет около 470нм что соответствует сине-зеленому свету. Волны с длиной, обозначающий красный свет, снег поглощает гораздо эффективней.
Оценка первичной продуктивности экосистем по спутниковым данным. 3. Расчет в GEE
Валовая первичная продукция (GPP) по данным MODIS рассчитывается каждые 8 суток, а чистая первичная продукция (NPP) — один раз в год.
Используем данные GPP, чтобы рассчитать NPP каждые 8 суток:
NPP8 = (GPP8 / GPPy) * NPPy * 0.0001
GPPy, NPPy — первичная продукция за год; GPP8, NPP8 — первичная продукция за 8 суток;
0.0001 — коэффициент масштабирования. NPP измеряется в килограммах углерода на квадратный метр.
На рисунке приведены результаты расчета среднего прироста NPP за 8 суток для Болгарии. Красный цвет означает низкие значения NPP, зеленый — высокие.
Код: https://code.earthengine.google.com/93995fc73dba965eca11ed09f0963186
#GEE #климат #NPP
Валовая первичная продукция (GPP) по данным MODIS рассчитывается каждые 8 суток, а чистая первичная продукция (NPP) — один раз в год.
Используем данные GPP, чтобы рассчитать NPP каждые 8 суток:
NPP8 = (GPP8 / GPPy) * NPPy * 0.0001
GPPy, NPPy — первичная продукция за год; GPP8, NPP8 — первичная продукция за 8 суток;
0.0001 — коэффициент масштабирования. NPP измеряется в килограммах углерода на квадратный метр.
На рисунке приведены результаты расчета среднего прироста NPP за 8 суток для Болгарии. Красный цвет означает низкие значения NPP, зеленый — высокие.
Код: https://code.earthengine.google.com/93995fc73dba965eca11ed09f0963186
#GEE #климат #NPP
Forwarded from Space-π
Media is too big
VIEW IN TELEGRAM
Завершилась интеграция спутников проекта Space-π!🛰️
12 спутников проекта Space-π успешно проинтегрированы с пусковыми контейнерами «Аэроспейс Кэпитал»! Ещё 4 космических аппарата будут проинтегрированы на космодроме.
Спутники проекта имеют форм-фактор Кубсат (англ. CubeSat) — самый маленький кубсат выглядит как кубик, габариты которого составляют 10х10х10 см, хотя часто аппараты представляют собой соединенные «кубики». Например, такие устройства бывают размерностью 3U, 6U, 12U.
Кубсаты запускают несколькими способами:
Иногда их выводят в ручном режиме с борта МКС, космонавты просто «выбрасывают» спутники в открытый космос.
Но чаще кубсаты запускают попутно при запуске ракеты. Аппараты помещают в специальный пусковой контейнер на верхней ступени ракеты, после выведения на орбиту крышка контейнера открывается для каждого спутника, и кубсаты «разлетаются» каждый на свою орбиту.
Наши спутники уже надёжно размещены каждый в своём отсеке контейнера и ожидают запуска. Будем с нетерпением ждать и следить за их путешествием в космос!🚀
#Space_Pi
#Space_Pi_спутники
12 спутников проекта Space-π успешно проинтегрированы с пусковыми контейнерами «Аэроспейс Кэпитал»! Ещё 4 космических аппарата будут проинтегрированы на космодроме.
Спутники проекта имеют форм-фактор Кубсат (англ. CubeSat) — самый маленький кубсат выглядит как кубик, габариты которого составляют 10х10х10 см, хотя часто аппараты представляют собой соединенные «кубики». Например, такие устройства бывают размерностью 3U, 6U, 12U.
Кубсаты запускают несколькими способами:
Иногда их выводят в ручном режиме с борта МКС, космонавты просто «выбрасывают» спутники в открытый космос.
Но чаще кубсаты запускают попутно при запуске ракеты. Аппараты помещают в специальный пусковой контейнер на верхней ступени ракеты, после выведения на орбиту крышка контейнера открывается для каждого спутника, и кубсаты «разлетаются» каждый на свою орбиту.
Наши спутники уже надёжно размещены каждый в своём отсеке контейнера и ожидают запуска. Будем с нетерпением ждать и следить за их путешествием в космос!🚀
#Space_Pi
#Space_Pi_спутники
Оценка первичной продуктивности экосистем по спутниковым данным. 4. Оценки точности и даунскейлинг данных
Для глобальной оценки точности продуктов MODIS GPP/NPP в течение 13 лет выполнялся проект MODIS GPP/NPP Project (MOD17). По ссылке приведен список публикаций с оценками точности продуктов MODIS GPP/NPP для разных типов экосистем и регионов Земли.
Одной из проблем существующих данных о первичной продуктивности является их низкое пространственное разрешение: 500 метров для MODIS и 300 метров для Sentinel-3 DMP. Поэтому не прекращаются попытки выполнить даунскейлинг (downscaling) этих данных, то есть уточнить их пространственное разрешение. Пока эти попытки нельзя считать полностью успешными, но они могут послужить отправной точкой для ваших исследований. Вот пара таких попыток:
* Pedro Lorenzo Cruz. Satellite-based modelling of vegetation productivity in the Netherlands. Net Primary Productivity downscaling MODIS algorithm (2019).
* Yu et al. Generation of High Resolution Vegetation Productivity from a Downscaling Method (2018). https://doi.org/10.3390/rs10111748
#обучение #климат #NPP
Для глобальной оценки точности продуктов MODIS GPP/NPP в течение 13 лет выполнялся проект MODIS GPP/NPP Project (MOD17). По ссылке приведен список публикаций с оценками точности продуктов MODIS GPP/NPP для разных типов экосистем и регионов Земли.
Одной из проблем существующих данных о первичной продуктивности является их низкое пространственное разрешение: 500 метров для MODIS и 300 метров для Sentinel-3 DMP. Поэтому не прекращаются попытки выполнить даунскейлинг (downscaling) этих данных, то есть уточнить их пространственное разрешение. Пока эти попытки нельзя считать полностью успешными, но они могут послужить отправной точкой для ваших исследований. Вот пара таких попыток:
* Pedro Lorenzo Cruz. Satellite-based modelling of vegetation productivity in the Netherlands. Net Primary Productivity downscaling MODIS algorithm (2019).
* Yu et al. Generation of High Resolution Vegetation Productivity from a Downscaling Method (2018). https://doi.org/10.3390/rs10111748
#обучение #климат #NPP
На снимках, полученных 16 мая 2018 года со спутника Sentinel-2A, видны пятна на поверхности Балтийского моря. Изображение представляет собой композит каналов 8A, 3, 2, и было улучшено для повышения видимости пятен.
Состав этих пятен ранее был не ясен. В качестве возможных кандидатов рассматривались цианобактерии и морской мусор, которые нередко можно увидеть на спутниковых снимках. Однако спектральная сигнатура пятен в Балтийском море имела характерное резкое увеличение между длинами волн 400 и 500 нанометров. что отличало ее от указанных выше объектов. Собрав образцы из пятен и выполнив лабораторные измерения их спектральной отражательной способности, ученые установили, что пятна состоят из пыльцы сосны (Pinus sylvestris). Узоры из пятен вызваны ветром, и волнами, перемещающими пыльцу по поверхности воды.
#снимки #вода
Состав этих пятен ранее был не ясен. В качестве возможных кандидатов рассматривались цианобактерии и морской мусор, которые нередко можно увидеть на спутниковых снимках. Однако спектральная сигнатура пятен в Балтийском море имела характерное резкое увеличение между длинами волн 400 и 500 нанометров. что отличало ее от указанных выше объектов. Собрав образцы из пятен и выполнив лабораторные измерения их спектральной отражательной способности, ученые установили, что пятна состоят из пыльцы сосны (Pinus sylvestris). Узоры из пятен вызваны ветром, и волнами, перемещающими пыльцу по поверхности воды.
#снимки #вода
Несколько коротких новостей, связанных с военными применениями дистанционного зондирования.
Партнерство Kleos Space и General Atomics
Компания Kleos Space объявила о партнерстве с General Atomics Commonwealth Computer Research. Сотрудничество позволит создать новые информационные продукты на основе данных радиочастотного диапазона от Kleos для платформы обработки и анализа данных Optix компании General Atomics.
Kleos Space имеет группировку из 12 спутников для сбора радиочастотных данных и сотрудничает с Национальным управлением военно-космической разведки США (NRO). General Atomics — крупный поставщик беспилотников (Gray Eagle и Reaper — это их продукция). Вместе они собираются выявлять “подозрительную активность”, направляя беспилотник для детальной проверки района, где такая активность обнаруживается. В качестве примера подозрительной активности указана незаконная рыбная ловля.
Очередной запуск спутников SDA
В конце июня Space Development Agency (SDA) планирует запустить, по крайней мере, 13 спутников. Это будет второй запуск спутников Tranche 0 для создания группировки военных спутников на низкой околоземной орбите. В составе миссии запланировано 11 спутников связи (10 производства Lockheed Martin и 1 — York Space) и 2 спутника для отслеживания ракетных пусков (от SpaceX).
2 апреля SDA уже запустило 10 спутников, среди которых также были 2 спутника для отслеживания ракетных пусков производства SpaceX. Известно, что они достигли намеченной орбиты на высоте около 1 000 километров над Землей, и в ближайшее время будут готовы поставлять данные.
Первоначально в июне планировалось запустить 18 спутников, но четыре спутника Tranche 0 от L3Harris были удалены из состава миссии из-за задержек в производстве, а один из спутников York Space останется на земле для тестирования программного обеспечения.
Спутники производства L3Harris будут запущены позже отдельной миссией, запланированной Агентством по противоракетной обороне США.
В конце 2024 года начнется Tranche 1, в котором SDA планирует запустить 126 спутников связи.
BAE Systems будет отслеживать гиперзвуковые ракеты в рамках контракта с DARPA
Компания BAE Systems выиграла контракт с DARPA на сумму 7 млн долларов на разработку средств искусственного интеллекта для автоматизации отслеживания данных, собираемых военными спутниками. BAE Systems будет сотрудничать со специалистами по искусственному интеллекту OmniTeq и AIMdyn в проекте DARPA под названием Oversight. Проект направлен на решение проблем традиционного сбора данных космической разведки, вызывающих задержки в обработке данных и в принятии решений. Если BAE пройдет в следующий этап конкурса, то его программное обеспечение может быть развернуто на спутниках Space Development Agency (SDA) для отслеживания гиперзвуковых ракет.
#война #sigint
Партнерство Kleos Space и General Atomics
Компания Kleos Space объявила о партнерстве с General Atomics Commonwealth Computer Research. Сотрудничество позволит создать новые информационные продукты на основе данных радиочастотного диапазона от Kleos для платформы обработки и анализа данных Optix компании General Atomics.
Kleos Space имеет группировку из 12 спутников для сбора радиочастотных данных и сотрудничает с Национальным управлением военно-космической разведки США (NRO). General Atomics — крупный поставщик беспилотников (Gray Eagle и Reaper — это их продукция). Вместе они собираются выявлять “подозрительную активность”, направляя беспилотник для детальной проверки района, где такая активность обнаруживается. В качестве примера подозрительной активности указана незаконная рыбная ловля.
Очередной запуск спутников SDA
В конце июня Space Development Agency (SDA) планирует запустить, по крайней мере, 13 спутников. Это будет второй запуск спутников Tranche 0 для создания группировки военных спутников на низкой околоземной орбите. В составе миссии запланировано 11 спутников связи (10 производства Lockheed Martin и 1 — York Space) и 2 спутника для отслеживания ракетных пусков (от SpaceX).
2 апреля SDA уже запустило 10 спутников, среди которых также были 2 спутника для отслеживания ракетных пусков производства SpaceX. Известно, что они достигли намеченной орбиты на высоте около 1 000 километров над Землей, и в ближайшее время будут готовы поставлять данные.
Первоначально в июне планировалось запустить 18 спутников, но четыре спутника Tranche 0 от L3Harris были удалены из состава миссии из-за задержек в производстве, а один из спутников York Space останется на земле для тестирования программного обеспечения.
Спутники производства L3Harris будут запущены позже отдельной миссией, запланированной Агентством по противоракетной обороне США.
В конце 2024 года начнется Tranche 1, в котором SDA планирует запустить 126 спутников связи.
BAE Systems будет отслеживать гиперзвуковые ракеты в рамках контракта с DARPA
Компания BAE Systems выиграла контракт с DARPA на сумму 7 млн долларов на разработку средств искусственного интеллекта для автоматизации отслеживания данных, собираемых военными спутниками. BAE Systems будет сотрудничать со специалистами по искусственному интеллекту OmniTeq и AIMdyn в проекте DARPA под названием Oversight. Проект направлен на решение проблем традиционного сбора данных космической разведки, вызывающих задержки в обработке данных и в принятии решений. Если BAE пройдет в следующий этап конкурса, то его программное обеспечение может быть развернуто на спутниках Space Development Agency (SDA) для отслеживания гиперзвуковых ракет.
#война #sigint
”Электро-Л” № 4 после завершения испытаний начал использоваться по целевому назначению
Геостационарный метеорологический спутник “Электро-Л” № 4, выведенный на орбиту 5 февраля 2023 года в позицию 165.8 в. д., завершил цикл испытаний и приступил к работе.
Сейчас на орбите работает три спутника семейства “Электро-Л” — № 2, № 3, № 4. Они полностью покрывают данными с геостационарной орбиты территорию России с повторяемостью съемки до 15 минут. Кроме этого, аппараты “Электро-Л” ретранслируют сигналы аварийных радиобуев международной спутниковой поисково-спасательной системы КОСПАС-САРСАТ.
Следующий спутник семейства — “Электро-Л” № 5 — предполагается запустить в 2025 году. Скорее всего, он заменит спутник № 2, работающий на орбите с 2015 года. Далее предполагается переход к новому семейству спутников “Электро-М”.
Снимки “Электро-Л” № 4 находятся здесь.
В заголовке — снимок “Электро-Л” № 4, сделанный 29.05.2023 в 23:30 MSK.
#россия #погода #ГСО
Геостационарный метеорологический спутник “Электро-Л” № 4, выведенный на орбиту 5 февраля 2023 года в позицию 165.8 в. д., завершил цикл испытаний и приступил к работе.
Сейчас на орбите работает три спутника семейства “Электро-Л” — № 2, № 3, № 4. Они полностью покрывают данными с геостационарной орбиты территорию России с повторяемостью съемки до 15 минут. Кроме этого, аппараты “Электро-Л” ретранслируют сигналы аварийных радиобуев международной спутниковой поисково-спасательной системы КОСПАС-САРСАТ.
Следующий спутник семейства — “Электро-Л” № 5 — предполагается запустить в 2025 году. Скорее всего, он заменит спутник № 2, работающий на орбите с 2015 года. Далее предполагается переход к новому семейству спутников “Электро-М”.
Снимки “Электро-Л” № 4 находятся здесь.
В заголовке — снимок “Электро-Л” № 4, сделанный 29.05.2023 в 23:30 MSK.
#россия #погода #ГСО
Как песчаные бури питают фитопланктон
На снимке, сделанном 8 апреля 2011 года спектрорадиометром MODIS спутника Terra, видно облако пыли из пустыни Сахара над Бискайским заливом. Из-за цветения фитопланктона в заливе вода кажется ярко-зеленой и голубой. Свой вклад в этот цвет вносят и осадочные породы, особенно в районах, расположенных ближе к берегу. Подобные спутниковые снимки используются учеными для определения биомассы фитопланктона.
Фитопланктон — это микроскопические организмы, которые составляют основу морской пищевой цепочки. Фитопланктон плавает у поверхности океана, питаясь в основном солнечным светом и минеральными веществами, которые поднимаются из глубин или попадают в море с прибрежными стоками. Способствует росту фитопланктона и богатая минералами пустынная пыль, переносимая ветром. Частицы пыли могут преодолевать тысячи километров, прежде чем упасть в океан, где они питают фитопланктон на большом удалении от источника пыли. Согласно недавнему исследованию, вклад осаждения пыли в океане в увеличение биомассы фитопланктона достигает 20–40% в средних и высоких широтах.
Фитопланктон играет большую роль в климате и углеродном цикле Земли. Как и наземные растения, он содержит хлорофилл и получает энергию из солнечного света путем фотосинтеза. При этом фитопланктон производит кислород и поглощает огромное количество углекислого газа, по масштабам сравнимое со всеми тропическими лесами.
#снимки #вода
На снимке, сделанном 8 апреля 2011 года спектрорадиометром MODIS спутника Terra, видно облако пыли из пустыни Сахара над Бискайским заливом. Из-за цветения фитопланктона в заливе вода кажется ярко-зеленой и голубой. Свой вклад в этот цвет вносят и осадочные породы, особенно в районах, расположенных ближе к берегу. Подобные спутниковые снимки используются учеными для определения биомассы фитопланктона.
Фитопланктон — это микроскопические организмы, которые составляют основу морской пищевой цепочки. Фитопланктон плавает у поверхности океана, питаясь в основном солнечным светом и минеральными веществами, которые поднимаются из глубин или попадают в море с прибрежными стоками. Способствует росту фитопланктона и богатая минералами пустынная пыль, переносимая ветром. Частицы пыли могут преодолевать тысячи километров, прежде чем упасть в океан, где они питают фитопланктон на большом удалении от источника пыли. Согласно недавнему исследованию, вклад осаждения пыли в океане в увеличение биомассы фитопланктона достигает 20–40% в средних и высоких широтах.
Фитопланктон играет большую роль в климате и углеродном цикле Земли. Как и наземные растения, он содержит хлорофилл и получает энергию из солнечного света путем фотосинтеза. При этом фитопланктон производит кислород и поглощает огромное количество углекислого газа, по масштабам сравнимое со всеми тропическими лесами.
#снимки #вода
Какая самая большая проблема в области дистанционного зондирования?
Периодически приходится отвечать на такие вопросы. Вопрос обширный, ответ тоже будет достаточно общим. Естественно, что это наше частное мнение и не более.
Самая большая проблема дистанционного зондирования состоит в том, что оно является дистанционным) Как правило, нас интересуют события на поверхности Земли. Чтобы восстановить отраженное от поверхности солнечное излучение, нужно уметь моделировать прохождение света через атмосферу. Нужно также обеспечить точную привязку двумерного снимка к трехмерной поверхности планеты. Есть и другие технические задачи, которые необходимо решить, чтобы обеспечить изучение интересующего нас фрагмента земной поверхности в его естественном состоянии. Все это относится к предварительной обработке данных, после которой начнется работа с ними.
Дистанционное зондирование дает нам не величину, которая нас интересует, а некоторую ее замену. Например, нам нужно оценить объем живой биомассы растений. Вместо этого дистанционное зондирование дает нам NDVI. Он как-то связан с биомассой, но по-разному для разных регионов и видов растений. А это значит, что нам понадобятся наземные данные об объеме биомассы, чтобы связать с ними результаты дистанционного зондирования. Без сбора достаточного количества наземных данных методы дистанционного зондирования работать не будут. “Наземки” всегда не хватает. Она редко бывает стандартизована, зато почти всегда содержит пробелы и неточности, так что англоязычный термин “ground truth” воспринимается не иначе как иронией.
Встречаются задачи, когда кажется, что сбор наземных данных не нужен. Например, если задано выделить на снимке контуры нефтяных емкостей, то при достаточном разрешении снимка емкости можно просто увидеть. Фактически, вместо наземных данных мы используем спутниковый снимок. Удается это сделать потому, что мы знаем, как выглядит емкость с нефтью. Чем больше мы знаем об объекте наблюдения, тем лучше получится наблюдать его из космоса, тем больше информации мы сможем вытянуть из наблюдений. Если речь идет о сельском хозяйстве, то придется познакомится с основами земледелия. Понадобятся и знания из биологии.
Данных дистанционного зондирования становится все больше, инфраструктура по их обработке заметно отстает. Появление Google Earth Engine стало большим шагом вперед, объединив хранение и обработку данных. Это позволило быстро получать готовые информационные продукты, без возни с настройкой оборудования. Но проектов, подобных Google Earth Engine, нужно больше.
К тому же, возможности Google Earth Engine как геоинформационной системы весьма ограничены. Поэтому нужны открытые геоинформационные системы, в которых данные дистанционного зондирования (из того же Google Earth Engine) и другие данные, будут использоваться для создания электронных карт.
#основы
Периодически приходится отвечать на такие вопросы. Вопрос обширный, ответ тоже будет достаточно общим. Естественно, что это наше частное мнение и не более.
Самая большая проблема дистанционного зондирования состоит в том, что оно является дистанционным) Как правило, нас интересуют события на поверхности Земли. Чтобы восстановить отраженное от поверхности солнечное излучение, нужно уметь моделировать прохождение света через атмосферу. Нужно также обеспечить точную привязку двумерного снимка к трехмерной поверхности планеты. Есть и другие технические задачи, которые необходимо решить, чтобы обеспечить изучение интересующего нас фрагмента земной поверхности в его естественном состоянии. Все это относится к предварительной обработке данных, после которой начнется работа с ними.
Дистанционное зондирование дает нам не величину, которая нас интересует, а некоторую ее замену. Например, нам нужно оценить объем живой биомассы растений. Вместо этого дистанционное зондирование дает нам NDVI. Он как-то связан с биомассой, но по-разному для разных регионов и видов растений. А это значит, что нам понадобятся наземные данные об объеме биомассы, чтобы связать с ними результаты дистанционного зондирования. Без сбора достаточного количества наземных данных методы дистанционного зондирования работать не будут. “Наземки” всегда не хватает. Она редко бывает стандартизована, зато почти всегда содержит пробелы и неточности, так что англоязычный термин “ground truth” воспринимается не иначе как иронией.
Встречаются задачи, когда кажется, что сбор наземных данных не нужен. Например, если задано выделить на снимке контуры нефтяных емкостей, то при достаточном разрешении снимка емкости можно просто увидеть. Фактически, вместо наземных данных мы используем спутниковый снимок. Удается это сделать потому, что мы знаем, как выглядит емкость с нефтью. Чем больше мы знаем об объекте наблюдения, тем лучше получится наблюдать его из космоса, тем больше информации мы сможем вытянуть из наблюдений. Если речь идет о сельском хозяйстве, то придется познакомится с основами земледелия. Понадобятся и знания из биологии.
Данных дистанционного зондирования становится все больше, инфраструктура по их обработке заметно отстает. Появление Google Earth Engine стало большим шагом вперед, объединив хранение и обработку данных. Это позволило быстро получать готовые информационные продукты, без возни с настройкой оборудования. Но проектов, подобных Google Earth Engine, нужно больше.
К тому же, возможности Google Earth Engine как геоинформационной системы весьма ограничены. Поэтому нужны открытые геоинформационные системы, в которых данные дистанционного зондирования (из того же Google Earth Engine) и другие данные, будут использоваться для создания электронных карт.
#основы
Бурный рост фитопланктона создает проблемы для других морских обитателей
Последние четыре года вода в Маннарском заливе у южного побережья Индии в сентябре и октябре окрашивается в ярко-зеленый цвет из-за обилия одноклеточного фитопланктона Noctiluca scintillans. Его хорошо видно на снимке Landsat 9, сделанном 23 сентября 2022 года. Ночью цветущие микроводоросли светятся ярким синим цветом. Однако бурный рост фитопланктона может иметь опасные последствия для других морских обитателей, вызывая нехватку солнечного света и гипоксию (недостаток кислорода).
Интенсивные цветения фитопланктона в Маннарском заливе периодически приводят к гибели рыбы и коралловых рифов. Особенно уязвимы кораллы, требующие больше всего кислорода для своего развития. Риску подвергаются и многочисленные расположенные в заливе аквафермы. Спутниковые снимки и математические модели дают возможность ученым предупреждать рыбоводов о цветениях Noctiluca scintillans, чтобы те успели убрать урожай рыбы до распространения цветения.
#снимки #вода
Последние четыре года вода в Маннарском заливе у южного побережья Индии в сентябре и октябре окрашивается в ярко-зеленый цвет из-за обилия одноклеточного фитопланктона Noctiluca scintillans. Его хорошо видно на снимке Landsat 9, сделанном 23 сентября 2022 года. Ночью цветущие микроводоросли светятся ярким синим цветом. Однако бурный рост фитопланктона может иметь опасные последствия для других морских обитателей, вызывая нехватку солнечного света и гипоксию (недостаток кислорода).
Интенсивные цветения фитопланктона в Маннарском заливе периодически приводят к гибели рыбы и коралловых рифов. Особенно уязвимы кораллы, требующие больше всего кислорода для своего развития. Риску подвергаются и многочисленные расположенные в заливе аквафермы. Спутниковые снимки и математические модели дают возможность ученым предупреждать рыбоводов о цветениях Noctiluca scintillans, чтобы те успели убрать урожай рыбы до распространения цветения.
#снимки #вода
Запуск испанской ракеты Miura 1 отложен из-за сильного ветра
Испанская компания PLD Space планировала сегодня запустить свою ракету Miura 1 со стартовой площадки в Медано-дель-Лоро, расположенной на территории Национального института аэрокосмической технологии (INTA) в Эль-Ареносильо (Уэльва, Испания). Запуск был отложен из-за сильного ветра, но компания планирует повторить попытку в ближайшие дни. Miura 1 — это многоразовая суборбитальная ракета, использующая в качестве топлива авиационный керосин, а в качестве окислителя жидкий кислород.
Компания PLD Space основана в 2012 году и стремится построить первую частную ракету в Испании. Первым этапом на пути к цели должны стать летные испытания Miura 1. Второй этап, который уже начался, включает в себя разработку и запуск частично многоразовой орбитальной ракеты Miura 5. Она должна выводить на низкую околоземную орбиту высотой 300 км полезную нагрузку массой до 1080 кг. Запустить Miura 5 планируется в 2024 году.
На рисунках (источник): ракета Miura-1 на стартовой площадке; характеристики ракеты Miura 5.
Испанская компания PLD Space планировала сегодня запустить свою ракету Miura 1 со стартовой площадки в Медано-дель-Лоро, расположенной на территории Национального института аэрокосмической технологии (INTA) в Эль-Ареносильо (Уэльва, Испания). Запуск был отложен из-за сильного ветра, но компания планирует повторить попытку в ближайшие дни. Miura 1 — это многоразовая суборбитальная ракета, использующая в качестве топлива авиационный керосин, а в качестве окислителя жидкий кислород.
Компания PLD Space основана в 2012 году и стремится построить первую частную ракету в Испании. Первым этапом на пути к цели должны стать летные испытания Miura 1. Второй этап, который уже начался, включает в себя разработку и запуск частично многоразовой орбитальной ракеты Miura 5. Она должна выводить на низкую околоземную орбиту высотой 300 км полезную нагрузку массой до 1080 кг. Запустить Miura 5 планируется в 2024 году.
На рисунках (источник): ракета Miura-1 на стартовой площадке; характеристики ракеты Miura 5.
GEE-28. Объединение коллекций снимков Landsat 5, 7 и 8
Объединение коллекций снимков Landsat 5, 7 и 8 позволит создавать временные ряды данных, начиная с марта 1984 года. Для этого нам предстоит
1. Создать коллекции снимков каждого Landsat’а.
2. Исправить данные Landsat 7.
3. Выбрать и переименовать каналы Landsat 8.
4. Объединить все коллекции.
Коллекции снимков Landsat создаются однотипно. Вот, например, коллекция снимков L7 (так мы, для краткости, будем называть Landsat 7, и аналогично будем сокращать остальные Landsat’ы)
Cнимки, сделанные L7 после 31 мая 2003 года, имеют дефект в виде расширяющихся от центра к краям полос, на которых отсутствует изображение. Причина — в отказе прибора Scan Line Corrector (SLC) — части съемочной аппаратуры L7, отчего дефект получил название CLS-off.
Для заполнения пробелов используются средние значения, взятые из соседних пикселей с данными. Делается это с помощью функции
Можно поиграть с настройками радиуса и числа. Чем больше эти значения, тем сильнее будет размытие данных. А мы пойдем дальше.
Нам нужно заполнить пробелы, в остальном же снимок должен остаться неизменным. Делает это функция
Итак, для исправления SCL-off применим к коллекции L7 следующую функцию (идея взята отсюда):
По сравнению с предшественниками у L8 есть дополнительный канал SR_B1 (coastal aerosol) (еще у него есть дополнительный канал тепловой съемки, но в данные этот канал не вошел). Выберем каналы, общие для всех спутников, и переименуем каналы L8, чтобы они совпадали с названиями каналов L5 и L7:
Снимки Landsat 9 добавляются в коллекцию точно также, как снимки Landsat 8.
Код: https://code.earthengine.google.com/e574d9db12de8352e942192271eeec61
#GEE
Объединение коллекций снимков Landsat 5, 7 и 8 позволит создавать временные ряды данных, начиная с марта 1984 года. Для этого нам предстоит
1. Создать коллекции снимков каждого Landsat’а.
2. Исправить данные Landsat 7.
3. Выбрать и переименовать каналы Landsat 8.
4. Объединить все коллекции.
Коллекции снимков Landsat создаются однотипно. Вот, например, коллекция снимков L7 (так мы, для краткости, будем называть Landsat 7, и аналогично будем сокращать остальные Landsat’ы)
var L7 = ee.ImageCollection('LANDSAT/LE07/C02/T1_L2')
.filter(ee.Filter.lt('CLOUD_COVER',CLOUD_MAX))
.filterBounds(geometry)
.select(['SR_B.*','ST_B.*'])
.map(applyScaleFactorsL5L7);
geometry — это геометрия района интереса. Выбираем все каналы, кроме масок качества (маскирование облачности нас сейчас не интересует) и применяем к ним коэффициенты масштабирования. Характеристики каналов L5 и L7 аналогичны, коэффициенты масштабирования одинаковы, а само масштабирование выполняется функцией applyScaleFactorsL5L7.Cнимки, сделанные L7 после 31 мая 2003 года, имеют дефект в виде расширяющихся от центра к краям полос, на которых отсутствует изображение. Причина — в отказе прибора Scan Line Corrector (SLC) — части съемочной аппаратуры L7, отчего дефект получил название CLS-off.
Для заполнения пробелов используются средние значения, взятые из соседних пикселей с данными. Делается это с помощью функции
focalMean. Она обводит вокруг каждого пикселя так называемым ядром (фигурой заданной формы и размера), вычисляет среднее значение всех обведенных пикселей и помещает его в центральный (исходный) пиксель. Мы используем focalMean так:filled = image.focalMean(1, 'square', 'pixels', 2)
1 — это радиус ядра, 'pixels' — единица измерения радиуса, 'square' — форма или тип ядра. В результате мы обводим вокруг каждого пикселя ядром, также состоящим из одного пикселя, а потом помещаем в исходный пиксель среднее, вычисленное по все этим пикселям. Эта процедура повторяется дважды, чем управляет последний параметр focalMean — число итераций.Можно поиграть с настройками радиуса и числа. Чем больше эти значения, тем сильнее будет размытие данных. А мы пойдем дальше.
Нам нужно заполнить пробелы, в остальном же снимок должен остаться неизменным. Делает это функция
blend:filled.blend(image)
blend накладывает исходное изображение image поверх заполненного filled. В результате filled будет присутствовать только на месте бывших пробелов.Итак, для исправления SCL-off применим к коллекции L7 следующую функцию (идея взята отсюда):
.map(function(image){
var filled = image.focalMean(1, 'square', 'pixels', 2);
return filled.blend(image);
})
Подробнее, смотрите в коде.По сравнению с предшественниками у L8 есть дополнительный канал SR_B1 (coastal aerosol) (еще у него есть дополнительный канал тепловой съемки, но в данные этот канал не вошел). Выберем каналы, общие для всех спутников, и переименуем каналы L8, чтобы они совпадали с названиями каналов L5 и L7:
.map(function(image){ return image.rename(['SR_B1','SR_B2','SR_B3','SR_B4','SR_B5','SR_B7','ST_B6']);});
Наконец, мы объединим коллекции:var L578 = ee.ImageCollection(L5.merge(L7.merge(L8)));В коде мы дополнительно создали коллекцию, составленную из ежегодных композитов. Делаются они так же, как и ежедневные.
Снимки Landsat 9 добавляются в коллекцию точно также, как снимки Landsat 8.
Код: https://code.earthengine.google.com/e574d9db12de8352e942192271eeec61
#GEE
На первом рисунке показан дефект SLC-off снимка Landsat 7. Второй рисунок: тот же снимок Landsat 7 с исправленным дефектом.
Forwarded from Olegmks
Мы вместе с «экипажем игрушек» традиционно поздравляем всех детей нашей планеты с Международным днём защиты детей! 🚀
Растите здоровыми, весёлыми, счастливыми и самое главное - окружёнными любовью, заботой и вниманием!😊
С праздником, ребята! ✊
П.С. Игрушки - это индикаторы невесомости и наши талисманы на МКС.
Растите здоровыми, весёлыми, счастливыми и самое главное - окружёнными любовью, заботой и вниманием!😊
С праздником, ребята! ✊
П.С. Игрушки - это индикаторы невесомости и наши талисманы на МКС.
Карта тенденций цветения прибрежного фитопланктона
Группа ученых проанализировала снимки спектрорадиометра MODIS на спутнике Aqua с 2003 по 2020 год и составила глобальную базу данных о цветении прибрежного фитопланктона. Ученые обнаружили, что за исследуемый период случаи цветения фитопланктона участились на 60% и увеличились по площади на 13%. Прибрежные цветения затронули 31,5 миллиона квадратных километров, что составляет 9% площади океана.
Перед нами первая глобальная карта тенденций цветения прибрежного фитопланктона, и ее появление стало возможным благодаря дистанционному зондированию. Красные области — это места, где цветение стало наблюдаться чаще. Такая тенденция наблюдалась на большей части Южного полушария и в высоких широтах Северного полушария.
Ученые отметили, что использованный ими метод наблюдения за фитопланктоном не позволяет различить безвредные виды от видов, которые производят токсины. Существенного продвижения в этом вопросе ожидают после запуска миссии NASA “Plankton, Aerosol, Cloud, ocean Ecosystem” (PACE), которая будет проводить гиперспектральную съемку мирового океана. Запуск PACE запланирован на 2024 год. А уже сейчас доступны данные Sentinel-3 OLCI. OLCI — это Ocean and Land Color Instrument. У него 21 спектральный канал в области видимого света и ближнем ИК-диапазоне, с пространственным разрешением 300 метров. Можно пробовать!
#вода
Группа ученых проанализировала снимки спектрорадиометра MODIS на спутнике Aqua с 2003 по 2020 год и составила глобальную базу данных о цветении прибрежного фитопланктона. Ученые обнаружили, что за исследуемый период случаи цветения фитопланктона участились на 60% и увеличились по площади на 13%. Прибрежные цветения затронули 31,5 миллиона квадратных километров, что составляет 9% площади океана.
Перед нами первая глобальная карта тенденций цветения прибрежного фитопланктона, и ее появление стало возможным благодаря дистанционному зондированию. Красные области — это места, где цветение стало наблюдаться чаще. Такая тенденция наблюдалась на большей части Южного полушария и в высоких широтах Северного полушария.
Ученые отметили, что использованный ими метод наблюдения за фитопланктоном не позволяет различить безвредные виды от видов, которые производят токсины. Существенного продвижения в этом вопросе ожидают после запуска миссии NASA “Plankton, Aerosol, Cloud, ocean Ecosystem” (PACE), которая будет проводить гиперспектральную съемку мирового океана. Запуск PACE запланирован на 2024 год. А уже сейчас доступны данные Sentinel-3 OLCI. OLCI — это Ocean and Land Color Instrument. У него 21 спектральный канал в области видимого света и ближнем ИК-диапазоне, с пространственным разрешением 300 метров. Можно пробовать!
#вода