Метод пространственной интерполяции глобальной цифровой модели рельефа
Интерполяция пространственных данных — это процесс оценки значений в точках, где данные отсутствуют, на основе известных значений в других точках.
📖 В работе (Huo et al, 2024) предлагается метод пространственной интерполяции цифровой модели рельефа (ЦМР). Интерполяция ЦМР рассматривается как разновидность генерации изображений, где на вход подается изображение ЦМР с недостающими значениями, а на выходе получается полное изображение ЦМР.
Для генерации изображений используются методы глубокого обучения. Однако для них нужно большое количество данных. В то же время, данные ЦМР могут быть ограничены правилами защиты конфиденциальности. Решение предлагает метод Federated Learning (FL), в котором, в отличие от централизованного обучения, модель обучается на устройствах, разбросанных по разным географическим точкам, при этом обеспечивается эффективная защита конфиденциальности локальных данных.
В работе предложена модель интерполяции ЦМР на основе FL и многомасштабной сети U-Net. Экспериментальные результаты 📊 показали (Ours — предлагаемый метод), что по сравнению с традиционными методами (кригинг и метод обратных взвешенных расстояний) предложенная модель имеет более высокую скорость обработки и точность интерполяции. Кроме того, результаты исследования дают новый способ эффективного и безопасного использования информации о местности, в случаях, когда предъявляются строгие требования к конфиденциальности данных ЦМР.
📖 Huo, Z., Wen, J., Li, Z., Chen, D., Xi, M., Li, Y., & Yang, J. (2024). Spatial interpolation of global DEM using federated deep learning. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-72807-z
#DEM
Интерполяция пространственных данных — это процесс оценки значений в точках, где данные отсутствуют, на основе известных значений в других точках.
📖 В работе (Huo et al, 2024) предлагается метод пространственной интерполяции цифровой модели рельефа (ЦМР). Интерполяция ЦМР рассматривается как разновидность генерации изображений, где на вход подается изображение ЦМР с недостающими значениями, а на выходе получается полное изображение ЦМР.
Для генерации изображений используются методы глубокого обучения. Однако для них нужно большое количество данных. В то же время, данные ЦМР могут быть ограничены правилами защиты конфиденциальности. Решение предлагает метод Federated Learning (FL), в котором, в отличие от централизованного обучения, модель обучается на устройствах, разбросанных по разным географическим точкам, при этом обеспечивается эффективная защита конфиденциальности локальных данных.
В работе предложена модель интерполяции ЦМР на основе FL и многомасштабной сети U-Net. Экспериментальные результаты 📊 показали (Ours — предлагаемый метод), что по сравнению с традиционными методами (кригинг и метод обратных взвешенных расстояний) предложенная модель имеет более высокую скорость обработки и точность интерполяции. Кроме того, результаты исследования дают новый способ эффективного и безопасного использования информации о местности, в случаях, когда предъявляются строгие требования к конфиденциальности данных ЦМР.
📖 Huo, Z., Wen, J., Li, Z., Chen, D., Xi, M., Li, Y., & Yang, J. (2024). Spatial interpolation of global DEM using federated deep learning. Scientific Reports, 14(1). https://doi.org/10.1038/s41598-024-72807-z
#DEM
Речные геокартины Дэниела Коу
Цифровые модели рельефа служат картографу и художнику Дэниелу Коу (Daniel Coe) материалом для создания захватывающих картин речных ландшафтов, таких как дельта реки Лена. Геокартина или, если угодно, визуальная интерпретация геоморфологических особенностей дельты, получена на основе цифровой модели рельефа ArcticDEM, созданной в Polar Geospatial Center Университета Миннесоты.
Работы Коу можно найти на его 🔗 сайте и, в максимальном разрешении, на flickr-аккаунте. На сайте есть не только галерея работ, но и учебные материалы по созданию геокартин.
#снимки #DEM
Цифровые модели рельефа служат картографу и художнику Дэниелу Коу (Daniel Coe) материалом для создания захватывающих картин речных ландшафтов, таких как дельта реки Лена. Геокартина или, если угодно, визуальная интерпретация геоморфологических особенностей дельты, получена на основе цифровой модели рельефа ArcticDEM, созданной в Polar Geospatial Center Университета Миннесоты.
Работы Коу можно найти на его 🔗 сайте и, в максимальном разрешении, на flickr-аккаунте. На сайте есть не только галерея работ, но и учебные материалы по созданию геокартин.
#снимки #DEM
This media is not supported in your browser
VIEW IN TELEGRAM
Трехмерные модели поверхности с высоким пространственным разрешением, построенные по радарным данным
Анимация ⬆️ построена по данным радарной группировки компании Umbra. Несколько спутников, сменяя друг друга, снимали один и тот же участок местности. Комбинируя дополнительные ракурсы и изображения высокого разрешения, полученные в прожекторном режиме съемки, можно получить субметровую цифровую модель местности за несколько часов.
Автор поста в X, @solarecho3, замечает, что “Подобные данные от Array Labs и Umbra должны быть в руках каждого оператора SOCOM для каждой миссии”. SOCOM или USSOCOM — это командование сил специальных операций Вооруженных сил США.
27 января, компании Array Labs, Umbra и Raytheon объявили о том, что будут совместно предлагать новый продукт под названием Site3D, сочетающий технологию радарной съемки из космоса со специализированными алгоритмами картографирования для создания детальных трехмерных моделей поверхности Земли.
Компания Array Labs из Пало-Альто (шт. Калифорния, США) разрабатывает кластеры малых радарных спутников, предназначенных для одновременной съемки одного и того же места с нескольких ракурсов. Цель — создание оперативных трехмерных карт Земли в любую погоду и с высоким пространственным разрешением.
Raytheon и Umbra “помогут нам обучить клиентов, быстрее вывести на рынок продукты с 3D-данными и запустить наши собственные кластеры спутниковой съемки”, — сказал генеральный директор Array Labs Эндрю Петерсон (Andrew Peterson).
🔗 Большая популярная статья, посвященная технологиям Array Labs: Array Labs: 3D Mapping Earth from Space.
#война #SAR #DEM #США
Анимация ⬆️ построена по данным радарной группировки компании Umbra. Несколько спутников, сменяя друг друга, снимали один и тот же участок местности. Комбинируя дополнительные ракурсы и изображения высокого разрешения, полученные в прожекторном режиме съемки, можно получить субметровую цифровую модель местности за несколько часов.
Автор поста в X, @solarecho3, замечает, что “Подобные данные от Array Labs и Umbra должны быть в руках каждого оператора SOCOM для каждой миссии”. SOCOM или USSOCOM — это командование сил специальных операций Вооруженных сил США.
27 января, компании Array Labs, Umbra и Raytheon объявили о том, что будут совместно предлагать новый продукт под названием Site3D, сочетающий технологию радарной съемки из космоса со специализированными алгоритмами картографирования для создания детальных трехмерных моделей поверхности Земли.
Компания Array Labs из Пало-Альто (шт. Калифорния, США) разрабатывает кластеры малых радарных спутников, предназначенных для одновременной съемки одного и того же места с нескольких ракурсов. Цель — создание оперативных трехмерных карт Земли в любую погоду и с высоким пространственным разрешением.
Raytheon и Umbra “помогут нам обучить клиентов, быстрее вывести на рынок продукты с 3D-данными и запустить наши собственные кластеры спутниковой съемки”, — сказал генеральный директор Array Labs Эндрю Петерсон (Andrew Peterson).
🔗 Большая популярная статья, посвященная технологиям Array Labs: Array Labs: 3D Mapping Earth from Space.
#война #SAR #DEM #США
Полный архив ASTER доступен для скачивания
Центр распределенного активного архива наземных процессов NASA (Land Processes Distributed Active Archive Center, LP DAAC) и научная группа радиометра ASTER в Лаборатории реактивного движения объявили о завершении обработки данных ASTER.
🛢 С апреля 2016 года данные ASTER находятся в открытом доступе. Однако их нужно было специально заказывать на Earthdata. Теперь данные ASTER можно просто скачать.
LP DAAC планирует выпустить финальные коллекции следующих продуктов:
• Level 1A Reconstructed Unprocessed Instrument Data
• Level 1B Registered Radiance at the Sensor
• Level 1T Registered Radiance at the Sensor - Precision Terrain Corrected
• Level 2 Surface Reflectance - VNIR & SWIR
• Level 2 Surface Reflectance - VNIR & Crosstalk Corrected SWIR
• Level 2 Surface Radiance - VNIR & SWIR
• Level 2 Surface Radiance - VNIR & Crosstalk Corrected SWIR
• Level 2 Surface Radiance TIR
• Level 2 Surface Kinetic Temperature
• Level 2 Surface Emissivity
• Level 3 Digital Elevation Model
Прибор ASTER находится на борту спутника Terra, запущенного в декабре 1999 года. За 25 лет работы им получено огромное количество данных, которые используются для создания подробных карт температуры земной поверхности, отражательной способности и высоты над уровнем моря. Данные ASTER активно используются в геологии.
Сцена ASTER — это снимок поверхности Земли размером 60 км на 60 км в 14 спектральных каналах видимого и ближнего инфракрасного (ИК) диапазона (VNIR), коротковолнового ИК диапазона (SWIR) и теплового ИК диапазона (TIR). ASTER ведет съемку в среднем 8 минут на каждой орбите, что дает около 650 сцен в сутки. Эти съемки планируются научной группой ASTER и, как правило, включают области, представляющие интерес для научного сообщества или запрашиваемые пользователями.
28 ноября 2024 года на спутникe Terra произошла аномалия питания, в результате которой мощности стало не хватать для поддержания работоспособности всех приборов. Сбор данных ASTER в диапазонах VNIR и TIR был приостановлен (сбор данных в каналах SWIR прекращен еще в январе 2009 года). 17 января 2025 года сбор данных VNIR возобновился. В настоящее время ASTER снимает около 600 сцен в сутки, используя только каналы VNIR.
📸 Добыча лития в Клейтон-Вэлли (шт. Невада, США) [источник].
#LST #данные #DEM #снимки
Центр распределенного активного архива наземных процессов NASA (Land Processes Distributed Active Archive Center, LP DAAC) и научная группа радиометра ASTER в Лаборатории реактивного движения объявили о завершении обработки данных ASTER.
🛢 С апреля 2016 года данные ASTER находятся в открытом доступе. Однако их нужно было специально заказывать на Earthdata. Теперь данные ASTER можно просто скачать.
LP DAAC планирует выпустить финальные коллекции следующих продуктов:
• Level 1A Reconstructed Unprocessed Instrument Data
• Level 1B Registered Radiance at the Sensor
• Level 1T Registered Radiance at the Sensor - Precision Terrain Corrected
• Level 2 Surface Reflectance - VNIR & SWIR
• Level 2 Surface Reflectance - VNIR & Crosstalk Corrected SWIR
• Level 2 Surface Radiance - VNIR & SWIR
• Level 2 Surface Radiance - VNIR & Crosstalk Corrected SWIR
• Level 2 Surface Radiance TIR
• Level 2 Surface Kinetic Temperature
• Level 2 Surface Emissivity
• Level 3 Digital Elevation Model
Прибор ASTER находится на борту спутника Terra, запущенного в декабре 1999 года. За 25 лет работы им получено огромное количество данных, которые используются для создания подробных карт температуры земной поверхности, отражательной способности и высоты над уровнем моря. Данные ASTER активно используются в геологии.
Сцена ASTER — это снимок поверхности Земли размером 60 км на 60 км в 14 спектральных каналах видимого и ближнего инфракрасного (ИК) диапазона (VNIR), коротковолнового ИК диапазона (SWIR) и теплового ИК диапазона (TIR). ASTER ведет съемку в среднем 8 минут на каждой орбите, что дает около 650 сцен в сутки. Эти съемки планируются научной группой ASTER и, как правило, включают области, представляющие интерес для научного сообщества или запрашиваемые пользователями.
28 ноября 2024 года на спутникe Terra произошла аномалия питания, в результате которой мощности стало не хватать для поддержания работоспособности всех приборов. Сбор данных ASTER в диапазонах VNIR и TIR был приостановлен (сбор данных в каналах SWIR прекращен еще в январе 2009 года). 17 января 2025 года сбор данных VNIR возобновился. В настоящее время ASTER снимает около 600 сцен в сутки, используя только каналы VNIR.
📸 Добыча лития в Клейтон-Вэлли (шт. Невада, США) [источник].
#LST #данные #DEM #снимки
Глобальная ансамблевая цифровая модель рельефа GEDTM30
Глобальная ансамблевая цифровая модель рельефа (ЦМР) с пространственным разрешением 30 м, GEDTM30, (Global Ensemble Digital Terrain Model 30 m) создана при помощи ЦМР Copernicus, ALOS World3D и модели высот объектов в рамках подхода слияния данных. В рамках глобально-локальной модели трансферного обучения с чередованием 5°×5° использовались глобально распределенные наборы лидарных данных: ICESat-2 ATL08 (наилучшая высота местности) и GEDI02 (наименьшая высота — lowest mode elevation), насчитывающие в общей сложности более 30 миллиардов обучающих точек. Первоначально была подобрана глобальная модель с использованием ICESat-2 и GEDI, а затем локальные оптимизированные модели для каждого тайла, обеспечивающие как глобальную согласованность, так и локальную точность.
Независимая проверка показала, что GEDTM30 снижает среднеквадратичную ошибку (RMSE) ЦМР Copernicus примерно на 25,4% в районах городской застройки, на 10,0% в районах с 10–50% древесного покрова и на 27,3% в районах с более чем 50% древесного покрова. По сравнению с современными ЦМР (MERIT DEM, FABDEM и FathomDEM), GEDTM30 достигает наименьших вертикальных ошибок при оценке с помощью записей GNSS-станций, что дает стандартное отклонение 7,77 м, RMSE 10,69 м и среднюю ошибку 7,34 м.
Затем GEDTM30 использовалась для расчета 15 стандартных параметров поверхности земли — топографии и гидрологии — в шести масштабах (30, 60, 120, 240, 480 и 960 м).
Весь рабочий процесс был реализован на языке Python с использованием GDAL и Whitebox Workflows.
Данные и код GEDTM30 находятся в открытом доступе в виде облачно оптимизированных GeoTIFF
🔗 Скачать GEDTM30 на Zenodo
🖥 Код для создания GEDTM30 на GitHub
📖 Методика создания GEDTM30
🙏 Благодарим за наводку Евгения Матерова, ведущего тг-канал Наука и данные.
#DEM #данные
Глобальная ансамблевая цифровая модель рельефа (ЦМР) с пространственным разрешением 30 м, GEDTM30, (Global Ensemble Digital Terrain Model 30 m) создана при помощи ЦМР Copernicus, ALOS World3D и модели высот объектов в рамках подхода слияния данных. В рамках глобально-локальной модели трансферного обучения с чередованием 5°×5° использовались глобально распределенные наборы лидарных данных: ICESat-2 ATL08 (наилучшая высота местности) и GEDI02 (наименьшая высота — lowest mode elevation), насчитывающие в общей сложности более 30 миллиардов обучающих точек. Первоначально была подобрана глобальная модель с использованием ICESat-2 и GEDI, а затем локальные оптимизированные модели для каждого тайла, обеспечивающие как глобальную согласованность, так и локальную точность.
Независимая проверка показала, что GEDTM30 снижает среднеквадратичную ошибку (RMSE) ЦМР Copernicus примерно на 25,4% в районах городской застройки, на 10,0% в районах с 10–50% древесного покрова и на 27,3% в районах с более чем 50% древесного покрова. По сравнению с современными ЦМР (MERIT DEM, FABDEM и FathomDEM), GEDTM30 достигает наименьших вертикальных ошибок при оценке с помощью записей GNSS-станций, что дает стандартное отклонение 7,77 м, RMSE 10,69 м и среднюю ошибку 7,34 м.
Затем GEDTM30 использовалась для расчета 15 стандартных параметров поверхности земли — топографии и гидрологии — в шести масштабах (30, 60, 120, 240, 480 и 960 м).
Весь рабочий процесс был реализован на языке Python с использованием GDAL и Whitebox Workflows.
Данные и код GEDTM30 находятся в открытом доступе в виде облачно оптимизированных GeoTIFF
🔗 Скачать GEDTM30 на Zenodo
🖥 Код для создания GEDTM30 на GitHub
📖 Методика создания GEDTM30
🙏 Благодарим за наводку Евгения Матерова, ведущего тг-канал Наука и данные.
#DEM #данные
Maxar разработала технологию навигации на основе визуальных данных
Maxar Intelligence разработала технологию навигации на основе визуальных данных, которая позволяет беспилотным летательным аппаратам (БПЛА) работать без использования GPS.
Программное обеспечение Raptor, предоставляет дронам систему позиционирования, основанную на анализе рельефа, что позволяет им ориентироваться в условиях, где GPS недоступен. Для этого используется детализированная 3D-модель местности, созданная на основе спутниковых снимков Maxar. Вместо спутниковых сигналов дрон, оснащенный Raptor, сравнивает изображение с камеры в реальном времени с заранее загруженной 3D-картой местности, чтобы определить свое местоположение и ориентацию.
По словам Питера Вильчински (Peter Wilczynski), главного директора по продуктам Maxar Intelligence, Raptor состоит из трех основных компонентов.
• Raptor Guide — программное обеспечение для позиционирования на основе технического зрения. Устанавливается на БПЛА обеспечивая определение координат в режиме реального времени со среднеквадратической погрешностью <10 м.
• Raptor Sync — сопоставляет видеопоток дрона с 3D-данными местности от Maxar, что позволяет объединять данные, взаимодействовать между различными датчиками и точно определять координаты на местности с абсолютной точностью <3 м.
• Raptor Ace — работает на ноутбуке оператора, интегрируется с системами управления БПЛА, позволяя операторам извлекать точные координаты с видео, снятого дроном с продемонстрированной абсолютной точностью <3 м.
Raptor основан на глобальной 3D-карте рельефа Maxar и использует технологии компании Vricon, специализирующейся на 3D-пространственных данных, которую Maxar приобрела в 2020 году.
3D-модель местности регулярно обновляется, и Maxar может задействовать свои спутники для актуализации данных по конкретным регионам в зависимости от потребностей заказчиков.
Raptor может использоваться в военной сфере: система позволяет дронам разных производителей обмениваться навигационными данными, что делает возможным координацию автономных систем на едином боевом поле.
“С помощью этой технологии можно создавать системы командования и управления, объединяющие дроны и автономные платформы различных производителей, которые смогут обмениваться данными в реальном времени”, — пояснил Вильчински.
“Генерируемые координаты не привязаны к конкретным платформам или протоколам определенных производителей. Это универсальные координаты, которые дроны могут использовать для взаимодействия друг с другом, с наземными системами и с системами наведения”, — уточнил он.
#DEM #война #maxar
Maxar Intelligence разработала технологию навигации на основе визуальных данных, которая позволяет беспилотным летательным аппаратам (БПЛА) работать без использования GPS.
Программное обеспечение Raptor, предоставляет дронам систему позиционирования, основанную на анализе рельефа, что позволяет им ориентироваться в условиях, где GPS недоступен. Для этого используется детализированная 3D-модель местности, созданная на основе спутниковых снимков Maxar. Вместо спутниковых сигналов дрон, оснащенный Raptor, сравнивает изображение с камеры в реальном времени с заранее загруженной 3D-картой местности, чтобы определить свое местоположение и ориентацию.
По словам Питера Вильчински (Peter Wilczynski), главного директора по продуктам Maxar Intelligence, Raptor состоит из трех основных компонентов.
• Raptor Guide — программное обеспечение для позиционирования на основе технического зрения. Устанавливается на БПЛА обеспечивая определение координат в режиме реального времени со среднеквадратической погрешностью <10 м.
• Raptor Sync — сопоставляет видеопоток дрона с 3D-данными местности от Maxar, что позволяет объединять данные, взаимодействовать между различными датчиками и точно определять координаты на местности с абсолютной точностью <3 м.
• Raptor Ace — работает на ноутбуке оператора, интегрируется с системами управления БПЛА, позволяя операторам извлекать точные координаты с видео, снятого дроном с продемонстрированной абсолютной точностью <3 м.
Raptor основан на глобальной 3D-карте рельефа Maxar и использует технологии компании Vricon, специализирующейся на 3D-пространственных данных, которую Maxar приобрела в 2020 году.
3D-модель местности регулярно обновляется, и Maxar может задействовать свои спутники для актуализации данных по конкретным регионам в зависимости от потребностей заказчиков.
Raptor может использоваться в военной сфере: система позволяет дронам разных производителей обмениваться навигационными данными, что делает возможным координацию автономных систем на едином боевом поле.
“С помощью этой технологии можно создавать системы командования и управления, объединяющие дроны и автономные платформы различных производителей, которые смогут обмениваться данными в реальном времени”, — пояснил Вильчински.
“Генерируемые координаты не привязаны к конкретным платформам или протоколам определенных производителей. Это универсальные координаты, которые дроны могут использовать для взаимодействия друг с другом, с наземными системами и с системами наведения”, — уточнил он.
#DEM #война #maxar