Городские тепловые аномалии: 3. Сезонные различия

Рассмотрим, как изменяются городские тепловые аномалии в течение года. На снимке 1️⃣, сделанном Landsat 8 2 марта 2022 года, почти вся территория Казани покрыта снегом. Но улицы убирают: на тепловой карте 2️⃣ хорошо видны широкие улицы и проспекты, нагретые солнечным теплом. Разглядеть узкие улицы не позволяет 100 метровое разрешение прибора TIRS.

Положительные тепловые аномалии 3️⃣ в снежный период существенно отличаются от летних. Кроме постоянных источников тепла — промышленных предприятий — они связаны с очищенными от снега искусственными поверхностями: асфальтом, бетоном и т. п.

Отрицательные тепловые аномалии рассчитываются аналогично положительным, по формуле

T < mean(T) - 2 * std(T)

mean(T), std(T) — средняя температура и стандартное отклонение температуры в районе интереса (границах Казани).

В марте отрицательные тепловые аномалии 4️⃣ наблюдаются у открытых полей, расположенных на окраинах города.

Код (март 2022 года): https://code.earthengine.google.com/4e0146fe94869c3aa3077d20d29bdecd

Достаточно малооблачного снимка за апрель-май 2022 года нам получить не удалось, поэтому воспользуемся снимком, сделанным Landsat 8 15 апреля 2023 года. Тепловая карта показана на рисунке 5️⃣. Тепловые аномалии снова изменились. Улицы и проспекты уже не являются положительными аномалиями 6️⃣, как в заснеженный период. Неизменно аномально нагретыми остаются промышленные предприятия. Отрицательными аномалиями 7️⃣ являются волжские острова — там в это время года прохладнее всего.

Код (апрель 2023 года): https://code.earthengine.google.com/15737df129a39b99b4778fb9956d4d03

#GEE #LST

Китай запустил одновременно 41 спутник дистанционного зондирования Земли

15 июня 2023 г. около 05:30 UTC с площадки № 9 космодрома Тайюань выполнен пуск ракеты-носителя "Чанчжэн-2D" с 41 космическим аппаратом (Jilin-1 GF06A01-30, Jilin-1 GF03D19-26, HEGS–1 и Jilin-1 PT02A01/02).

Запуск прошел успешно, все спутники выведены на околоземную орбиту.

Запуск 41 космического аппарата — новый рекорд Китая по числу одновременно запущенных спутников.

Все спутники являются аппаратами дистанционного зондирования высокого (субметрового) разрешения, разработанными и изготовленными коммерческой компанией Chang Guang Satellite Technology Co., Ltd. (CGSTL).

Китайским товарищам можно только поаплодировать.

Видео: https://www.youtube.com/watch?v=cKo6b_nZNpA

Источник картинки.

Городские тепловые аномалии: 4. Временные ряды

Еще раз обратимся к теме сезонных изменений тепловых аномалий: рассмотрим годовую динамику температуры положительных тепловых аномалий и сравним ее с динамикой средней температуры по городу.

Чтобы построить плотный (без пропусков) временной ряд температур, периодичности съемки группировки спутников Landsat 8 и 9 (8 суток) будет недостаточно. Облачность создает пробелы в наблюдениях*, так что иногда подходящего снимка не будет месяц и более. Понадобятся данные с более высокой частотой съемки.** Мы будем использовать данные MOD11A2 — это композит данных прибора MODIS спутника Terra***, состоящий из лучших ежедневных наблюдений температуры земной поверхности, который строится каждые 8 суток****.

Поскольку данные MOD11A2 имеют пространственное разрешение 1000 метров, нет смысла рассматривать все тепловые аномалии: отберем лишь несколько, самых больших по площади. Здесь мы векторизовали данные о тепловых аномалиях, превратив их в коллекцию полигонов islands. У каждого полигона есть свойство count — это число пикселей, попавших в данную аномалию. Отберем из islands аномалии, состоящие более чем из 350 пикселей

var islands = suha.reduceToVectors({
  reducer: ee.Reducer.countEvery(), 
  geometry: ROI, 
  scale: 30,
  maxPixels: 1e10
});

var large_islands = islands.filter(ee.Filter.gt('count', 350));

Число 350 особого смысла не имеет. Мы подобрали его так, чтобы выбрать несколько самых больших по площади аномалий.

Среднюю температуру по городу мы будем вычислять по всей городской суше (land). Для этого маску суши (land) векторизуем и добавим в коллекцию large_islands



var city = land.reduceToVectors({
  reducer: ee.Reducer.countEvery(), 
  geometry: ROI, 
  scale: 30,
  maxPixels: 1e10
}).sort('count', false);

var city_land = ee.Feature(city.first());

large_islands = large_islands.merge(city_land);

Мы уже умеем работать с данными MOD11A2, в частности, маскировать облачность и переводить температуру в Цельсии. Умеем мы и строить временные ряды данных. Объединив эти умения, построим временные ряды температуры поверхности за 2022 год.

Единственная новинка здесь — управление свойствами отображения (.setOptions) временных рядов (series)

var chart =
    ui.Chart.image
        .seriesByRegion({
          ...
        })
        .setSeriesNames(['LST_Day_1km'])
        .setOptions({
          ...
          curveType: 'function',
          series: {
            0: {lineWidth: 1},
            1: {lineWidth: 1},
            2: {lineWidth: 1},
            3: {lineWidth: 1},
            4: {lineWidth: 1},
            5: {color: 'red', lineWidth: 5}
          }
        });

При установке свойств отображения рядов (.setOptions), в свойстве series перечислены шесть временных рядов. Первые пять отображаются линией единичной толщины — это ряды температуры в аномалиях. Кривая последнего временного ряда — красного цвета и имеет толщину 5. Она представляет среднюю температуру по городу.

Временные ряды температуры поверхности за 2022 год показаны на рисунке ниже. Видно, что летом, особенно в июле-августе, температура в тепловых аномалиях, как ей и положено, выше среднегородской. Однако весной и осенью (а для для одной аномалии — уже в июне) температура в ряде аномалий становится ниже среднегородской. То есть эти аномалии перестают быть аномалиями. Хорошо это или плохо, и что с этим делать — нужно разбираться.

Код: https://code.earthengine.google.com/dc7276510d950d567ce878c3b4493814

*Можно оценить возможную облачность по данным за несколько прошлых лет, извлекая из снимков свойство 'CLOUD_COVER' или строя оценку облачности в районе интереса (cloud score).

**Вообще говоря, можно подумать, как дополнить временной ряд Landsat данными ECOSTRESS. Но в нашем случае они не помогут: Казань лежит на широте, находящейся выше северной границы покрытия ECOSTRESS.

Продолжение примечаний к предыдущему посту.

***Названия данных MODIS Aqua начинаются с префикса “MYD”. Например, MYD11A2. Здесь у вас может появиться вопрос: почему бы не объединить температурные данные с Terra и Aqua? На эту тему есть немало статей. Поищите, и вы узнаете о плюсах и минусах такого объединения.

****Период составления композита — 8 суток — выбран разработчиками потому, что он в два раза больше периода точного повторения наземного трека спутников Terra и Aqua.

#GEE #LST #MODIS #landsat

Временные ряды температуры поверхности за 2022 год. Тонкие линии соответствуют положительным тепловым аномалиям, толстая красная линия — средней температуре по городу Казань.

Исследование городских территорий по тепловым снимкам

Вот и завершился цикл публикаций, посвященный городским тепловым аномалиям

1. Подготовка
2. Выделение аномалий
3. Сезонные различия
4. Временные ряды

Все ссылки будут в “шапке”, в разделе Проекты и примеры кода.

Мы описали подготовку к научным исследованиям: набор инструментов + минимум теории. Немного больше теории вы найдете в:

* Использование космических снимков в тепловом инфракрасном диапазоне для географических исследований. Пособие не новое, но оно — о принципах, которые с момента создания пособия не изменились. К сожалению, не слишком изменились и спутниковые данные, разве что добавился ECOSTRESS.

Что касается техники обработки снимков, то сейчас данные Landsat 8 и 9 Level 2, Collection 2, Tier 1 дают температуру поверхности практически в готовом виде. Но так было не всегда*. Более того, когда появится новый спутник с данными о температуре поверхности, то, скорее всего, это будут данные первого уровня обработки. Техника доводки этих данных “до готовности” будет похожа на технику обработки данных Landsat:

- Young N. E. et al. A survival guide to Landsat preprocessing. — об основных этапах обработки данных Landsat.
- Avdan U., Jovanovska G. Algorithm for Automated Mapping of Land Surface Temperature Using LANDSAT 8 Satellite Data. Journal of Sensors, 2016, Article ID 1480307. http://dx.doi.org/10.1155/2016/1480307 — простой и рабочий алгоритм определения температуры поверхности по данным Landsat. Вообще таких алгоритмов существует очень и очень много.

Все. Ставьте перед собой цель исследований и удачи вам в ее достижении!

Вопросы, критика и комплементы: @sputnikDZZ_bot

*При желании, можно получить данные Landsat Level 1 (TOA) или даже Level 0 (Raw) с того же Google Earth Engine, и самостоятельно их обработать.

#основы #LST #город

Остров Нисиносима

Рубрика “Вулканы по пятницам”)

Нисиносима (27°14′49″ с. ш. 140°52′26″ в. д.) — маленький необитаемый остров, входящий в состав японского архипелага Огасавара, расположен примерно в 1000 км к югу от Токио.

Остров является вершиной подводного вулкана. До 1974 года на поверхности океана была видна только часть гребня затопленной кальдеры. Сам остров появился после извержения 1974 года и был тогда около 700 м в длину и 200 м в ширину. С тех пор вулкан попеременно переживал периоды взрывной активности и затишья, но лава от различных извержений на протяжении многих лет приводила к тому, что остров становился все больше.

Cнимок был сделан Sentinel-2 в январе 2021 года. На тот момент размеры острова составляли около 2,3 км в направлении север-юг и 2 км в направлении восток-запад.

Видно, как шлейф газа и пара поднимается от вулкана и дрейфует на северо-восток над Тихим океаном. Когда шлейф поднимается выше, пар конденсируется и образует облака.

Желтоватый оттенок воды вокруг острова обусловлен вулканическими минералами, газами и морскими отложениями, поднятыми к поверхности вулканической активностью. Окрашенный участок простирается примерно на 10 км к юго-востоку, где океанские течения превращают его в ярко-зеленые завихрения.

#снимки #вулкан #вода

Открытые данные гиперспектрометра EMIT

В сухих и пустынных регионах планеты ветер поднимает частицы пыли высоко в атмосферу, где они, встречаясь с еще более сильными ветрами, разносятся по всему земному шару, перемещаясь подчас на тысячи километров. На большой высоте взвешенные частицы пыли могут нагревать или охлаждать окружающий воздух, поглощая или отражая солнечный свет. Когда частицы пыли оседают в океане, они обеспечивают питательными веществами морские экосистемы, а когда оседают на снег, то могут изменить процесс таяния снега, что влияет на динамику водных ресурсов. Ясно, что пыль оказывает значительное влияние на климат Земли, но оценить это влияние сложно, не имея представления о минеральном составе пыли.

Вскоре ситуация может измениться, благодаря данным, собранным прибором EMIT (Earth Surface Mineral Dust Source Investigation). Запущенный 14 июля 2022 года и установленный на Международной космической станции (МКС), EMIT представляет собой гиперспектрометр, 285 каналов которого регистрируют отраженное от поверхности Земли излучение в диапазоне от видимого до коротковолнового инфракрасного. Полоса обзора EMIT составляет 75 километров, пространственное разрешение — 60 метров. Покрытие данными в полосе между 52° северной и южной широты позволит EMIT собирать сведения, необходимые для составления карт минералов, над регионами Земли с источниками пыли — засушливыми регионами Африки, Азии, Северной и Южной Америки и Австралии. Запланированная продолжительность миссии EMIT — 1 год.

Кроме определения состава атмосферной пыли, EMIT позволяет выявлять суперэмиттеров углекислого газа и метана, то есть объекты инфраструктуры, которые выделяют высокие концентрации этих газов. На основе данных, полученных менее чем за год, научная группа EMIT обнаружила более 50 таких суперэмиттеров в Центральной Азии, на Ближнем Востоке и на юго-западе США. Раньше спутниковым приборам, измерявшим концентрации атмосферных газов, такое было недоступно из-за слишком низкого пространственного разрешения — порядка единиц километров (например, у TROPOMI).

На наш взгляд, самое важное в EMIT — то, что это гиперспектрометр. Пусть не самого высокого разрешения, зато действующий. Кроме него, в открытом доступе есть всего один вид гиперспектральных данных — данные итальянского спутника PRISMA (регистрация). Хотя покрытие данными EMIT, в основном сконцентрировано вокруг засушливых регионов планеты, это все равно дает возможность попробовать гиперспектральные данные в работе.

Научная группа EMIT создала портал открытых данных VISIONS, который должен позволить любому желающему увидеть, где и когда EMIT будет собирать данные. Это позволит планировать и проводить полевые кампании синхронно с пролетом МКС.

Поиск и скачивание данных EMIT доступны через NASA Earthdata Search.

Подробней о существующих продуктах EMIT и об их обработке можно узнать здесь.

#гиперспектр #атмосфера #данные

Какая красота сейчас творится в горах Кавказа...

Снял Алексей Сергеевич

@astrophotoboloto

"Аист-СТ" — перспективный радарный спутник X-диапазона

Самарский национальный исследовательский университет им. академика С.П. Королева совместно с компанией "Специальный Технологический Центр" (СТЦ) из Санкт-Петербурга разрабатывает миниатюрный спутник дистанционного зондирования "Аист-СТ" с радаром Х-диапазона.

Аппарат проектируется в формате CubeSat 12U. Ученые Самарского университета разрабатывают космическую платформу и научную аппаратуру, компания СТЦ создает радар и двигательную установку.

Сейчас ведется разработка проектной документации. До конца 2023 года должна быть создана инженерная модель аппарата "Аист-СТ", в которой часть агрегатов и бортовых систем будут присутствовать в виде массогабаритных и функциональных макетов, а часть — в виде реальных устройств. На конец 2023-го – начало 2024 года запланирована отработка системы раскрытия солнечных батарей. ТАСС сообщает, что во второй половине 2024 года запланирован запуск "Аист-СТ" на орбиту 400–500 км с космодрома Восточный".

Срок активного существования "Аист-СТ" — 2 года, расчетная высота орбиты — 400–450 км. Максимальная наклонная высота наблюдения — 500 км, полоса захвата — 70 км. С расчетной высоты радар компании СТЦ должен обеспечить разрешающую способность в маршрутном режиме около 10 метров, а в детальном — не хуже 2 метров.

О других спутниках разработки Самарского университета им. С.П. Королева“ — здесь и здесь.

На снимке — художественное изображение “Аист-СТ” (источник).