День взятия Бастилии
Сегодня пятница и День взятия Бастилии — праздник, близкий не только французскому народу. Средневековая крепость, ставшая к тому времени тюрьмой, была взята в самом начале Великой Французской революции — 14 июля 1789 года. Это событие изображено на рисунке Клода Шола (Claude Cholat) 1️⃣. Три года ушло на то, чтобы разобрать крепость. На пустыре поставили табличку с надписью “Ici on danse” (“Здесь мы танцуем”) и ежегодно здесь стали устраивать народные гулянья. Сейчас на месте крепости находится площадь Бастилии 2️⃣ (48°51′12″N 2°22′09″E), где брусчаткой выложена черта, обозначающая контуры разрушенных стен. А традиция народных гуляний сохранилась до сих пор.
#снимки
Сегодня пятница и День взятия Бастилии — праздник, близкий не только французскому народу. Средневековая крепость, ставшая к тому времени тюрьмой, была взята в самом начале Великой Французской революции — 14 июля 1789 года. Это событие изображено на рисунке Клода Шола (Claude Cholat) 1️⃣. Три года ушло на то, чтобы разобрать крепость. На пустыре поставили табличку с надписью “Ici on danse” (“Здесь мы танцуем”) и ежегодно здесь стали устраивать народные гулянья. Сейчас на месте крепости находится площадь Бастилии 2️⃣ (48°51′12″N 2°22′09″E), где брусчаткой выложена черта, обозначающая контуры разрушенных стен. А традиция народных гуляний сохранилась до сих пор.
#снимки
Сайт Space-π публикует фотографию выпуска шести пикоспутников формата TinySat из контейнера CubeSat’а “СтратоСат ТК-1”, состоявшегося 11 июля. Подтверждается, что все аппараты вышли на связь и передают телеметрию. Дополнительные подробности сообщает коллега.
Салар де Уюни
Крупнейший в мире солончак — Салар де Уюни (Salar de Uyuni) — находится в Боливии (-20.1337772,-67.4891345). В сезон дождей солончак покрывается тонким слоем воды и превращается в самую большую в мире зеркальную поверхность, диаметром около 129 километров.
Благодаря отсутствию промышленности и высокогорью, небо над Салар де Уюни очень чистое, а воздух сухой (в сухой сезон с апреля по ноябрь). Это, а также большой размер, плоская поверхность и высокое альбедо, превращают Салар де Уюни в идеальный инструмент для тестирования и калибровки спутниковых сенсоров.
Каждый ноябрь Салар де Уюни становится местом гнездования фламинго 1️⃣ (источник), питающихся местными рассольными креветками. Кроме фламинго, здесь обитает около 80 видов других птиц.
Запасы соли в Салар де Уюни огромны: внутренняя его часть покрыта слоем соли толщиной от 2 до 8 м. Но, что самое интересное, кроме хлорида натрия, в Салар де Уюни есть большие запасы хлорида лития, из которого можно добывать литий. Литий содержится в рассоле под соляной коркой в относительно высокой концентрации — около 0,3%. По некоторым данным, запасы лития в Салар де Уюни составляют около 100 миллионов тонн — от 50 до 70 % мировых запасов.
Согласно недавнему соглашению между Росатомом и боливийской государственной компанией Yacimientos de Litio Bolivianos, планируется строительство промышленного комплекса по добыче и производству карбоната лития. Но это — не в Салар де Уюни, а в том же департаменте Потоси, но на базе гидроминерального источника Пастос Грандес (-21.6536388,-67.927073).
На рисунке 2️⃣ показан композит данных каналов NIR, Red, Green (B8, B4, B3) снимка Sentinel-2, сделанного 4 марта 2023 года. Такая комбинация каналов позволяет лучше показать границу между рассолом и сухой солью, по сравнению с данными в естественных цветах.
Код примера
#снимки #GEE
Крупнейший в мире солончак — Салар де Уюни (Salar de Uyuni) — находится в Боливии (-20.1337772,-67.4891345). В сезон дождей солончак покрывается тонким слоем воды и превращается в самую большую в мире зеркальную поверхность, диаметром около 129 километров.
Благодаря отсутствию промышленности и высокогорью, небо над Салар де Уюни очень чистое, а воздух сухой (в сухой сезон с апреля по ноябрь). Это, а также большой размер, плоская поверхность и высокое альбедо, превращают Салар де Уюни в идеальный инструмент для тестирования и калибровки спутниковых сенсоров.
Каждый ноябрь Салар де Уюни становится местом гнездования фламинго 1️⃣ (источник), питающихся местными рассольными креветками. Кроме фламинго, здесь обитает около 80 видов других птиц.
Запасы соли в Салар де Уюни огромны: внутренняя его часть покрыта слоем соли толщиной от 2 до 8 м. Но, что самое интересное, кроме хлорида натрия, в Салар де Уюни есть большие запасы хлорида лития, из которого можно добывать литий. Литий содержится в рассоле под соляной коркой в относительно высокой концентрации — около 0,3%. По некоторым данным, запасы лития в Салар де Уюни составляют около 100 миллионов тонн — от 50 до 70 % мировых запасов.
Согласно недавнему соглашению между Росатомом и боливийской государственной компанией Yacimientos de Litio Bolivianos, планируется строительство промышленного комплекса по добыче и производству карбоната лития. Но это — не в Салар де Уюни, а в том же департаменте Потоси, но на базе гидроминерального источника Пастос Грандес (-21.6536388,-67.927073).
На рисунке 2️⃣ показан композит данных каналов NIR, Red, Green (B8, B4, B3) снимка Sentinel-2, сделанного 4 марта 2023 года. Такая комбинация каналов позволяет лучше показать границу между рассолом и сухой солью, по сравнению с данными в естественных цветах.
Код примера
#снимки #GEE
Forwarded from Data is data
Хотя Бастилия и была разрушена, на неё в каком-то смысле всё ещё можно посмотреть. Из камней крепости построен мост Согласия через Сену.
Интерпретация радарных снимков: геометрия
Изменение угла падения сигнала радара приводит к относительно высокому отражению от склонов, обращенных к радару, и относительно низкому отражению (или его отсутствию) от склонов, обращенных в противоположную от радара сторону. С этим эффектом мы уже знакомы.
На рисунке 1️⃣ график амплитуды отраженного сигнала во времени расположен над участком местности так, чтобы сигналы можно было соотнести с объектом, от которого они отразились. Над графиком находится соответствующая строка изображения, в которой амплитуда отраженного сигнала схематично преобразована в значения яркости. Отклик от радарного импульса сначала показывает высокий уровень отражения от склона, обращенного к радару. Затем следует длительное отсутствие обратного сигнала от участков, находящихся в радарной тени. На снимках радарная тень абсолютно черная и четко очерченная, в отличие от теней на фотографиях, которые слабо освещены за счет энергии, рассеянной атмосферой. Вслед за радарной тенью регистрируется относительно слабый отклик от участка местности, направленного в противоположную от радара сторону.
На обратное рассеяние сигнала радара и площадь тени в разных диапазонах местных углов падения влияют различные свойства поверхности. Несколько огрубляя: при углах падения от 0° до 30° тени практически отсутствуют, для углов от 30° до 70° преобладает влияние шероховатости поверхности, при углах более 70° на изображении преобладают радарные тени.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Изменение угла падения сигнала радара приводит к относительно высокому отражению от склонов, обращенных к радару, и относительно низкому отражению (или его отсутствию) от склонов, обращенных в противоположную от радара сторону. С этим эффектом мы уже знакомы.
На рисунке 1️⃣ график амплитуды отраженного сигнала во времени расположен над участком местности так, чтобы сигналы можно было соотнести с объектом, от которого они отразились. Над графиком находится соответствующая строка изображения, в которой амплитуда отраженного сигнала схематично преобразована в значения яркости. Отклик от радарного импульса сначала показывает высокий уровень отражения от склона, обращенного к радару. Затем следует длительное отсутствие обратного сигнала от участков, находящихся в радарной тени. На снимках радарная тень абсолютно черная и четко очерченная, в отличие от теней на фотографиях, которые слабо освещены за счет энергии, рассеянной атмосферой. Вслед за радарной тенью регистрируется относительно слабый отклик от участка местности, направленного в противоположную от радара сторону.
На обратное рассеяние сигнала радара и площадь тени в разных диапазонах местных углов падения влияют различные свойства поверхности. Несколько огрубляя: при углах падения от 0° до 30° тени практически отсутствуют, для углов от 30° до 70° преобладает влияние шероховатости поверхности, при углах более 70° на изображении преобладают радарные тени.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #основы
Интерпретация радарных снимков: шероховатость поверхности
Рисунок 1️⃣ иллюстрирует отражение сигнала радара от поверхностей с различной шероховатостью и геометрией. Согласно модифицированному критерию Рэлея поверхность считается шероховатой и действует как диффузный отражатель (1️⃣a), если среднеквадратичная высота вариаций поверхности h удовлетворяет условию
h > λ / ( 4.4 * cos(i) ),
λ — длина волны зондирования, i — локальный (местный) угол падения.
Такие поверхности рассеивают падающую энергию во всех направлениях и возвращают значительную часть падающей энергии в антенну радара.
Поверхности считаются гладкими по критерию Рэлея и действуют как зеркальные отражатели (1️⃣b), если
h < λ / ( 25 * cos(i) )
Гладкие поверхности отражают большую часть энергии в сторону от радара, что приводит к очень слабому сигналу, полученному антенной радара. Гладкой, как правило, являются поверхность водоема (без волнения).
λ и h должны измеряться в одних и тех же единицах. Обычно это сантиметры.
На рисунке 2️⃣ показано, как соотношение диффузного и зеркального отражения для данной шероховатости поверхности зависит от длины волны. Заметим, что некоторые поверхности, например, кукурузные поля, могут казаться шероховатыми при наблюдении как в видимой, так и в микроволновой части спектра. Другие поверхности, например, дороги, могут быть диффузными отражателями в видимой области и зеркальными — в микроволновой. В целом, из-за большей длины волны зондирования, на радарных снимках гораздо больше зеркальных поверхностей, чем на оптических снимках.
При анализе отраженного радарного сигнала нужно учитывать не только шероховатость поверхности, но также форму и ориентацию объектов. Как показано на 1️⃣c, особенно яркий отклик дает уголковый отражатель (corner reflector). В этом случае соседние гладкие поверхности вызывают двойное отражение, которое дает очень высокие значения энергии отраженного сигнала. Поскольку уголковые отражатели обычно занимают лишь небольшие участки сцены, на снимки они выглядят яркими пятнами. Двойное отражение часто встречается в условиях городской застройки, а также там, где горизонтальной поверхностью является вода (например, сигнал отраженный от леса на берегу водоема и от поверхности водоема). Многократное отражение можно наблюдать на примере мостов.
#SAR #основы
Рисунок 1️⃣ иллюстрирует отражение сигнала радара от поверхностей с различной шероховатостью и геометрией. Согласно модифицированному критерию Рэлея поверхность считается шероховатой и действует как диффузный отражатель (1️⃣a), если среднеквадратичная высота вариаций поверхности h удовлетворяет условию
h > λ / ( 4.4 * cos(i) ),
λ — длина волны зондирования, i — локальный (местный) угол падения.
Такие поверхности рассеивают падающую энергию во всех направлениях и возвращают значительную часть падающей энергии в антенну радара.
Поверхности считаются гладкими по критерию Рэлея и действуют как зеркальные отражатели (1️⃣b), если
h < λ / ( 25 * cos(i) )
Гладкие поверхности отражают большую часть энергии в сторону от радара, что приводит к очень слабому сигналу, полученному антенной радара. Гладкой, как правило, являются поверхность водоема (без волнения).
λ и h должны измеряться в одних и тех же единицах. Обычно это сантиметры.
На рисунке 2️⃣ показано, как соотношение диффузного и зеркального отражения для данной шероховатости поверхности зависит от длины волны. Заметим, что некоторые поверхности, например, кукурузные поля, могут казаться шероховатыми при наблюдении как в видимой, так и в микроволновой части спектра. Другие поверхности, например, дороги, могут быть диффузными отражателями в видимой области и зеркальными — в микроволновой. В целом, из-за большей длины волны зондирования, на радарных снимках гораздо больше зеркальных поверхностей, чем на оптических снимках.
При анализе отраженного радарного сигнала нужно учитывать не только шероховатость поверхности, но также форму и ориентацию объектов. Как показано на 1️⃣c, особенно яркий отклик дает уголковый отражатель (corner reflector). В этом случае соседние гладкие поверхности вызывают двойное отражение, которое дает очень высокие значения энергии отраженного сигнала. Поскольку уголковые отражатели обычно занимают лишь небольшие участки сцены, на снимки они выглядят яркими пятнами. Двойное отражение часто встречается в условиях городской застройки, а также там, где горизонтальной поверхностью является вода (например, сигнал отраженный от леса на берегу водоема и от поверхности водоема). Многократное отражение можно наблюдать на примере мостов.
#SAR #основы
1️⃣ Отражение сигнала радара от различных поверхностей: (a) диффузный отражатель, (b) зеркальный отражатель, (c) уголковой отражатель.
2️⃣ Отражение сигнала радара в X- и L-диапазонах от поверхностей с различной шероховатостью.
Уголковые отражатели в Варне: корабли 3️⃣, металлические крыши зданий 4️⃣.
5️⃣ Многократное отражение от мостов.
Источник 1️⃣, 2️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
2️⃣ Отражение сигнала радара в X- и L-диапазонах от поверхностей с различной шероховатостью.
Уголковые отражатели в Варне: корабли 3️⃣, металлические крыши зданий 4️⃣.
5️⃣ Многократное отражение от мостов.
Источник 1️⃣, 2️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
Интерпретация радарных снимков: еще один критерий шероховатости поверхности
Влияние шероховатости поверхности на отражение сигнала радара мы рассматривали здесь. Величина отраженного сигнала растет с ростом шероховатости поверхности — это факт, установленный опытом. Для разделения поверхностей на гладкие и шероховатые используются теоретические критерии, которые носят приближенный характер. Мы использовался модифицированный критерий Релея, но в литературе (конкретно — в известном учебнике SAR Handbook) используется другой критерий — критерий Фраунгофера. Кратко расскажем о нем.
Вопрос о том, является поверхность шероховатой или нет, может быть решен только с учетом длины волны радара. Степень шероховатости поверхности можно характеризовать среднеквадратичным отклонением высоты поверхности h от некоторой средней высоты (рисунок 1️⃣). Согласно критерию Фраунгофера, поверхность считается гладкой, если
h < λ / ( 32 * cos(i) ),
i — местный угол падения.
На рисунке 2️⃣ слева направо показаны возрастающая степень шероховатости и определен переход от гладкой к частично-шероховатой и шероховатой поверхности в соответствии с критерием Фраунгофера. Величина отраженного сигнала (длина синих стрелок, направленных в сторону радара) увеличивается с ростом шероховатости, поэтому шероховатые поверхности (на длине волны λ) имеют более высокое отражение, чем частично-шероховатые или гладкие поверхности. Зависимость шероховатости от длины волны означает, что поверхность будет выглядеть более темной по мере увеличения длины волны: от Х-диапазона (λ = 3,1 см), С-диапазона (λ = 5,66 см) до L-диапазона (λ = 24 см).
Источник рисунка 2️⃣: Meyer F. Spaceborne Synthetic Aperture Radar – Principles, Data Access, and Basic Processing Techniques / SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. Eds. Flores, A., Herndon, K., Thapa, R., Cherrington, E. NASA. 2019. https://doi.org/10.25966/ez4f-mg98
#SAR #основы
Влияние шероховатости поверхности на отражение сигнала радара мы рассматривали здесь. Величина отраженного сигнала растет с ростом шероховатости поверхности — это факт, установленный опытом. Для разделения поверхностей на гладкие и шероховатые используются теоретические критерии, которые носят приближенный характер. Мы использовался модифицированный критерий Релея, но в литературе (конкретно — в известном учебнике SAR Handbook) используется другой критерий — критерий Фраунгофера. Кратко расскажем о нем.
Вопрос о том, является поверхность шероховатой или нет, может быть решен только с учетом длины волны радара. Степень шероховатости поверхности можно характеризовать среднеквадратичным отклонением высоты поверхности h от некоторой средней высоты (рисунок 1️⃣). Согласно критерию Фраунгофера, поверхность считается гладкой, если
h < λ / ( 32 * cos(i) ),
i — местный угол падения.
На рисунке 2️⃣ слева направо показаны возрастающая степень шероховатости и определен переход от гладкой к частично-шероховатой и шероховатой поверхности в соответствии с критерием Фраунгофера. Величина отраженного сигнала (длина синих стрелок, направленных в сторону радара) увеличивается с ростом шероховатости, поэтому шероховатые поверхности (на длине волны λ) имеют более высокое отражение, чем частично-шероховатые или гладкие поверхности. Зависимость шероховатости от длины волны означает, что поверхность будет выглядеть более темной по мере увеличения длины волны: от Х-диапазона (λ = 3,1 см), С-диапазона (λ = 5,66 см) до L-диапазона (λ = 24 см).
Источник рисунка 2️⃣: Meyer F. Spaceborne Synthetic Aperture Radar – Principles, Data Access, and Basic Processing Techniques / SAR Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation. Eds. Flores, A., Herndon, K., Thapa, R., Cherrington, E. NASA. 2019. https://doi.org/10.25966/ez4f-mg98
#SAR #основы
Оба критерия — модифицированный Релея и Фраунгофера — приближенные и качественные. Они нужны, чтобы понять, что происходит на снимке. Например, если отклик от гладкой поверхности усилился, то какова примерно стала шероховатость этой поверхности? (при условии, что действие других факторов на отражение осталось постоянным). Подставив в критерий длину волны λ и угол падения i, мы определим h, соответствующее шероховатой поверхности, а дальше попробуем определить причину увеличения h. В этом смысле оба критерия являются рабочими.
Случай, когда нюансы и подробности появились раньше, чем хотелось бы)
Критерий Фраунгофера, насколько нам известно, появляется впервые у Ulaby F.T. et al. Microwave Remote Sensing: Active and Passive, Volume II: Radar Remote Sensing and Surface Scattering and Emission Theory, Artech House, 1986.
Модифицированный критерий Релея указан в Sabins F.F. Remote Sensing, Principals and Interpretation (3rd edition), New York: W.H. Freeman and Co., 1997.
Случай, когда нюансы и подробности появились раньше, чем хотелось бы)
Критерий Фраунгофера, насколько нам известно, появляется впервые у Ulaby F.T. et al. Microwave Remote Sensing: Active and Passive, Volume II: Radar Remote Sensing and Surface Scattering and Emission Theory, Artech House, 1986.
Модифицированный критерий Релея указан в Sabins F.F. Remote Sensing, Principals and Interpretation (3rd edition), New York: W.H. Freeman and Co., 1997.
Реанализ MERRA-2 на Google Earth Engine
Modern-Era Retrospective analysis for Research and Applications (MERRA-2) — глобальные данные реанализа за период с 1980 года по настоящее время. Выпускаются NASA Global Modeling and Assimilation Office (GMAO). Пространственное разрешение MERRA-2 — 50 км, периодичность данных — 1 час. Данные публикуются ежемесячно. Задержка с публикацией данных составляет около 3 недель по окончании месяца.
Все данные MERRA-2 на GEE
MERRA-2 M2T1NXAER: Aerosol Diagnostics
Характеристики аэрозолей, такие как массовая плотность столба аэрозольных компонентов (черный углерод (сажа), пыль, морская соль, сульфаты и органический углерод), поверхностная массовая концентрация аэрозольных компонентов и полная аэрозольная оптическая толщина (aerosol optical thicknes) на длине волны 550 нм.
MERRA-2 M2T1NXFLX: Surface Flux Diagnostics
Данные о поверхностных потоках: общее количество осадков (в том числе, с поправками), температура воздуха у поверхности, удельная влажность воздуха у поверхности, скорость ветра у поверхности и т. д.
MERRA-2 M2T1NXLND: Land Surface Diagnostics
Поток основного стока (baseflow), сток (runoff), влажность почвы на поверхности, влажность почвы в корневой зоне, вода в поверхностном слое, вода в прикорневой зоне и температура почвы в шести слоях (по глубине).
MERRA-2 M2T1NXRAD: Radiation Diagnostics
Радиационные/отражательные характеристики: альбедо поверхности, доля площади облаков, оптическая толщина облаков, поток падающего коротковолнового излучения (солнечная радиация), чистый поток падающего коротковолнового излучения на поверхности и поток исходящего длинноволнового излучения в верхней части атмосферы.
MERRA-2 M2T1NXSLV: Single-Level Diagnostics
Метеорологических характеристики на нескольких вертикальных уровнях, таких как температура воздуха на высоте 2 м (10 м, 850 гПа, 500 гПа, 250 гПа), компоненты ветра на 50 м (2 м, 10 м, 850 гПа, 500 гПа, 250 гПа), давление на уровне моря, приземное давление, общее количество выпадающих осадков в виде водяного пара (воды в твердой фазе, воды в жидкой фазе). Под "высотой при давлении 250 гПа" понимается высота в метрах, атмосферное давление на которой составляет 250 гПа (стандартное атмосферное давление — около 1000 гПа).
#погода #данные #атмосфера #GEE
Modern-Era Retrospective analysis for Research and Applications (MERRA-2) — глобальные данные реанализа за период с 1980 года по настоящее время. Выпускаются NASA Global Modeling and Assimilation Office (GMAO). Пространственное разрешение MERRA-2 — 50 км, периодичность данных — 1 час. Данные публикуются ежемесячно. Задержка с публикацией данных составляет около 3 недель по окончании месяца.
Все данные MERRA-2 на GEE
MERRA-2 M2T1NXAER: Aerosol Diagnostics
Характеристики аэрозолей, такие как массовая плотность столба аэрозольных компонентов (черный углерод (сажа), пыль, морская соль, сульфаты и органический углерод), поверхностная массовая концентрация аэрозольных компонентов и полная аэрозольная оптическая толщина (aerosol optical thicknes) на длине волны 550 нм.
MERRA-2 M2T1NXFLX: Surface Flux Diagnostics
Данные о поверхностных потоках: общее количество осадков (в том числе, с поправками), температура воздуха у поверхности, удельная влажность воздуха у поверхности, скорость ветра у поверхности и т. д.
MERRA-2 M2T1NXLND: Land Surface Diagnostics
Поток основного стока (baseflow), сток (runoff), влажность почвы на поверхности, влажность почвы в корневой зоне, вода в поверхностном слое, вода в прикорневой зоне и температура почвы в шести слоях (по глубине).
MERRA-2 M2T1NXRAD: Radiation Diagnostics
Радиационные/отражательные характеристики: альбедо поверхности, доля площади облаков, оптическая толщина облаков, поток падающего коротковолнового излучения (солнечная радиация), чистый поток падающего коротковолнового излучения на поверхности и поток исходящего длинноволнового излучения в верхней части атмосферы.
MERRA-2 M2T1NXSLV: Single-Level Diagnostics
Метеорологических характеристики на нескольких вертикальных уровнях, таких как температура воздуха на высоте 2 м (10 м, 850 гПа, 500 гПа, 250 гПа), компоненты ветра на 50 м (2 м, 10 м, 850 гПа, 500 гПа, 250 гПа), давление на уровне моря, приземное давление, общее количество выпадающих осадков в виде водяного пара (воды в твердой фазе, воды в жидкой фазе). Под "высотой при давлении 250 гПа" понимается высота в метрах, атмосферное давление на которой составляет 250 гПа (стандартное атмосферное давление — около 1000 гПа).
#погода #данные #атмосфера #GEE
Разрешение данных MERRA-2 — низкое: 50 км против 10–11 км у ERA5. NASA планирует улучшать его, комбинируя MERRA-2 со спутниковыми данными. Например, M2T1NXAER можно комбинировать с MCD19A2.061: Terra & Aqua MAIAC Land Aerosol Optical Depth Daily, у которых разрешение составляет 1 км. Можно, кстати, не дожидаться, пока это сделают в NASA)
Интерпретация радарных снимков: отражение от почвы
Диэлектрическая проницаемость воды примерно в 10 раз больше, чем у сухой почвы. Поэтому присутствие воды в верхнем слое почвы можно легко обнаружить на радарных снимках. Влажность почвы и условия увлажнения поверхности становятся особенно заметными на больших длинах волн. Влажность почвы обычно ограничивает проникновение радарных сигналов глубиной, близкой к длине волны сигнала λ. Для X-диапазона это примерно 3 см, для С-диапазона — 5–6 см, для L-диапазона — 25–30 см. Однако в условиях чрезвычайно сухой почвы при использовании радара L-диапазона иногда наблюдается проникновение сигнала на глубину несколько метров. Еще раз: речь идет об открытой, то есть лишенной растительности, почве. Пробиться к почве сквозь густую растительность сможет не всякий радар, но об этом в другой раз.
На рисунке 1️⃣ сравниваются снимки пустыни Сахара, сделанные Landsat TM (a) и космическим радаром (b) SIR-C (L-диапазон, HH-поляризация, угол падения 45°. Север — в верхнем левом углу снимка) в окрестностях оазиса Сафсаф на юге Египта. Поверхность здесь покрыта тонким слоем выдуваемого ветром песка, который скрывает подстилающие породы и особенности дренажа. Полевые исследования в этом районе показали, что сигналы радара L-диапазона (23 см) могут проникать через этот песок на глубину до 2 м, обеспечивая изображение подповерхностных геологических особенностей. Темные, плетеные узоры в (b) представляют собой часть древней речной долины, которая сейчас заполнена песком. Археологи, работающие в этом районе, обнаружили каменные орудия, использовавшиеся ранними людьми более 100 000 лет назад. Другие особенности, видимые на радарных снимках, в основном относятся к структурам коренных пород. На снимках Landsat видно очень мало подобных объектов, из-за скрывающего их песчаного покрова.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #обучение
Диэлектрическая проницаемость воды примерно в 10 раз больше, чем у сухой почвы. Поэтому присутствие воды в верхнем слое почвы можно легко обнаружить на радарных снимках. Влажность почвы и условия увлажнения поверхности становятся особенно заметными на больших длинах волн. Влажность почвы обычно ограничивает проникновение радарных сигналов глубиной, близкой к длине волны сигнала λ. Для X-диапазона это примерно 3 см, для С-диапазона — 5–6 см, для L-диапазона — 25–30 см. Однако в условиях чрезвычайно сухой почвы при использовании радара L-диапазона иногда наблюдается проникновение сигнала на глубину несколько метров. Еще раз: речь идет об открытой, то есть лишенной растительности, почве. Пробиться к почве сквозь густую растительность сможет не всякий радар, но об этом в другой раз.
На рисунке 1️⃣ сравниваются снимки пустыни Сахара, сделанные Landsat TM (a) и космическим радаром (b) SIR-C (L-диапазон, HH-поляризация, угол падения 45°. Север — в верхнем левом углу снимка) в окрестностях оазиса Сафсаф на юге Египта. Поверхность здесь покрыта тонким слоем выдуваемого ветром песка, который скрывает подстилающие породы и особенности дренажа. Полевые исследования в этом районе показали, что сигналы радара L-диапазона (23 см) могут проникать через этот песок на глубину до 2 м, обеспечивая изображение подповерхностных геологических особенностей. Темные, плетеные узоры в (b) представляют собой часть древней речной долины, которая сейчас заполнена песком. Археологи, работающие в этом районе, обнаружили каменные орудия, использовавшиеся ранними людьми более 100 000 лет назад. Другие особенности, видимые на радарных снимках, в основном относятся к структурам коренных пород. На снимках Landsat видно очень мало подобных объектов, из-за скрывающего их песчаного покрова.
Источник снимка: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
#SAR #обучение