Современные проблемы дистанционного зондирования Земли из космоса — №4 / 2024

6 сентября вышел четвёртый номер журнала в 2024 году. Все статьи доступны для скачивания на 🔗 сайте.

В этом номере:

📡 МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ СПУТНИКОВЫХ ДАННЫХ

• А.А. Филей, Ю.А. Шамилова Возможности использования быстрой радиационной модели CRTM для анализа данных микроволнового радиометра МТВЗА ГЯ
• С.В. Литвинов, Ю.А. Полевода, Е.А. Чистяков, Г.В. Коняшкин Синхронизация разнесённых радиоэлектронных устройств по сигналам ГНСС с использованием SDR-технологий
• Д.Е. Плотников, Ц. Чжоу Использование методов машинного обучения для радарно-оптического синтеза серий безоблачных спутниковых изображений высокого пространственного и временного разрешения
• М.Г. Алексанина, А.В. Храмцова Обнаружение мелкомасштабной изменчивости лесного полога на спутниковых панхроматических изображениях на основе матрицы смежности перепадов яркости

🛰 ПРИБОРЫ И СИСТЕМЫ СПУТНИКОВОГО ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ

• В.А. Гришин Грубая оценка местной вертикали по видимой линии горизонта
• В.С. Хоркин, Ю.С. Доброленский, О.И. Кораблев, Н.А. Вязоветский, И.А. Дзюбан, А.Ю. Титов, А.А. Федорова, А.Г. Сапгир, Д. Толедо, Ж.-П. Помро, П. Ранну Прибор ODS проекта «ЭкзоМарс-2022»: устройство, основные характеристики и результаты лабораторных калибровок

⛏ ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ В ГЕОЛОГИИ И ГЕОФИЗИКЕ

• С.А. Имашев, С.И. Кузиков Аномальные вариации полного электронного содержания ионосферы и геодинамические условия для Учтурфанского землетрясения 22.01.2024 магнитудой 7
• С.П. Головачев, М.Н. Дубров, В.А. Волков, Д.В. Александров, И.С. Еремин, Д.С. Каленов Исследование взаимосвязей атмосферы с океаном и литосферой на примере взаимодействия интенсивных тропических циклонов и сильнейших землетрясений

🌳 ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ РАСТИТЕЛЬНЫХ И ПОЧВЕННЫХ ПОКРОВОВ

• О.Н. Воробьёв, С.А. Лежнин, Э.А. Курбанов, А.Б. Яхьяев, Д.М. Дергунов, Л.В. Тарасова, А.В. Ястребова Прогнозный анализ лесного покрова Среднего Поволжья на основе временных рядов и климатических сценариев
• Н.Д. Якимов, Е.И. Пономарёв, Т.В. Пономарёва Изменение спектральных индексов в контексте природных и техногенных трансформаций ландшафтов
• А.М. Матвеев, С.А. Барталев Сравнительный анализ оценок эмиссии углерода от природных пожаров на территории России на основании глобальных продуктов ДЗЗ
• В.В. Елсаков Климатические изменения как факторы динамики запасов зелёной фитомассы оленьих пастбищ арктических островов
• Е.Г. Швецов Спутниковый мониторинг послепожарной динамики нормализованного индекса гарей в лесах юга Средней Сибири
• А.Г. Терехов, Г.Н. Сагатдинова, Б.А. Мурзабаев, Е.Н. Амиргалиев, Р.И. Мухамедиев Динамика состояния эфемерной и эфемероидной растительности юга Казахстана по данным MOD13Q1A1(NDVI) периода 2000–2022  гг.
• С. Нассер, И.Ю. Савин Детектирование насаждений цитрусовых культур в Сирии по спутниковым данным Landsat-8 OLI
• А.Н. Романов, И.В. Хвостов, И.В. Рябинин, Д.А. Романов Дистанционная оценка влагозапаса почвы в метровом слое по данным спутника SMOS
• А.С. Ильинцев, Н.С. Черкасов Анализ почвенного покрова сплошных вырубок с помощью беспилотного летательного аппарата

🌊 ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ ВОДНЫХ ОБЪЕКТОВ, ОКЕАНА И ЛЕДЯНЫХ ПОКРОВОВ

• М.И. Митягина, О.Ю. Лаврова, П.Д. Жаданова Влияние гидродинамических процессов на распространение вод Вислы в Гданьском заливе по данным дистанционного зондирования
• Ф.Я. Артыкова, С.Б. Калабаев Перспективы использования спутниковых данных для определения уровня воды в крупных озёрах

🌍 ДИСТАНЦИОННОЕ ЗОНДИРОВАНИЕ АТМОСФЕРНЫХ И КЛИМАТИЧЕСКИХ ПРОЦЕССОВ

• В.В. Бычков Формирование резонансного рассеяния на возбуждённых ионах атомов кислорода и азота в лидарных исследованиях атмосферы
• А.А. Никитенко, Ю.М. Тимофеев, Я.А. Виролайнен, А.Н. Рублев, В.В. Голомолзин, Ю.В. Киселева, А.Б. Успенский, Д.А. Козлов Сравнения наземных и спутниковых измерений общего содержания СО2 в Петергофе
• Е.В. Варламова, В.С. Соловьев Региональные особенности схода снежного покрова в Сибири в условиях быстрого потепления Арктики

Современные проблемы дистанционного зондирования Земли из космоса — №4 / 2024 (продолжение)

📝 КРАТКИЕ СООБЩЕНИЯ

А.А. Бриль, E.А. Лупян, А.М. Константинова, Ю.С. Крашенинникова, И.А. Уваров Новые информационные продукты о распределении диоксида азота с учётом ветровых условий
К.А. Трошко, П.В. Денисов, Е.А. Дунаева, E.А. Лупян, Д.Е. Плотников, В.А. Толпин Развитие сельскохозяйственных культур в России в 2024 году на основе данных дистанционного мониторинга

GalaxEye готовит к запуску мультисенсорный спутник ДЗЗ [ссылка]

Индийский ИТ-гигант Infosys объявил о планах инвестировать около 2 миллионов долларов в индийский стартап GalaxEye Space, занимающийся дистанционным зондированием Земли (ДЗЗ).

Компания GalaxEye готовит к запуску в 2025 году мультисенсорный спутник ДЗЗ, оснащенный радаром и мультиспектральным сенсором. GalaxEye уже продемонстрировала работу своих устройств на беспилотниках.

По словам генерального директора GalaxEye, Суяша Сингха (Suyash Singh), объединение сенсоров на одном космическом аппарате даст GalaxEye уникальные возможности для поддержки индийских вооруженных сил. Например, датчики помогут аналитикам обнаруживать замаскированную военную технику, отслеживать передвижение войск и вести наблюдение в условиях недостаточной освещенности.

В августе GalaxEye объявила о привлечении 6,5 миллионов долларов в рамках серии А инвестиций. Инвестиции Infosys дали стартапу еще 2 миллиона долларов.

В 2021 году Сингх стал одним из основателей GalaxEye, вместе с четырьмя студентами Индийского технологического института Мадраса. Ранее студенты объединили свои усилия и стали финалистами конкурса SpaceX Hyperloop в 2019 году.

📸 Соучредители GalaxEye Space с дроном, используемым для тестирования радара и мультиспектрального сенсора.

#индия #война #SAR #оптика

BlackSky Technology займётся снимками космических объектов [ссылка]

Компания BlackSky Technology объявила о заключении контракта на семизначную сумму с австралийским стартапом HEO на предоставление снимков космических объектов для нужд обороны, разведки и коммерческого использования.

В будущем клиенты HEO будут запрашивать внеземные снимки через автоматизированную платформу постановки задач и доставки данных HEO Inspect. Затем программное обеспечение HEO будет определять возможности съёмки и передавать задания спутникам BlackSky через API. Полученные снимки вместе с метаданными будут передаваться в HEO Inspect для обнаружения и идентификации объектов.

📸 Снимок Международной космической станции, сделанный спутником BlackSky Gen-2 во время пролёта над Филиппинами 12 сентября 2024 года. Во время съёмки станция находилась на расстоянии 85 километров от спутника.

#SSA #война

geodl

В R есть множество пакетов для работы с пространственными данными. А вот пакетов, где для анализа таких данных используются методы глубокого обучения (deep learning, DL), напротив, совсем мало.

Недавно появился пакет geodl, предоставляющий инструменты для семантической сегментации пространственных данных с помощью DL на основе свёрточной нейронной сети (CNN).

geodl построен на базе пакета torch, который поддерживает реализацию DL с помощью языков R и C++ без необходимости установки среды Python/PyTorch. Это значительно упрощает программную среду, необходимую для реализации DL в R. Растровые данные в geodl обрабатываются с помощью известного пакета terra, который также использует C++. Циклы обучения реализуются с помощью пакета luz.

Подробности о geodl изложены в 📖 препринте.

#R #нейронки

Сегодня у нас будет "китайское" утро, потому что вчера у китайских коллег был удачный день.

Из акватории Жёлтого моря запущены восемь китайских спутников [ссылка]

24 сентября 2024 года в 02:31 UTC с морской платформы “Дунфэн хантяньган”, находившейся в акватории Жёлтого моря, выполнен пуск ракеты-носителя "Цзелун-3" с восемью спутниками:

🛰 Тяньи-41 (Шенци / Ганчжоу-1) [англ. Tianyi 41 (Shenqi/Ganzhou-1), кит. 天仪41（神启号/甘州一号）] — первый спутник новой орбитальной группировки радаров С-диапазона, оператором которой является Tianyi Research Institute. Масса спутника составляет 285 кг, максимальное пространственное разрешение — 1 метр. Спутник способен проводить интерферометрическую съемку и осуществлять мониторинг деформаций земной поверхности. Сообщают об успешном развёртывании антенны радара.

🛰 Синшидай-15 [англ. Xingshidai 15, кит. 星时代15] — спутник ДЗЗ в проектировании, разработке и приеме данных которого принял непосредственное участие Китайский университет Гонконга. Оснащён субметровой оптической камерой ДЗЗ и вычислительной системой с ИИ.

🛰 Синшидай-21 (Кесин Лянси Шианцзы-1) [англ. Xingshidai 21 (Kexing Liangxi Shuangzi-1), кит. 星时代21 (氦星梁溪双子星一号)], 🛰 Синшидай-22 (Кесин Лянси Шианцзы-2) [англ. Xingshidai 22 (Kexing Liangxi Shuangzi-2), кит. 星时代22 (氦星梁溪双子星二号)] — спутники компании “Helium Star Optical Network”, создающей систему лазерной оптической связи.

🛰Фудань-1 Ланмей Вэлай [англ. Fudan-1・Lanmei Weilai, кит. 复旦一号・澜湄未来星] —научно-исследовательский спутник, разработанный компанией Shanghai Aerospace Technology Co., Ltd. (дочерней компанией Шанхайской академии космических технологий) совместно с Фуданьским университетом. Fudan-1 оснащён солнечным ультрафиолетовым спектрометром и миллиметровым волновым профилометром влажности атмосферы.

🛰Тяньянь-15 (Цичжун Цинzy-1) [англ. Tianyan 15 (Zuizhong Qianyan-1), кит. 天雁15(最终前沿一号01)] — демонстрационный спутник компании Final Frontier Aerospace Technology из Хайяна, провинция Шаньдун.

🛰Цзитяньсин-A01 (Цилин Дахуэ-1) [англ. Jitianxing A01 (Jilin Daxue-1), кит. 吉天星A01（吉林大学一号）] — спутник Цзилиньского университета № 1, оборудованный гиперспектральной камерой видимого диапазона с пространственным разрешением 3 м, а также камерой для селфи. Создан компанией Suzhou Jitian Xingzhou Space Technology в расчёте на коммерческое применение.

🛰Луцза-4-01 (Вухан Дахуэ Ремин Ююан Цзакан) [англ. Luojia-4 01 (Wuhan Dauxe Renmin Yiyuan Jiankang), кит. 珞珈四号01(武汉大学人民医院健康号)] — экспериментальный спутник, массой около 60 кг, назван “медицинским”. Он позволяет получать изображения с размером кадра 4000 км × 300 км (!). Скорость передачи данных достигает 900 Мбит/с. Ёмкость хранения данных более 8 Тб, что позволяет хранить изображения более 9,6 млн кв. км. Спутник оборудован гиперспектральной камерой, работающей в видимом диапазоне, а также ультрафиолетовой камерой. По замыслу разработчиков эти приборы позволят обнаружить загрязненную атмосферу, водоёмы, почву и другие экологические факторы, влияющие на здоровье человека.

Космические аппараты успешно выведены на околоземную орбиту.

#китай #SAR #гиперспектр #оптика

Запущены пять китайских спутников [ссылка][видео]

24 сентября 2024 года в 23:33 UTC с космодрома Цзюцюань выполнен пуск ракеты-носителя “Лицзянь-1 Y4” (англ. Lijian-1 Yao-4) с пятью спутниками —

двумя метеорологическими спутниками:

🛰 Юньяо-1-21 [англ. Yunyao-1-21, кит. 云遥一号21], 🛰 Юньяо-1-22 [англ. Yunyao-1-22, кит. 云遥一号22] компании Tianjin Yunyao Aerospace Technology, которая планирует запустить в нынешнем году 40 подобных миниатюрных космических аппаратов.

и тремя спутниками ДЗЗ:

🛰Цзилинь-1 SAR01 [англ. Jilin-1 SAR01A, кит. 吉林一号SARO1A] — первый радарный спутник компании Chang Guang Satellite Technology, которая известна своей многочисленной группировкой аппаратов оптико-электронного наблюдения. Новый спутник оснащён радаром X-диапазона. Высота рабочей орбиты — 515 км.

🛰Чжонки-1-01 [англ. Zhongke-1 01, кит. 中科卫星01（济钢一号）], 🛰Чжонки-1-02 [англ. Zhongke-1 02, кит. 中科卫星02（济钢二号）] — пара радарных спутников компании Zhongke Satellite Science and Technology Group, первенцами группировки AIRSAT, которые в ряде источников названы AIRSAT-01 и -02. Каждый спутник оснащён радаром Ku-диапазона с разрешением <1 м. В частности, они позволяют осуществлять радарную интерферометрию в Ku-диапазоне и, по-видимому, являются первой в мире подобной группировкой.

Космические аппараты успешно выведены на околоземную орбиту.

#китай #погода #SAR #ro #LST #InSAR

Всероссийский семинар “Проблемы дистанционного зондирования Земли из космоса” — 26 сентября, ИКИ РАН

Очередное заседание Всероссийского семинара “Проблемы дистанционного зондирования Земли из космоса” состоится в четверг 26 сентября 2024 года в 11:00 московского времени.

Тема:  Космические исследования лесов России в контексте научных и прикладных эколого-климатических проблем.

Докладчик: Барталев Сергей Александрович, доктор технических наук, профессор, главный научный сотрудник Отдела технологий спутникового мониторинга ИКИ РАН.

Соавторы: Егоров В.А. (1), Жарко В.О. (1), Лукина Н.В. (2), Лупян Е.А. (1), Стыценко Ф.В. (1), Стыценко Е.А. (1), Хвостиков С.А. (1), Ховратович Т.С. (1), Богодухов М.А. (1), Ворушилов И.И. (1), Сайгин И.А. (1)

(1) — ИКИ РАН
(2) — ЦЭПЛ РАН

В докладе будут представлены последние результаты спутниковой оценки динамики лесов России с начала текущего столетия до настоящего времени, дан анализ основных природных и антропогенных факторов воздействия на леса, а также их способности по нетто-поглощению углекислого газа.

В настоящее время исследования ведутся в рамках реализации важнейшего инновационного проекта государственного значения "Разработка системы наземного и дистанционного мониторинга пулов углерода и потоков парниковых газов на территории Российской Федерации, обеспечение создания системы учета данных о потоках климатически активных веществ и бюджете углерода в лесах и других наземных экологических системах” (рег. № 123030300031-6).

👨🏻‍🏫 Принять участие в заседании в режиме онлайн-конференции:
https://us02web.zoom.us/j/85933555892?pwd=1iUIrDHuR3DZLKnc5YyKNlsy26UDJh.1

Идентификатор конференции: 859 3355 5892
Код доступа: 485370

Более подробная информация размещена на странице семинара:

🔗 Всероссийский семинар “Проблемы дистанционного зондирования Земли из космоса”

📹 Записи семинаров

#конференции

Сравнение наземных и спутниковых измерений аэрозольной оптической толщины на NASA Worldview

Добавление на онлайн-платформу NASA Worldview слоя аэрозольной оптической толщины (aerosol optical depth, AOD), полученного в режиме, близком к реальному времени, сетью наземных роботизированных станций AERONET, позволяет сравнивать результаты наземных и спутниковых измерений AOD. Посмотрим, как это работает на примере лесных пожаров в Канаде:

🗺 Карта Worldview

Базовая карта представляет собой скорректированную отражательную способность поверхности по данным прибора VIIRS спутника Suomi NPP. На нее наложен слой VIIRS Dark Target Aerosol Optical Thickness (Land and Ocean), полученный по данным того же прибора. Ежедневные данные AERONET AOD 500 nm представлены кружками с различными оттенками желтого и красного.

Аэрозольная оптическая толщина — безразмерная величина, которая характеризует ослабление света при прохождении через атмосферу в зависимости от концентрации аэрозолей. Для наземного наблюдателя AOD менее 0,1 видится как чистое голубое небо, яркое солнце и максимальная видимость. При увеличении AOD до 0,5, 1,0 и выше 3,0 аэрозоли становятся настолько плотными, что заслоняют Солнце. Наряду с дымом от лесных пожаров, другими источниками аэрозолей являются загрязнения от заводов, пыль от песчаных бурь, вулканический пепел и смог.

Если навести курсор на кружок, отображающий данные сети AERONET, можно увидеть название узла сети, его координаты и значение AOD.

#атмосфера

Сегодня у нас будут Foundation models или базовые модели. Обещают они много: решение широкого круга задач с помощью одной модели, мультимодальность и т.п. Если это так, то Foundation models в дистанционном зондировании ближе всего подошли к реализации установки “вкалывают роботы, счастлив человек”.

На русском языке про эти модели пока мало информации. Надеюсь, вы их попробуете и, со временем, что-нибудь об этом расскажите.

Базовые модели дистанционного зондирования

Технологии искусственного интеллекта (ИИ) коренным образом изменяют область дистанционного зондирования. Традиционно, дистанционное зондирование опиралось на ручную интерпретацию данных и модели, ориентированные на решение конкретных задач. Эти модели требовали обширных наборов размеченных данных и значительных вычислительных ресурсов. Комбинация ИИ и глубокого обучения позволила сделать шаг вперед — появились крупномасштабные, предварительно обученные модели ИИ, способные выполнять широкий спектр задач с беспрецедентной точностью и эффективностью. Эти новые модели назвали базовыми моделями — Foundation Models.

Базовые модели в дистанционном зондировании позволяют использовать огромные объемы неразмеченных данных с помощью методов self-supervised learning. Модели могут применяться для решения различных задач, позволяя переносить знания из одной ситуации на другую.

В статье 📖 AI Foundation Models in Remote Sensing: A Survey (🔗ссылка) представлен обзор базовых моделей в области дистанционного зондирования, охватывающий модели, выпущенные в период с июня 2021 года по июнь 2024 года. Приведена классификация моделей на основе их применения в компьютерном зрении и специфических задачах. Рассмотрена архитектура, наборы данных и методы для предварительного обучения. С помощью сравнений производительности моделей показаны возникающие тенденции и успехи, достигнутые базовыми моделями. Обсуждены технические проблемы, их практические последствия и будущие направления исследований.

📊 Некоторые известные базовые модели дистанционного зондирования, выпущенные с июня 2021 года по июнь 2024 года (источник).

#FM

Awesome Remote Sensing Foundation Models

Коллекция статей, наборов данных, бенчмарков, кода и предварительно обученных весов для базовых моделей дистанционного зондирования (Remote Sensing Foundation Models, RSFM):

🖥 GitHub

Содержание:

🔹 Models
* Remote Sensing Vision Foundation Models
* Remote Sensing Vision-Language Foundation Models
* Remote Sensing Generative Foundation Models
* Remote Sensing Vision-Location Foundation Models
* Remote Sensing Vision-Audio Foundation Models
* Remote Sensing Task-specific Foundation Models
* Remote Sensing Agents

🔹 Datasets & Benchmarks
* Benchmarks for RSFMs
* (Large-scale) Pre-training Datasets

🔹 Others
* Relevant Projects
* Survey Papers

Данная коллекция ссылок создана во время работы над статьей:

📖 SkySense: A Multi-Modal Remote Sensing Foundation Model Towards Universal Interpretation for Earth Observation Imagery

В работе предложена SkySense — универсальная базовая модель, предварительно обученная на мультимодальном наборе оптических и радарных данных дистанционного зондирования.

#ИИ #FM

SpectralGPT — базовая модель для обработки спектральных данных

Большинство базовых моделей приспособлены к эффективной обработке RGB-изображений для различных визуальных задач, но существует пробел в исследованиях, ориентированных на спектральные данные, которые также дают ценную информацию для понимания сцены.

📖 SpectralGPT: Spectral Remote Sensing Foundation Model

Чтобы заполнить этот пробел, авторы ⬆️ создали универсальную базовую модель SpectralGPT, которая предназначена для обработки спектральных изображений дистанционного зондирования с помощью нового 3D-генеративного предварительно обученного трансформатора (generative pretrained transformer, GPT).

#FM

Готовится к запуску GOSAT-GW

25 сентября компания Mitsubishi Heavy Industries сообщила о завершении сборки ракеты H-IIA, которая в ближайшие дни будет отправлена в Танегасиму. Полезной нагрузкой станет космический аппарат GOSAT-GW (Global Observing SATellite for Greenhouse gases and Water cycle).

GOSAT-GW будет оснащен двумя сенсорами 📸: TANSO-3 для наблюдения за парниковыми газами и AMSR3 для наблюдения за физическими величинами, связанными с водными объектами, такими как температура морской поверхности.

Миссия GOSAT-GW является развитием миссии наблюдения за вариациями водного цикла GCOM-W2 (SHIZUKU), которая была запущена в 2012 году, а также миссий наблюдения за парниковыми газами GOSAT (IBUKI), запущенной в 2009 году, и GOSAT-2 (IBUKI-2), которая была запущена в 2018 году.

За разработку спутника и сенсоров отвечает компания Mitsubishi Electric Corporation.

Надеемся, что данные GOSAT-GW будут находиться в открытом доступе, как это было с предыдущими GOSAT’ами.

#япония