GEE-2. Основы JavaScript
Объявление переменной начинается с
Строка комментария начинается с
Вместе это работает так:
Проверить тип данных можно с помощью
Объекты предназначены для хранения свойств. Свойство — это пара “ключ:значение”, где ключ — строка с именем свойства, а значение может быть чем угодно.
Или
И еще:
Cвойство, значением которого является функция, называют методом.
Код: https://code.earthengine.google.com/3634c4d5819f495a33602eec9e7b93d4
#GEE
Объявление переменной начинается с
var
:var new_variable = ...Любая операция оканчивается
;
.Строка комментария начинается с
//
.Вместе это работает так:
// Создадим числовую переменную num.Строка должна заключаться в кавычки, одинарные или двойные.
var num = 2;
print('The answer is:', num);
'The answer is:'
и "COPERNICUS/S2_SR/20220701T085559_20220701T090240_T35UQU"
— это строки. Проверить тип данных можно с помощью
typeof
:print(typeof num); \\ numberСписки хранят упорядоченные наборы данных разных типов. Создается список с помощью квадратных скобок
print(typeof 'The answer is:'); \\ string
[…]
:var listOfNums = [0, 1, -1, 4, 3];Выбрать элемент можно по его номеру в списке. Нумерация элементов начинается с 0.
var listOfMix = [0, 1, -1, 4, '3'];
// Вывод выглядит похоже, но типы данных разные.
print(listOfNums[4]);
print(listOfMix[4]);
print(typeof listOfNums[4]);
print(typeof listOfMix[4]);
['B4', 'B3', 'B2']
в примере — это список.Объекты предназначены для хранения свойств. Свойство — это пара “ключ:значение”, где ключ — строка с именем свойства, а значение может быть чем угодно.
// Объекты создаются с помощью фигурных скобок.Обращаться к свойству можно по имени, через точку:
var obj = {'distance': 20000};
print(obj)
print(obj.distance); // 20000Отображение снимка на карте задается объектом
vis
var vis = {Правильнее было бы заключить
min: 0.1,
max: 0.4
};
min
и max
в кавычки, но в Earth Engine это не обязательно.print(vis.min); // 0.1Функции позволяют повторять одно и то же действие во многих частях программы.
// Функция myFunc принимает на вход единственный аргумент arg.Важно, что функция может выступать в роли значения объекта. Теперь понятно, что код
var myFunc = function(arg) {
// Возвращает аргумент.
return arg;
};
print(myFunc('Hello!'));
image.select(['B4', 'B3', 'B2']).multiply(0.0001);означает: из снимка
image
выберем список каналов ['B4', 'B3', 'B2']
и умножим все значения пикселей этих каналов функцией multiply
на 0.0001.Или
point.buffer({'distance': 20000}).bounds();— построить вокруг точки
point
буферную зону шириной 20000 метров, затем окружить ее прямоугольником bounds
.И еще:
Map.addLayer(image.clip(bbox), vis, 'True Color (432)');— добавить на карту
Map
слой, в который поместить снимок image.clip(bbox)
, задать параметры отображения снимка vis
, и легенду карты 'True Color (432)'
. Перед отображением на карте снимок image
обрезается (clip
) по границам прямоугольника bbox
.Cвойство, значением которого является функция, называют методом.
Код: https://code.earthengine.google.com/3634c4d5819f495a33602eec9e7b93d4
#GEE
Telegram
Спутник ДЗЗ
GEE-1. Отображение снимка на карте
Пример: https://code.earthengine.google.com/40a72a061da18016c0fbc207c5e1f62e
План:
1. Указываем район исследования
2. Выбираем снимок, покрывающий этот район
3. Отображаем снимок на карте
// Задаем ROI
var point = ee…
Пример: https://code.earthengine.google.com/40a72a061da18016c0fbc207c5e1f62e
План:
1. Указываем район исследования
2. Выбираем снимок, покрывающий этот район
3. Отображаем снимок на карте
// Задаем ROI
var point = ee…
Данные о концентрации парниковых газов CAMS EGG4 2003–2020
Тема климатических изменений актуальна уже много лет. Однако реальных многолетних данных, на которых должны строиться выводы ученых, совсем немного. Самые полные на сегодняшний день — данные реанализа о концентрации парниковых газов в атмосфере CAMS* global greenhouse gas reanalysis (EGG4). Они содержит трехмерные поля данных об аэрозолях и химических составляющих атмосферы за период с 2003 по 2020 год. CAMS EGG4 ассимилирует данные спутникового дистанционного зондирования и обеспечивает глобальные поля параметров атмосферы на регулярной сетке координат 0.75° х 0.75° с временной периодичностью 3 часа (определить “кто виноват” получится с точностью до административной области). Ошибки CAMS EGG4 в части концентраций СH4 и CO2 в среднем находятся в пределах 1% для нижних слоев тропосферы.
Реанализ — это способ получения глобальных полей метеорологических величин. Метеостанции расположены неравномерно и интервалы между их измерениями определяются правилами метеослужбы конкретной страны. Привести все эти наблюдения “к общему знаменателю” удается при помощи интерполяции и моделирования. Реанализ дает метеорологические данные в узлах регулярной сетки через равные интервалы времени, что удобно для моделирования. Как правило, метеоданные образуют трехмерные (две пространственные координаты и время) или четырехмерные (+ высота) поля.
*CAMS — Copernicus Atmosphere Monitoring Service
#данные #атмосфера #климат
Тема климатических изменений актуальна уже много лет. Однако реальных многолетних данных, на которых должны строиться выводы ученых, совсем немного. Самые полные на сегодняшний день — данные реанализа о концентрации парниковых газов в атмосфере CAMS* global greenhouse gas reanalysis (EGG4). Они содержит трехмерные поля данных об аэрозолях и химических составляющих атмосферы за период с 2003 по 2020 год. CAMS EGG4 ассимилирует данные спутникового дистанционного зондирования и обеспечивает глобальные поля параметров атмосферы на регулярной сетке координат 0.75° х 0.75° с временной периодичностью 3 часа (определить “кто виноват” получится с точностью до административной области). Ошибки CAMS EGG4 в части концентраций СH4 и CO2 в среднем находятся в пределах 1% для нижних слоев тропосферы.
Реанализ — это способ получения глобальных полей метеорологических величин. Метеостанции расположены неравномерно и интервалы между их измерениями определяются правилами метеослужбы конкретной страны. Привести все эти наблюдения “к общему знаменателю” удается при помощи интерполяции и моделирования. Реанализ дает метеорологические данные в узлах регулярной сетки через равные интервалы времени, что удобно для моделирования. Как правило, метеоданные образуют трехмерные (две пространственные координаты и время) или четырехмерные (+ высота) поля.
*CAMS — Copernicus Atmosphere Monitoring Service
#данные #атмосфера #климат
Gaofen
Спутники Gaofen (кит. “высокое разрешение”) запускаются в рамках китайской программы наблюдения Земли с высоким разрешением (Chinese High-resolution Earth Observation System, CHEOS). Это комплексная программа, утвержденная в 2010 году. CHEOS предполагает создание и развитие спутниковой группировки Gaofen, суборбитальных и авиационных систем, в частности, дирижаблей и БПЛА, наземной инфраструктуры для приема, обработки и калибровки данных, а также системы программных приложений, которые объединяют данные дистанционного зондирования с данными других источников для получения полезной информации и знаний.
Первые спутники Gaofen были запущены в 2013 году. С тех пор запущено 30 спутников этой серии. Все запуски были удачными.
Имеющаяся в открытом доступе информация о спутниках Gaofen поступает от китайских специалистов. Первые семь спутников и их полезная нагрузка подробно описаны. Об остальных известно мало, что дает почву для домыслов.
Похоже, что Gaofen’и делятся на несколько моделей, каждая со своим набором инструментов. Если модель оказывается удачной, запускается следующий спутник с аналогичной полезной нагрузкой. Например, в 2018 году запущен Gaofen 5, в 2021 — Gaofen 5-02, а в 2022 — новая модификация — Gaofen 5-01A. Параметры полезной нагрузки Gaofen 5 описаны, детали усовершенствований обычно не разглашаются.
Постепенно мы опишем модели спутников Gaofen (GF), а сейчас короткое знакомство:
* GF-1 и GF-6 оснащены оптическими камерами высокого разрешения (панхроматическая камера с разрешением 2 м и мультиспектральная камера с разрешением 8 м) мультиспектральной камерой с разрешением 16 м. GF-2 имеет улучшенную камерус разрешением 1 м (панхром) и 4 м (мультиспектр);
* GF-3 снабжен радаром C-диапазона с пространственным разрешением до 1 метра;
* GF-5 несет 6 приборов, включая гиперспектральную камеру;
* GF-7 оснащен лидаром.
* GF-4 — геостационарный спутник (остальные — низкоорбитальные) с мультиспектральной камерой разрешением 50 м (видимый + NIR) и 400 м (средневолновой ИК-диапазон).
#китай
Спутники Gaofen (кит. “высокое разрешение”) запускаются в рамках китайской программы наблюдения Земли с высоким разрешением (Chinese High-resolution Earth Observation System, CHEOS). Это комплексная программа, утвержденная в 2010 году. CHEOS предполагает создание и развитие спутниковой группировки Gaofen, суборбитальных и авиационных систем, в частности, дирижаблей и БПЛА, наземной инфраструктуры для приема, обработки и калибровки данных, а также системы программных приложений, которые объединяют данные дистанционного зондирования с данными других источников для получения полезной информации и знаний.
Первые спутники Gaofen были запущены в 2013 году. С тех пор запущено 30 спутников этой серии. Все запуски были удачными.
Имеющаяся в открытом доступе информация о спутниках Gaofen поступает от китайских специалистов. Первые семь спутников и их полезная нагрузка подробно описаны. Об остальных известно мало, что дает почву для домыслов.
Похоже, что Gaofen’и делятся на несколько моделей, каждая со своим набором инструментов. Если модель оказывается удачной, запускается следующий спутник с аналогичной полезной нагрузкой. Например, в 2018 году запущен Gaofen 5, в 2021 — Gaofen 5-02, а в 2022 — новая модификация — Gaofen 5-01A. Параметры полезной нагрузки Gaofen 5 описаны, детали усовершенствований обычно не разглашаются.
Постепенно мы опишем модели спутников Gaofen (GF), а сейчас короткое знакомство:
* GF-1 и GF-6 оснащены оптическими камерами высокого разрешения (панхроматическая камера с разрешением 2 м и мультиспектральная камера с разрешением 8 м) мультиспектральной камерой с разрешением 16 м. GF-2 имеет улучшенную камерус разрешением 1 м (панхром) и 4 м (мультиспектр);
* GF-3 снабжен радаром C-диапазона с пространственным разрешением до 1 метра;
* GF-5 несет 6 приборов, включая гиперспектральную камеру;
* GF-7 оснащен лидаром.
* GF-4 — геостационарный спутник (остальные — низкоорбитальные) с мультиспектральной камерой разрешением 50 м (видимый + NIR) и 400 м (средневолновой ИК-диапазон).
#китай
Снимки американских разведывательных спутников в открытом доступе
Сотни тысяч снимков американских разведывательных спутников Key Hole (“Замочная скважина”) находятся в открытом доступе на сервере Геологической службы США — USGS EarthExplorer.
В разделе Declassified Data (“Рассекреченные данные”) находится три набора данных:
* Declass 1 (1996): KH-1 – KH-4 Corona, KH-5 Argon и KH-6 Lanyard; 1960–1972 годы; пространственное разрешение — до 1.83 м
* Declass 2 (2002): KH-7 Gambit, KH-8 Gambit 3; 1963–1984 годы; пространственное разрешение — до 1.21 м
* Declass 3 (2013): KH-9 Hexagon; 1971–1984 годы; пространственное разрешение — до 0.6 м
EarthExplorer позволяет искать снимки KH, доступ к которым открыт. Однако скачать снимок можно только в случае, если он был кем-то оплачен и отсканирован с пленочного оригинала. Возле таких снимков стоят иконки “Download Options” и “Add to Bulk Download” (а в пункте Down Load Available метаданных — 1). Для остальных снимков нужно разместить заказ на сканирование пленки по цене $30 за кадр.
Еще одна проблема снимков КН — они требуют геопривязки. Геопривязанные снимки KH находятся в Corona @ CAST, но это лишь небольшая часть доступной коллекции. Технология геопривязки данных CORONA описана в статье: Iacone, B. et al. A Methodology for Georeferencing and Mosaicking Corona Imagery in Semi-Arid Environments. https://doi.org/10.3390/rs14215395
Сейчас данные KH используют археологи, работающие на Ближнем Востоке. С одной стороны, эти снимки имеют довольно высокое разрешение, а с другой — они фиксируют ландшафты, не нарушенные современным развитием сельского хозяйства и ростом городов. Благодаря этому, на снимках можно обнаружить следы древних дорог или оросительных систем.
В заключение — два факта о Corona: 1) Только в рамках программы Corona было запущено 144 спутника, 102 из которых сделали полезные снимки. 2) Высота орбиты первых спутников Corona составляла около 160 км над поверхностью Земли, более поздние миссии находились на высоте в 121 км.
Описание и получение данных спутников Key Hole (CORONA, ARGON, LANYARD) на gis-lab.info.
#данные #война #история #археология #keyhole
Сотни тысяч снимков американских разведывательных спутников Key Hole (“Замочная скважина”) находятся в открытом доступе на сервере Геологической службы США — USGS EarthExplorer.
В разделе Declassified Data (“Рассекреченные данные”) находится три набора данных:
* Declass 1 (1996): KH-1 – KH-4 Corona, KH-5 Argon и KH-6 Lanyard; 1960–1972 годы; пространственное разрешение — до 1.83 м
* Declass 2 (2002): KH-7 Gambit, KH-8 Gambit 3; 1963–1984 годы; пространственное разрешение — до 1.21 м
* Declass 3 (2013): KH-9 Hexagon; 1971–1984 годы; пространственное разрешение — до 0.6 м
EarthExplorer позволяет искать снимки KH, доступ к которым открыт. Однако скачать снимок можно только в случае, если он был кем-то оплачен и отсканирован с пленочного оригинала. Возле таких снимков стоят иконки “Download Options” и “Add to Bulk Download” (а в пункте Down Load Available метаданных — 1). Для остальных снимков нужно разместить заказ на сканирование пленки по цене $30 за кадр.
Еще одна проблема снимков КН — они требуют геопривязки. Геопривязанные снимки KH находятся в Corona @ CAST, но это лишь небольшая часть доступной коллекции. Технология геопривязки данных CORONA описана в статье: Iacone, B. et al. A Methodology for Georeferencing and Mosaicking Corona Imagery in Semi-Arid Environments. https://doi.org/10.3390/rs14215395
Сейчас данные KH используют археологи, работающие на Ближнем Востоке. С одной стороны, эти снимки имеют довольно высокое разрешение, а с другой — они фиксируют ландшафты, не нарушенные современным развитием сельского хозяйства и ростом городов. Благодаря этому, на снимках можно обнаружить следы древних дорог или оросительных систем.
В заключение — два факта о Corona: 1) Только в рамках программы Corona было запущено 144 спутника, 102 из которых сделали полезные снимки. 2) Высота орбиты первых спутников Corona составляла около 160 км над поверхностью Земли, более поздние миссии находились на высоте в 121 км.
Описание и получение данных спутников Key Hole (CORONA, ARGON, LANYARD) на gis-lab.info.
#данные #война #история #археология #keyhole
Днепропетровск на снимке DS1109-1090DA051, сделанном 10 марта 1970 года по программе CORONA.
#keyhole
#keyhole
DS1109-1090DA051_c.jpg
19.4 MB
Предыдущий снимок в хорошем качестве. Можно скачать его и оценить возможности винтажных спутников-шпионов.
Спектральные диапазоны
Наблюдение со спутников ведется в различных диапазонах (областях) электромагнитного спектра. В первую очередь, “виновата” в этом атмосфера. Разберемся, что происходит.
Дистанционное зондирование основано на измерении электромагнитного излучения, которое отражается или излучается наблюдаемым объектом. Объект находится на поверхности Земли, а измерительный прибор — на космическом аппарате. Разделяющий их слой атмосферы способен не только пропускать электромагнитные волны, но также поглощать и рассеивать их. Наблюдать со спутника за объектами на земной поверхности можно только в диапазонах длин волн (областях электромагнитного спектра), для которых атмосфера прозрачна, а поглощение и рассеивание — малы.
Оказывается, что атмосфера имеет несколько “окон прозрачности” в ультрафиолетовом (0.25–0.4 мкм), видимом (0.4–0.7 мкм) и ближнем ИК-диапазоне (0.7–1.3 мкм), в нескольких сравнительно узких участках среднего (1.5–1.8 мкм; 2.0–2.6 мкм) и теплового (вблизи 3 и 5 мкм и в интервале 8–14 мкм) ИК-диапазонов, а также в радиодиапазоне от миллиметровых до дециметровых волн. Для радиоволн субмиллиметрового диапазона атмосфера непрозрачна. Радиоволны с длиной волны 1–10 мм заметно поглощаются атмосферой. Радиоволны длиной свыше 20–30 м экранируются ионосферой.
#основы
Наблюдение со спутников ведется в различных диапазонах (областях) электромагнитного спектра. В первую очередь, “виновата” в этом атмосфера. Разберемся, что происходит.
Дистанционное зондирование основано на измерении электромагнитного излучения, которое отражается или излучается наблюдаемым объектом. Объект находится на поверхности Земли, а измерительный прибор — на космическом аппарате. Разделяющий их слой атмосферы способен не только пропускать электромагнитные волны, но также поглощать и рассеивать их. Наблюдать со спутника за объектами на земной поверхности можно только в диапазонах длин волн (областях электромагнитного спектра), для которых атмосфера прозрачна, а поглощение и рассеивание — малы.
Оказывается, что атмосфера имеет несколько “окон прозрачности” в ультрафиолетовом (0.25–0.4 мкм), видимом (0.4–0.7 мкм) и ближнем ИК-диапазоне (0.7–1.3 мкм), в нескольких сравнительно узких участках среднего (1.5–1.8 мкм; 2.0–2.6 мкм) и теплового (вблизи 3 и 5 мкм и в интервале 8–14 мкм) ИК-диапазонов, а также в радиодиапазоне от миллиметровых до дециметровых волн. Для радиоволн субмиллиметрового диапазона атмосфера непрозрачна. Радиоволны с длиной волны 1–10 мм заметно поглощаются атмосферой. Радиоволны длиной свыше 20–30 м экранируются ионосферой.
#основы
GEOINT
Геопространственная разведка (GEOINT, от Geospatial Intelligence) — это разведывательная деятельность, основанная на анализе изображений и геопространственных данных. GEOINT описывает, оценивает и визуально изображает физические особенности человеческой деятельности с географической привязкой.
В США GEOINT оформилась в 1950-е годы, в ходе наблюдений за территорий СССР с самолетов-шпионов U-2. Основная организация — National Geospatial-Intelligence Agency (NGA). Подчиняется Министерству обороны и насчитывает около 14 500 сотрудников.
Список государственных агентств геопространственной разведки. На русском языке о GEOINT есть небольшая статья про NGA, написанная еще в 2019 г.
Пройти курс по GEOINT можно в университете или в компании, из числа тех, что борются за мир на деньги министерства обороны (к примеру, в такой). Так, в Pennsylvania State University есть курс для новичков и продвинутый. Может и нам стоит подумать над расширением университетских программ по геоинформатике?
#война #справка
Геопространственная разведка (GEOINT, от Geospatial Intelligence) — это разведывательная деятельность, основанная на анализе изображений и геопространственных данных. GEOINT описывает, оценивает и визуально изображает физические особенности человеческой деятельности с географической привязкой.
В США GEOINT оформилась в 1950-е годы, в ходе наблюдений за территорий СССР с самолетов-шпионов U-2. Основная организация — National Geospatial-Intelligence Agency (NGA). Подчиняется Министерству обороны и насчитывает около 14 500 сотрудников.
Список государственных агентств геопространственной разведки. На русском языке о GEOINT есть небольшая статья про NGA, написанная еще в 2019 г.
Пройти курс по GEOINT можно в университете или в компании, из числа тех, что борются за мир на деньги министерства обороны (к примеру, в такой). Так, в Pennsylvania State University есть курс для новичков и продвинутый. Может и нам стоит подумать над расширением университетских программ по геоинформатике?
#война #справка
GEE-3. Структуры данных Earth Engine
Для хранения геопространственных данных Earth Engine использует типы данных
Несколько снимков образуют коллекцию
Есть еще
Чтобы отравить данные Google, нужно поместить их в контейнер —
* Старайтесь всю работу проводить на сервере. К себе на машину перегоняйте только готовый результат.
* Не смешивайте в коде серверные и клиентские объекты. Сначала одно, потом другое. Примеры здесь.
Код примера: https://code.earthengine.google.com/f1588794e7d3e8dc923d7c5019b6c6e5
#GEE
Для хранения геопространственных данных Earth Engine использует типы данных
Image
и Feature
. Image
— это растровые данные: снимки или карты. Они состоят из набора каналов (bands) и свойств (метаданных). Добавьте print(image)
в код и посмотрите, как выглядит такой объект.Feature
— векторные данные, которые состоят из описания геометрии объекта Geometry
(точки, линии, полигона) и его свойств (атрибутов).Несколько снимков образуют коллекцию
ImageCollection
. Коллекция векторных данных называется FeatureCollection
. Есть еще
Dictionary
, List
, Array
, Date
, Number
и String
. Все эти типы данных начинаются с ee.
и создают серверные объекты. Реальные данные этих объектов хранятся где-то далеко, на серверах Google. В этом их отличие от объектов JavaScript, которые хранятся на вашей (клиентской) машине, и от карты — объекта Map
, которую Earth Engine также создает на вашей машине.Чтобы отравить данные Google, нужно поместить их в контейнер —
ee.объект
:// Зададим строку и поместим ее в EE-контейнер.Проверка показывает, что мы создали обычный
var clientString = 'To the cloud!';
var eeString = ee.String(clientString);
print('Where to?', eeString);
string
, а затем превратили его в серверный объект (object
):print(typeof clientString);Данные на сервере обрабатываются очень быстро. У вас на машине, надеюсь, тоже. Самые большие потери времени приходятся на обмен данными между сервером и клиентом. Поэтому:
print(typeof eeString);
* Старайтесь всю работу проводить на сервере. К себе на машину перегоняйте только готовый результат.
* Не смешивайте в коде серверные и клиентские объекты. Сначала одно, потом другое. Примеры здесь.
Код примера: https://code.earthengine.google.com/f1588794e7d3e8dc923d7c5019b6c6e5
#GEE
Бесплатные спутниковые снимки
Основой массив бесплатных спутниковых данных составляют снимки, находящиеся в открытом доступе. Как правило, это снимки среднего (10–10 м) и низкого (свыше 100 м) пространственного разрешения. Самые популярные данные такого рода — снимки спутников Sentinel, Landsat и прибора MODIS (спутники Terra и Aqua). Если снимков требуется много, нужен сервис с доступом по API.
1. NASA Earthdata Search: спутниковые снимки (не только NASA, есть все Sentinel’и), аэрофотоснимки, данные наземных платформ. Поиск по темам (Keywords) и по инструментам. Есть снимки с геостационарных спутников. Самый широкий выбор снимков, но нет доступа по API.
2. Copernicus Browser дает возможность скачивать данные Sentinel-1 (GRD, SLC, OCN, L0), Sentinel-2 (L1C, L2A), Sentinel-3 (OLCI, SLSTR, SRAL, MWR), и Sentinel-5P (L1B и 12 видов данных 2-го уровня обработки), а также Copernicus DEM (30 метров и 90 метров) и ESA WorldCover. Есть доступ по API.
3. Alaska Satellite Facility (ASF): радарные данные. Можно заказать обработку снимков Sentinel-1 и получить готовые к работе данные, в том числе InSAR (интерферограммы, карты когерентности). Есть доступ по API. Работает регистрация с Earthdata.
4. USGS Earth Explorer. Изюминка: рассекреченные данные разведывательных спутников Key Hole.
5. Amazon Web Services (AWS) satellite data. Коллекции открытых спутниковых данных, в том числе с избранные данные коммерческих спутников (пример). Сервис удобен для получения данных в промышленных масштабах. Данные: Sentinel -2, Landsat 8, MODES (Terra)/(Aqua), Worldview, SRTM (30m), GOES и др. Есть доступ по API.
Во всех случаях требуется бесплатная регистрация на сервисе.
О том как посмотреть и получить бесплатно снимки высокого разрешения мы поговорим в будущем.
#данные #DEM
Основой массив бесплатных спутниковых данных составляют снимки, находящиеся в открытом доступе. Как правило, это снимки среднего (10–10 м) и низкого (свыше 100 м) пространственного разрешения. Самые популярные данные такого рода — снимки спутников Sentinel, Landsat и прибора MODIS (спутники Terra и Aqua). Если снимков требуется много, нужен сервис с доступом по API.
1. NASA Earthdata Search: спутниковые снимки (не только NASA, есть все Sentinel’и), аэрофотоснимки, данные наземных платформ. Поиск по темам (Keywords) и по инструментам. Есть снимки с геостационарных спутников. Самый широкий выбор снимков, но нет доступа по API.
2. Copernicus Browser дает возможность скачивать данные Sentinel-1 (GRD, SLC, OCN, L0), Sentinel-2 (L1C, L2A), Sentinel-3 (OLCI, SLSTR, SRAL, MWR), и Sentinel-5P (L1B и 12 видов данных 2-го уровня обработки), а также Copernicus DEM (30 метров и 90 метров) и ESA WorldCover. Есть доступ по API.
3. Alaska Satellite Facility (ASF): радарные данные. Можно заказать обработку снимков Sentinel-1 и получить готовые к работе данные, в том числе InSAR (интерферограммы, карты когерентности). Есть доступ по API. Работает регистрация с Earthdata.
4. USGS Earth Explorer. Изюминка: рассекреченные данные разведывательных спутников Key Hole.
5. Amazon Web Services (AWS) satellite data. Коллекции открытых спутниковых данных, в том числе с избранные данные коммерческих спутников (пример). Сервис удобен для получения данных в промышленных масштабах. Данные: Sentinel -2, Landsat 8, MODES (Terra)/(Aqua), Worldview, SRTM (30m), GOES и др. Есть доступ по API.
Во всех случаях требуется бесплатная регистрация на сервисе.
О том как посмотреть и получить бесплатно снимки высокого разрешения мы поговорим в будущем.
#данные #DEM
GEE-4. Фильтрация коллекции снимков
Выберем из коллекции снимков нужные. Это должны быть снимки заданного района, сделанные в определенный интервал времени, и не слишком сильно покрытые облаками.
Код примера: https://code.earthengine.google.com/c6958a766c88d0b180e0700f6e2a52c2
Сформулируем требования к снимкам:
ROI — это region of interest, то есть интересующий район.
Отберем снимки из коллекции Sentinel-2 Level 2A:
Условие
Детали синтаксиса нужного объекта или функции можно узнать поиском во вкладке Docs редактора кода.
На первых порах удобно добавлять фильтры постепенно и оценивать состав полученной коллекции при помощи
Снимкам нужна небольшая предварительная обработка, с которой мы познакомились здесь. Так как операция выполняется много раз, превратим ее в функцию:
Теперь обработаем коллекцию
А вот отображать снимки на карте мы будем с помощью цикла.
Чтобы получить доступ к произвольному снимку по его номеру, превратим коллекцию в список (
с числом элементов
Создадим карту, и в цикле будем добавлять на нее слои со снимками.
#GEE
Выберем из коллекции снимков нужные. Это должны быть снимки заданного района, сделанные в определенный интервал времени, и не слишком сильно покрытые облаками.
Код примера: https://code.earthengine.google.com/c6958a766c88d0b180e0700f6e2a52c2
Сформулируем требования к снимкам:
// ROI.
var ROI = ee.Geometry.Point([39.9222496922294, 43.41360517855418]).buffer({'distance': 5000}).bounds();
// Промежуток времени.
var START_DATE = '2022-03-22';
var END_DATE = '2022-07-10';
// Максимальная доля облачности снимка.
var CLOUD_MAX = 35;
ROI — это region of interest, то есть интересующий район.
Отберем снимки из коллекции Sentinel-2 Level 2A:
var S2_SR = ee.ImageCollection("COPERNICUS/S2_SR")
.filterDate(START_DATE, END_DATE)
.filterBounds(ROI)
.filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', CLOUD_MAX));
filterDate
и filterBounds
— специализированные фильтры: для дат и для области пространства, filter
— универсальный фильтр, внутри которого задается условие.Условие
ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE', CLOUD_MAX)
означает, что левый аргумент (доля облачности) должен быть меньше (lt – less then) заданного порога CLOUD_MAX
.Детали синтаксиса нужного объекта или функции можно узнать поиском во вкладке Docs редактора кода.
На первых порах удобно добавлять фильтры постепенно и оценивать состав полученной коллекции при помощи
print
-ов.'CLOUDY_PIXEL_PERCENTAGE'
— это одно из свойств снимка: процент площади снимка, покрытой облаками. Заметим, что это доля облачности на всем снимке, а не в интересующем районе. Мы подобрали порог достаточно высоким, чтобы не пропустить хорошие снимки, где ROI чист от облаков, несмотря на высокую долю облачности в остальной части снимка.Снимкам нужна небольшая предварительная обработка, с которой мы познакомились здесь. Так как операция выполняется много раз, превратим ее в функцию:
function applyScaleFactors(image) {
var bands = image.select('B.').multiply(0.0001);
return image.addBands(bands, null, true);
}
image.addBands(bands, null, true)
добавляет в снимок новые каналы, значения пикселей в которых умножены на 0.0001. Каналы переписываются поверх одноименных старых. Теперь обработаем коллекцию
S2_SR = S2_SR.map(applyScaleFactors);
map(функция)
означает: применить функцию
ко всем элементам коллекции. map
заменяет цикл и, что самое важное, выполняется на сервере, то есть не тормозит обработку данных.А вот отображать снимки на карте мы будем с помощью цикла.
Чтобы получить доступ к произвольному снимку по его номеру, превратим коллекцию в список (
List
):var colList = S2_SR.toList(S2_SR.size());
с числом элементов
var n = colList.size().getInfo();
Создадим карту, и в цикле будем добавлять на нее слои со снимками.
for (var i = n-1; i > -1; i--) {
var image = ee.Image(colList.get(i));
var date = image.date().format("YYYY-MM-dd").getInfo();
Map.addLayer(image.clip(ROI), visRGB, date);
}
colList.get(i)
означать “взять i-й элемент списка colList
“. Нумерация элементов начинается с 0. date()
извлекает из снимка дату съемки, format("YYYY-MM-dd")
преобразует формат даты в календарный, а getInfo()
превращает объект типа date
в строку — для выдачи на легенде к карте.#GEE
Спутники на сверхнизких орбитах
Сверхнизкие околоземные орбиты (Very Low Earth Orbit, VLEO) — это орбиты, лежащие ниже орбиты МКС (около 400 км). Сопротивление атмосферы на них гораздо выше, чем на традиционных орбитах спутников ДЗЗ (500–700 км), а значит время существования спутников будет гораздо меньшим. Но есть у VLEO и множество плюсов.
* Уменьшение высоты полета спутника с 650 до 160 км приводит к 64-кратному снижению мощности радара, 16-кратному снижению мощности антенны связи и 4-кратному уменьшению оптической апертуры для достижения того же разрешения съемки. Грубо говоря, можно создать маленький спутник с возможностями как у большого.
* Считается, что VLEO-спутники позволят производить фотосъемку поверхности Земли с разрешением 10 см на пиксель.
* Выводить спутники на VLEO дешевле, а значит сократятся затраты на запуск. Требования к носителю будут ниже, а работы по запуску ракет с неподготовленных площадок уже ведутся.
* Сопротивление атмосферы будет очищать VLEO от космического мусора.
Вырисовывается новый тип космических платформ, которые будут маленькими, относительно дешевыми, а по пространственному разрешению смогут конкурировать с дронами.
Что есть сейчас? Европейская миссия GOCE (255 км, 4.5 года) и японская SLATS (200 км, почти 2 года). Вполне успешные, но большие и дорогие.
В настоящий момент успешными хотят стать американские стартапы Skeyeon, Albedo и Earth Observant, а также европейский гигант Thales Alenia Space. Все они хотят только хорошего: охранять природу, поддерживать сельское хозяйство и обеспечивать устойчивое развитие. Правда, Earth Observant собирается делать это на деньги ВВС США, но так тоже бывает.
У GOCE и SLATS высота орбиты поддерживалась ионным двигателем на ксеноне. Как будут решаться проблемы поддержания орбиты сейчас — пока не известно. Но стартапы что-то знают. Первые пуски на VLEO намечены: на 2023 год у Earth Observant и на 2024 год у Albedo. Будем следить за развитием событий.
Впрочем, есть заказчики, которые понимают окупаемость по-своему. Earth Observant как бы намекает. Напомним, что орбиты разведывательных спутников CORONA лежали ниже 160 км.
Если спутникам на VLEO не будет хватать энергии, ее можно попробовать получить от солнечных электростанций (СЭС), которые разрабатывают для тех же людей. Демонстратор СЭС обещают запустить уже в 2025 г.
#VLEO #keyhole
Сверхнизкие околоземные орбиты (Very Low Earth Orbit, VLEO) — это орбиты, лежащие ниже орбиты МКС (около 400 км). Сопротивление атмосферы на них гораздо выше, чем на традиционных орбитах спутников ДЗЗ (500–700 км), а значит время существования спутников будет гораздо меньшим. Но есть у VLEO и множество плюсов.
* Уменьшение высоты полета спутника с 650 до 160 км приводит к 64-кратному снижению мощности радара, 16-кратному снижению мощности антенны связи и 4-кратному уменьшению оптической апертуры для достижения того же разрешения съемки. Грубо говоря, можно создать маленький спутник с возможностями как у большого.
* Считается, что VLEO-спутники позволят производить фотосъемку поверхности Земли с разрешением 10 см на пиксель.
* Выводить спутники на VLEO дешевле, а значит сократятся затраты на запуск. Требования к носителю будут ниже, а работы по запуску ракет с неподготовленных площадок уже ведутся.
* Сопротивление атмосферы будет очищать VLEO от космического мусора.
Вырисовывается новый тип космических платформ, которые будут маленькими, относительно дешевыми, а по пространственному разрешению смогут конкурировать с дронами.
Что есть сейчас? Европейская миссия GOCE (255 км, 4.5 года) и японская SLATS (200 км, почти 2 года). Вполне успешные, но большие и дорогие.
В настоящий момент успешными хотят стать американские стартапы Skeyeon, Albedo и Earth Observant, а также европейский гигант Thales Alenia Space. Все они хотят только хорошего: охранять природу, поддерживать сельское хозяйство и обеспечивать устойчивое развитие. Правда, Earth Observant собирается делать это на деньги ВВС США, но так тоже бывает.
У GOCE и SLATS высота орбиты поддерживалась ионным двигателем на ксеноне. Как будут решаться проблемы поддержания орбиты сейчас — пока не известно. Но стартапы что-то знают. Первые пуски на VLEO намечены: на 2023 год у Earth Observant и на 2024 год у Albedo. Будем следить за развитием событий.
Впрочем, есть заказчики, которые понимают окупаемость по-своему. Earth Observant как бы намекает. Напомним, что орбиты разведывательных спутников CORONA лежали ниже 160 км.
Если спутникам на VLEO не будет хватать энергии, ее можно попробовать получить от солнечных электростанций (СЭС), которые разрабатывают для тех же людей. Демонстратор СЭС обещают запустить уже в 2025 г.
#VLEO #keyhole
Вот как может выглядеть снимок с 10-сантиметровым разрешением. Фото из Spacenews.
Спутниковое ДЗЗ в военном бюджете США на 2023 год
Закон об оборонном бюджете США на 2023 год уже подписан Байденом. Что там в части ДЗЗ?
На Космические силы выделено $26.3 млрд, что почти на $1.7 млрд больше, чем первоначально запрашивал Пентагон. Более $500 млн дополнительных средств приходится на Агентство космического развития (SDA). SDA создано Пентагоном в 2019 году чтобы помочь Космическим силам эффективнее использовать коммерческие спутниковые технологии (гусары молчать!). SDA приобретает сотни коммерческих спутников и соответствующих наземных систем, чтобы создать на низкой околоземной орбите группировку для обнаружения пусков и отслеживания баллистических и гиперзвуковых ракет. Кроме того, SDA создает группировку низкоорбитальных спутников связи для передачи военными данных по всему миру.
В добавление к низкоорбитальной группировке от SDA, Космические силы еще в мае 2021 года заключили контракты с Raytheon Technologies на $727 млн и с Millennium Space Systems на $412 млн для создания прототипов спутников, способных обнаруживать и отслеживать гиперзвуковые и баллистические ракеты со средней околоземной орбиты. В ноябре 2022 на эти разработки выделены дополнительные $605 млн. Предполагается, что спутники будут запущены в 2026 году.
$50 млн предназначены для программы "Тактически отзывчивый космос". Отзывчивость космоса состоит в том, что Пентагон будет использовать малые коммерческие ракеты-носители для быстрого пополнения своей спутниковой группировки.
#война #США
Закон об оборонном бюджете США на 2023 год уже подписан Байденом. Что там в части ДЗЗ?
На Космические силы выделено $26.3 млрд, что почти на $1.7 млрд больше, чем первоначально запрашивал Пентагон. Более $500 млн дополнительных средств приходится на Агентство космического развития (SDA). SDA создано Пентагоном в 2019 году чтобы помочь Космическим силам эффективнее использовать коммерческие спутниковые технологии (гусары молчать!). SDA приобретает сотни коммерческих спутников и соответствующих наземных систем, чтобы создать на низкой околоземной орбите группировку для обнаружения пусков и отслеживания баллистических и гиперзвуковых ракет. Кроме того, SDA создает группировку низкоорбитальных спутников связи для передачи военными данных по всему миру.
В добавление к низкоорбитальной группировке от SDA, Космические силы еще в мае 2021 года заключили контракты с Raytheon Technologies на $727 млн и с Millennium Space Systems на $412 млн для создания прототипов спутников, способных обнаруживать и отслеживать гиперзвуковые и баллистические ракеты со средней околоземной орбиты. В ноябре 2022 на эти разработки выделены дополнительные $605 млн. Предполагается, что спутники будут запущены в 2026 году.
$50 млн предназначены для программы "Тактически отзывчивый космос". Отзывчивость космоса состоит в том, что Пентагон будет использовать малые коммерческие ракеты-носители для быстрого пополнения своей спутниковой группировки.
#война #США
GEE-5. Экспорт данных
Google Eаrth Engine является одним из лучших источников бесплатных спутниковых снимков. При этом можно выбрать только нужный фрагмент снимка и только нужные его каналы. Или наоборот — составить мозаику из нескольких снимков. В общем сейчас — про то, как получить данные из GEE.
Код примера: https://code.earthengine.google.com/de5e0930a83f9781ef0f27fb68fb0ea2
Отфильтруем коллекцию снимков Sentinel-2 L2A и сортируем ее по доле облачности
Скачаем этот снимок на свой Гугл-диск:
* Из снимка выбраны только его каналы B1 – B12. Маски и другая вспомогательная информация нам не нужны.
* Пространственное разрешение всех каналов будет равно 10 м (
* Имя готового файла: ‘S2_ + дата снимка’ (YYYY-mm-dd).
* Снимки сохраняются в формате GeoTIFF.
Можно экспортировать несколько снимков, преобразовав коллекцию в список, и поместив экспорт в цикл:
Здесь выбираются только RGB каналы снимков.
Код примера: https://code.earthengine.google.com/296383d01c624eae1bb4793326b8d068
#GEE #данные
Google Eаrth Engine является одним из лучших источников бесплатных спутниковых снимков. При этом можно выбрать только нужный фрагмент снимка и только нужные его каналы. Или наоборот — составить мозаику из нескольких снимков. В общем сейчас — про то, как получить данные из GEE.
Код примера: https://code.earthengine.google.com/de5e0930a83f9781ef0f27fb68fb0ea2
Отфильтруем коллекцию снимков Sentinel-2 L2A и сортируем ее по доле облачности
'CLOUDY_PIXEL_PERCENTAGE'
:var S2_SR = ee.ImageCollection("COPERNICUS/S2_SR")
...
.sort('CLOUDY_PIXEL_PERCENTAGE', true);
true
означает сортировку по возрастанию, так что первым будет самый чистый снимок. Узнаем, какая доля площади этого снимка покрыта облаками:var cpp = S2_SR.first().get('CLOUDY_PIXEL_PERCENTAGE');
print('The cloudy pixel percentage of clearest image: ', cpp);
Скачаем этот снимок на свой Гугл-диск:
// Экспорт снимка
Export.image.toDrive({
image: image.select('B.*'),
description: 'S2_'.concat(date),
scale: 10,
region: ROI,
fileFormat: 'GeoTIFF',
});
* Из снимка выбраны только его каналы B1 – B12. Маски и другая вспомогательная информация нам не нужны.
* Пространственное разрешение всех каналов будет равно 10 м (
scale
). При этом каналы B5 – B7, B8A, B11 и B12 (оригинальное разрешение 20 м) и каналы B1, B9, B10 (60 м) будут ресемплированы к разрешению 10 м.* Имя готового файла: ‘S2_ + дата снимка’ (YYYY-mm-dd).
* Снимки сохраняются в формате GeoTIFF.
Можно экспортировать несколько снимков, преобразовав коллекцию в список, и поместив экспорт в цикл:
for (var i = n-1; i > -1; i--) {
var image = ee.Image(colList.get(i));
var date = image.date().format("YYYY-MM-dd").getInfo();
Export.image.toDrive({
image: image.select(['B4', 'B3', 'B2']),
description: date,
scale: 10,
region: ROI,
fileFormat: 'GeoTIFF',
});
}
Здесь выбираются только RGB каналы снимков.
Код примера: https://code.earthengine.google.com/296383d01c624eae1bb4793326b8d068
#GEE #данные