Читатели спрашивают, почему на наших картах GEE нет легенды.

Действительно, без легенды карта — не совсем карта. Но здесь есть три соображения.

1. GEE тоже не геоинформационная система. Узнать значение в заданной точке карты можно в Инспекторе, оценить общую картину — с помощью выбранной палитры. Полноценная же карта создается в QGIS (R, Python, что-вам-больше-нравится), после экспорта данных из GEE.

2. Создание легенды в GEE зависит от языка API. JavaScript API позволяет начинать освоение GEE без дополнительных усилий. Большая часть кода легко переносится на Python API, но не код визуализации. А мы основное внимание уделяем легко переносимым вещам.

3. Решение проблемы легко гуглится. Например, вот и вот.

И все-таки: вот код на JavaScript, сразу с тремя видами легенд. Удачи!

#GEE

Озеро Балатон в Венгрии, период с февраля 2022 по текущую дату.

Timelapse сделан в Sentinel Hub EO Browser. Видео, о том, как сделан этот timelapse — в следующем посте.

Определение температуры земной поверхности со спутника

Объяснение для нетерпеливых. Любое нагретое тело, в том числе поверхность Земли, испускает электромагнитное излучение. По энергии этого излучения можно определить температуру тела для заданной длины волны излучения. Излучение фиксируется спутниковым радиометром. Длина волны (канал), на которой это происходит, известна. Таким образом, можно получить температуру земной поверхности (Land Surface Temperature, LST). Теперь можно брать данные USGS Landsat 8 Level 2, Collection 2, Tier 1 — канал "ST_B10" даст готовые значения LST.

А теперь — чуть более подробно.*

Спутниковые радиометры измеряют температуру поверхности, по принятому от нее электромагнитному излучению. Все тела, имеющие температуру выше абсолютного нуля (0 К), испускают электромагнитное излучение. При этом часть внутренней энергии вещества превращается в энергию излучения. Поэтому нагретые тела являются источниками электромагнитного излучения в широком диапазоне частот. Это излучение называют тепловым.

Эксперименты показывают, что тепловое излучение имеет непрерывный спектр. Это значит, что нагретое тело испускает некоторое количество энергии в любом диапазоне частот или длин волн. Распределение энергии излучения тела по спектру зависит от температуры тела — с увеличением температуры, максимум энергии излучения смещается в коротковолновый участок спектра, а общая энергия излучения возрастает.

Оценить длину волны, на которую приходится максимум излучательной способности тела, если известна температура тела, можно с помощью закона Вина. Но сначала нам нужно ввести понятие абсолютно черного тела.

Способность тела поглощать тепловое излучение характеризует монохроматический коэффициент поглощения — безразмерная величина, которая показывает, какая доля энергии электромагнитных волн с длинами волн от λ до λ + dλ, падающих на поверхность тела, поглощается им. Значение коэффициента зависит от длины волн, температуры, химического состава тела и состояния его поверхности. Оно не может быть больше 1 — нельзя поглотить больше излучения, чем было передано.

Абсолютно черное тело — это тело, способное поглощать все падающее на него электромагнитное излучение, а затем заново его испускать.** Монохроматический коэффициент поглощения абсолютно черного тела на всех частотах и при любых температурах равен 1.

Итак, согласно закону Вина, длина волны λm, на которую приходится максимум излучательной способности абсолютно черного тела, обратно пропорциональна его абсолютной температуре (Рис. 1).

Так, при ядерном взрыве (T ≈ 10^6 К) большая доля энергии взрыва уходит коротковолновыми рентгеновским и γ-излучением, раскаленная поверхность Солнца (T ≈ 6·10^3 К) излучает значительную часть энергии в диапазоне видимого света, а излучение Земли (T ≈ 300 К) имеет пик энергии при 9.66 мкм, то есть в тепловом инфракрасном диапазоне (именно благодаря этому факту, эта область ИК-диапазона и получила свое название).

Перейдем к описанию связи между тепловым излучением тела и его температурой. Основной характеристикой изучения абсолютно черного тела является спектральная излучательная способность. Она равна плотности потока энергии, излучаемой телом в узком интервале длин волн от λ до λ + dλ, к ширине этого интервала dλ.


*Именно что чуть. Нераскрытых подробностей еще достаточно, есть к чему придраться)

**Важно, что абсолютно черное тело — не только идеальный поглотитель энергии, но и ее идеальный испускатель. Этот момент иногда ускользает от внимания слушателей, видимо, из-за названия тела. Все-таки “абсолютно черный” скорее говорит нам о полном поглощении, чем об испускании. Но такова уж сложившаяся терминология.

#основы #LST

Зависимость спектральной излучательной способности абсолютно черного тела от его температуры подчиняется закону Планка (Рис. 2).

Закон Планка хорошо описывает спектральное распределение излучения черного тела при любых частотах. Из него, зная величину излучательной способности тела (для какой-то заданной длины волны), регистрируемую спутниковым датчиком, можно определить яркостную температуру тела (Рис. 3). Если бы поверхность Земли состояла из абсолютно черных тел, то наша цель была бы уже достигнута.

Яркостная температура тела — это температура абсолютно черного тела, имеющего такую же спектральную излучательную способность, как и данное тело (для какой-либо определенной длины волны). Яркостная температура тела всегда ниже его истинной термодинамической температуры, потому что любое реальное тело излучает меньше, чем абсолютно черное тело при той же температуре.

Основной характеристикой теплового излучения реального тела является спектральный коэффициент теплового излучения — отношение излучательной способности реального тела к излучательной способности абсолютно черного тела (идеального излучателя) при той же температуре и той же длине волны. Спектральный коэффициент теплового излучения реального непрозрачного тела зависит от длины волны, природы тела, состояния его поверхности и температуры. Он изменяется в диапазоне от 0 до 1.

Согласно закону излучения Кирхгофа, для любого тела спектральный коэффициент теплового излучения равен его монохроматическому коэффициенту поглощения при заданной температуре и длине волны. Ближе всего к 1 коэффициент теплового излучения в тепловом ИК-диапазоне у воды и облаков (0.980–0.990). Сложнее дело обстоит с поверхностью суши. Здесь влияют шероховатость поверхности, ее увлажненность и другие факторы. Для свежего снега коэффициент теплового излучения равен 0.986, для густой травы и хвойного леса — 0.970, для глинистой почвы — 0.980.

Таким образом, для определения температуры поверхности нам нужно знать ее яркостную температуру, а также то, из каких классов эта поверхность состоит (растительность, почва, вода и др.). Для более точного определения температуры поверхности из космоса нужно учитывать не только коэффициент теплового излучения, но и поглощение в атмосфере.

На практике, при обработке данных инфракрасной радиометрии применяются разные методики, основанные на эмпирических соотношениях, связывающих измеряемое со спутника излучение с фактической температурой поверхности, определяемой контактными методами и используемой в качестве калибровочных значений.

Сжатое изложение наиболее известных методик расчета температуры земной поверхности по данным тепловых сенсоров Lansat дано в: Ndossi, M. I.; Avdan U. Application of Open Source Coding Technologies in the Production of Land Surface Temperature (LST) Maps from Landsat: A PyQGIS Plugin. Remote Sens. 2016, 8(5), 413. https://doi.org/10.3390/rs8050413

#основы #LST

Кривые излучения черного тела для нескольких объектов, включая Солнце и Землю, которые приблизительно соответствуют черным телам с температурой 6000 К и 300 К соответственно. Штрих-пунктирная линия проходит через максимумы спектральной плотности излучения для каждой температуры излучателя.

Источник: Jensen J. Introductory Digital Image Processing: A Remote Sensing Perspective, 4th Edition. — Pearson Education, 2015.

#основы #LST

Обратите внимание, сколько моделей потребовалось, чтобы со спутника оценить температуру земной поверхности: рассчитать яркостную температуру (из закона Планка), построить классификацию земной поверхности в интересующем районе, определить коэффициенты теплового излучения для этих классов, смоделировать поглощение излучения в атмосфере,… Причем внутри каждой модели — свои задачи, а значит и новые модели. Ситуация самая обычная — ученый чем-то напоминает Леонида Енгибарова в номере с катушками. А еще нужно следить за статьями с оценками точности определения интересующей величины — для разных регионов, рельефа, климата,…

Обложка журнала, посвященная космическому полёту Валентины Терешковой

GEE-17. Температура земной поверхности по данным Landsat

Снимки USGS Landsat 8 Level 2, Collection 2, Tier 1 дают температуру поверхности Земли в градусах Кельвина (канал "ST_B10"). Данные о температуре поверхности используется в исследованиях глобального энергетического баланса, гидрологическом моделировании, для мониторинга состояния сельскохозяйственных культур и растительности, а также в анализе экстремальных тепловых явлений — стихийных бедствий (извержений вулканов, лесных пожаров) и городских островов тепла.

Детали алгоритма расчета температуры земной поверхности можно найти в разделе 4.7 Landsat 8-9 Calibration and Validation (Cal/Val) Algorithm Description Document (ADD).

Код примера: https://code.earthengine.google.com/104898cddab0dc7b560556fc5bf44b95

Для заданного района bbox отберем самый малооблачный снимок:

var dataset = ee.ImageCollection('LANDSAT/LC08/C02/T1_L2')
                .filterBounds(bbox)
                .filterDate('2021-05-01', '2021-08-01')
                .sort('CLOUD_COVER'); 
var image = dataset.first();                 

Применим к значениям каналов масштабирование с коэффициентами Scale и Offset (для каждого канала они указаны здесь). После этого, канал "ST_B10" даст температуру в Кельвинах, а мы переведем ее в градусы Цельсия. Все описанное выполняет функция:

  
function applyScaleFactors(image) {  
  var opticalBands = image.select('SR_B.').multiply(0.0000275).add(-0.2);
  var thermalBands = image.select('ST_B.*').multiply(0.00341802).add(149.0);
  thermalBands = thermalBands.subtract(273.15);
  return image.addBands(opticalBands, null, true)
              .addBands(thermalBands, null, true);  
}

Дальше отобразим результат на карте. Он показан ниже.

#GEE #LST

Температура земной поверхности на территории штата Невада, по снимку Landsat 8 LC08_040033_20210613.

Тренинги NASA ARSET

NASA Applied Remote Sensing Training Program (ARSET) проводит тренинги для начинающих и опытных специалистов в области дистанционного зондирования Земли.

Тренинги бывают очными и онлайновыми. Они позволяют изучить ряд наборов данных, веб-порталов и инструментов анализа, которые применяются для управления качеством воздуха, сельским хозяйством, климатом, стихийными бедствиями, земельными и водными ресурсами.

Очные тренинги большинству из нас вряд ли светят, а вот онлайновые могут очень даже пригодится. Тренинги рассчитаны на разные уровни подготовки: beginner, intermediate, advanced. На странице выбранного тренинга описано, что нужно знать или сделать перед началом занятий (в разделе Prerequisites, пример).

Список доступных онлайновых тренингов. В каждом есть видео и слайды. Часто есть упражнения. Языки: английский (всегда) и испанский.

Все тренинги ARSET на YouTube.

В отличие от RUS Copernicus Training, у ARSET не предоставляют виртуальных машин, зато:

* тренинги рассчитаны на разные уровни подготовки специалистов. У RUS Copernicus они больше ориентированы на начинающих;
* тренинги сгруппированы в микрокурсы, то есть можно сразу увидеть направление развития;
* данные, порталы и софт, которые используют на тренингах, не обязательно имеют отношение к NASA. В RUS Copernicus ограничивались данными европейских спутников Sentinel.

Никакого отношения к NASA ARSET наш канал не имеет. Просто мы не раз использовали их материалы, и они нам были полезны. Вот, делимся.

#обучение

Милые дамы!
Поздравляем с Международным женским днем.

Сегодня праздник и думать о серьезном не хочется. Хочется просто поделится красотой.

Вот два композитных снимка одного региона: оптический и радарный. Красный канал каждого составлен из данных апреля, зеленый — июня, синий — августа.

Оптика: Sentinel-2, канал B8 (ближний инфракрасный), код.

Радар: Sentinel-1, VV-поляризация, код.

Внимание! На создание и экспорт композита может понадобиться 15–20 минут.