Дистанционное зондирование Земли (ДЗЗ)
Термины и сокращения, #термины
Организации: NASA, NOAA, DARPA и другие
Спектральные каналы Landsat 8/9 и Sentinel-2, MODIS
Спектральные сигнатуры
📚Основы дистанционного зондирования Земли, #основы
#индексы (спектральные, вегетационные, ...)
#комбинация каналов
#история ДЗЗ
Научно-популярные лекции по ДЗЗ
Лекции школы молодых учёных (ИКИ РАН): 2015-2017, 2018-2019, 2020-2021, 2022-2023
Рекомендованные практики мониторинга ЧС (UN-SPIDER)
Космическое образование в России: раз, два.
Поиск / Справочная информация
Общий каталог искусственных космических объектов (GCAT)
Спутники и съемочная аппаратура
Российские спутники ДЗЗ, #МВК
Информация о запусках
Орбиты спутников
#наблюдение за спутниками
Где взять научную литературу #книга #журнал
ИИ-поиск, патентный поиск, поиск наборов данных
#справка
Google Earth Engine
📚Учебник по Google Earth Engine
🌍 Список всех данных Google Earth Engine
Проекты и примеры кода
Учебные ресурсы
Полезные ссылки
#GEE
📚🖥 Работа с пространственными данными в R
Спутниковые и другие данные — #данные
Бесплатные спутниковые снимки, в т.ч. высокого разрешения
🛰 Sentinel-1, Радары на GEE
🛰 Sentinel-2
🛰 Landsat Collection 2, снимки Landsat
🛰 CBERS
🛰🛰 Спутники серий "Электро-Л" и "Арктика-М"
🛰 Гиперспектральные данные Wyvern
🛰 Банк базовых продуктов ДЗЗ
Открытые векторные данные
#LULC — Land Use & Land Cover
#DEM
#границы
#nrt — Земля из космоса в реальном времени
Международная хартия по космосу и крупным катастрофам: список активаций
Погода: фактическая, реанализ, прогнозы
#ЧС
Тематические задачи
#лес, #AGB (надземная биомасса)
#пожары
#вода — водные объекты, наводнения, качество воды
#лед
#погода, #климат
#атмосфера
#археология
#сельхоз
#LST — температура земной поверхности
Типы данных
#гиперспектр
#SAR #InSAR
#лидар
#LST
#GNSSR
#ro
#SIF
Конференции, школы, семинары
#конференции
Конкурсы и чемпионаты
#конкурс
Новости военного ДЗЗ
#война #sigint #SSA
⭐️Все хештеги
Термины и сокращения, #термины
Организации: NASA, NOAA, DARPA и другие
Спектральные каналы Landsat 8/9 и Sentinel-2, MODIS
Спектральные сигнатуры
📚Основы дистанционного зондирования Земли, #основы
#индексы (спектральные, вегетационные, ...)
#комбинация каналов
#история ДЗЗ
Научно-популярные лекции по ДЗЗ
Лекции школы молодых учёных (ИКИ РАН): 2015-2017, 2018-2019, 2020-2021, 2022-2023
Рекомендованные практики мониторинга ЧС (UN-SPIDER)
Космическое образование в России: раз, два.
Поиск / Справочная информация
Общий каталог искусственных космических объектов (GCAT)
Спутники и съемочная аппаратура
Российские спутники ДЗЗ, #МВК
Информация о запусках
Орбиты спутников
#наблюдение за спутниками
Где взять научную литературу #книга #журнал
ИИ-поиск, патентный поиск, поиск наборов данных
#справка
Google Earth Engine
📚Учебник по Google Earth Engine
🌍 Список всех данных Google Earth Engine
Проекты и примеры кода
Учебные ресурсы
Полезные ссылки
#GEE
📚🖥 Работа с пространственными данными в R
Спутниковые и другие данные — #данные
Бесплатные спутниковые снимки, в т.ч. высокого разрешения
🛰 Sentinel-1, Радары на GEE
🛰 Sentinel-2
🛰 Landsat Collection 2, снимки Landsat
🛰 CBERS
🛰🛰 Спутники серий "Электро-Л" и "Арктика-М"
🛰 Гиперспектральные данные Wyvern
🛰 Банк базовых продуктов ДЗЗ
Открытые векторные данные
#LULC — Land Use & Land Cover
#DEM
#границы
#nrt — Земля из космоса в реальном времени
Международная хартия по космосу и крупным катастрофам: список активаций
Погода: фактическая, реанализ, прогнозы
#ЧС
Тематические задачи
#лес, #AGB (надземная биомасса)
#пожары
#вода — водные объекты, наводнения, качество воды
#лед
#погода, #климат
#атмосфера
#археология
#сельхоз
#LST — температура земной поверхности
Типы данных
#гиперспектр
#SAR #InSAR
#лидар
#LST
#GNSSR
#ro
#SIF
Конференции, школы, семинары
#конференции
Конкурсы и чемпионаты
#конкурс
Новости военного ДЗЗ
#война #sigint #SSA
⭐️Все хештеги
❤9👍7👎1🔥1🥰1👏1🐳1
Оценка плотности надземной биомассы по данным GEDI и другим
Недавно мы искали готовый продукт для оценки надземной биомассы леса, достаточно свежий и глобальный (или около того). На эту роль претендовал GEDI L4B Gridded Aboveground Biomass Density, Version 2 (есть он и на GEE).
GEDI — это лидар, расположенный на МКС. Из-за орбиты МКС, он обеспечивает съемку земной поверхности в полосе широт между 51.6° с.ш. и 51.6° ю.ш. Продукт GEDI L4B — результат модельной оценки плотности надземной биомассы. Это не наблюдения, а результат моделирования по ним. Популярный рассказ о данных GEDI L4B: ORNL DAAC Releases GEDI Level 4B Dataset Offering Gridded Estimates of Aboveground Biomass Density.
Оказалось, что GEDI 4B не обеспечивает сплошного покрытия данными даже в заявленной полосе широт. На рисунке ниже размер пикселя составляет 1 км х 1 км, площадь участка — около 10 000 га.
Что делать? 1) Искать другой готовый продукт. 2) Натягивать сову на глобус, то есть заполнять пробелы в имеющемся продукте. О других продуктах поговорим позже, сначала — о заполнении пробелов.
Есть подход Shendryk Y. The latest dataset from the GEDI mission provides gridded estimates of aboveground biomass density at greater accuracy and resolution than previously available (2022), который состоит в следующем.
Берутся данные GEDI уровня 4A, а также снимки Sentinel-1 GRD (радар) и Sentinel-2 уровня 2A (оптика), цифровая модель рельефа (GLO-30) и карта классов земной поверхности ESA WorldCover. Все это есть в Google Earth Engine. Из всего этого формируется набор обучающих и тестовых данных. На них будут учить и тестировать модель машинного обучения (LightGBM).
GEDI L4A Raster Aboveground Biomass Density, как и L4B, — это результат моделирования надземной биомассы. В отличие от L4B, продукт L4A дает не пиксели размером 1 км х 1 км, а 25-метровые “пятна” (footprint — след сигнала лидара на поверхности Земли). Кроме того, L4A чаще обновляется: есть данные до конца 2022 года, указан момент съемки каждого “пятна”. В результате есть возможность привязать каждое “пятно” к определенному участку данных Sentinel-1 и Sentinel-2.
Данные GEDI L4A используются вместо “наземки” (ground truth), как будто они дают реальную, а не модельную биомассу, а также служат откликом будущей модели. Все остальные данные и их производные служат предикторами. Дальше следует машинное обучение, игры с выбором предикторов, и в итоге получается оценка надземной биомассы с R^2 = 0,66–0,74 (коэффициент детерминации), RMSE = 55–81 Мг/га (Мг = 10^6 грамм, то есть 1 тонна), или в процентах — RMSE = 41–77%. Да, среднеквадратичная ошибка (RMSE) больше 40%, но таков современный уровень моделирования в данной задаче. Авторы справедливо отмечают, что созданные ими прогнозные карты надземной биомассы (с разрешением 100 м), могут служить в качестве ориентира для определения текущих запасов надземной биомассы. В целом, данное исследование показывает возможность применения открытых данных ДЗЗ для получения глобальных карт надземной биомассы путем слияния различных видов данных (радаров, оптики, ЦМР и т.п.).
Лучше бы, конечно, найти более точные данные для обучения моделей (вместо модельных!) и попробовать использовать в качестве предикторов данные вертикального профиля высот от того же GEDI (GEDI L2B Raster Canopy Cover Vertical Profile Metrics). Но это все надо пробовать…
Сравните, как выглядят данные GEDI L4B и L4A: https://code.earthengine.google.com/c494ff396398ee2629b67eb4778db468
#лидар #sentinel1 #sentinel2 #LULC #GEE #AGB
Недавно мы искали готовый продукт для оценки надземной биомассы леса, достаточно свежий и глобальный (или около того). На эту роль претендовал GEDI L4B Gridded Aboveground Biomass Density, Version 2 (есть он и на GEE).
GEDI — это лидар, расположенный на МКС. Из-за орбиты МКС, он обеспечивает съемку земной поверхности в полосе широт между 51.6° с.ш. и 51.6° ю.ш. Продукт GEDI L4B — результат модельной оценки плотности надземной биомассы. Это не наблюдения, а результат моделирования по ним. Популярный рассказ о данных GEDI L4B: ORNL DAAC Releases GEDI Level 4B Dataset Offering Gridded Estimates of Aboveground Biomass Density.
Оказалось, что GEDI 4B не обеспечивает сплошного покрытия данными даже в заявленной полосе широт. На рисунке ниже размер пикселя составляет 1 км х 1 км, площадь участка — около 10 000 га.
Что делать? 1) Искать другой готовый продукт. 2) Натягивать сову на глобус, то есть заполнять пробелы в имеющемся продукте. О других продуктах поговорим позже, сначала — о заполнении пробелов.
Есть подход Shendryk Y. The latest dataset from the GEDI mission provides gridded estimates of aboveground biomass density at greater accuracy and resolution than previously available (2022), который состоит в следующем.
Берутся данные GEDI уровня 4A, а также снимки Sentinel-1 GRD (радар) и Sentinel-2 уровня 2A (оптика), цифровая модель рельефа (GLO-30) и карта классов земной поверхности ESA WorldCover. Все это есть в Google Earth Engine. Из всего этого формируется набор обучающих и тестовых данных. На них будут учить и тестировать модель машинного обучения (LightGBM).
GEDI L4A Raster Aboveground Biomass Density, как и L4B, — это результат моделирования надземной биомассы. В отличие от L4B, продукт L4A дает не пиксели размером 1 км х 1 км, а 25-метровые “пятна” (footprint — след сигнала лидара на поверхности Земли). Кроме того, L4A чаще обновляется: есть данные до конца 2022 года, указан момент съемки каждого “пятна”. В результате есть возможность привязать каждое “пятно” к определенному участку данных Sentinel-1 и Sentinel-2.
Данные GEDI L4A используются вместо “наземки” (ground truth), как будто они дают реальную, а не модельную биомассу, а также служат откликом будущей модели. Все остальные данные и их производные служат предикторами. Дальше следует машинное обучение, игры с выбором предикторов, и в итоге получается оценка надземной биомассы с R^2 = 0,66–0,74 (коэффициент детерминации), RMSE = 55–81 Мг/га (Мг = 10^6 грамм, то есть 1 тонна), или в процентах — RMSE = 41–77%. Да, среднеквадратичная ошибка (RMSE) больше 40%, но таков современный уровень моделирования в данной задаче. Авторы справедливо отмечают, что созданные ими прогнозные карты надземной биомассы (с разрешением 100 м), могут служить в качестве ориентира для определения текущих запасов надземной биомассы. В целом, данное исследование показывает возможность применения открытых данных ДЗЗ для получения глобальных карт надземной биомассы путем слияния различных видов данных (радаров, оптики, ЦМР и т.п.).
Лучше бы, конечно, найти более точные данные для обучения моделей (вместо модельных!) и попробовать использовать в качестве предикторов данные вертикального профиля высот от того же GEDI (GEDI L2B Raster Canopy Cover Vertical Profile Metrics). Но это все надо пробовать…
Сравните, как выглядят данные GEDI L4B и L4A: https://code.earthengine.google.com/c494ff396398ee2629b67eb4778db468
#лидар #sentinel1 #sentinel2 #LULC #GEE #AGB
Карты плотности надземной биомассы Biomass CCI
Недавно мы разбирали данные GEDI L4B Gridded Aboveground Biomass Density. Оказалось, что они не обеспечивают сплошного покрытия поверхности суши. Теперь рассмотрим продукт, который такое покрытие обеспечивает.
ESA Biomass Climate Change Initiative (Biomass CCI) в версии 4 содержит два вида карт: карты значений надземной биомассы (Aboveground Biomass, AGB) и соответствующие им карты стандартных отклонений AGB. AGB — это сухая масса древесных частей всех живых деревьев (ствола, коры, ветвей и побегов), за исключением пней и корней.
Характеристики Biomass CCI (version 4):
* пространственное разрешение: ~100 м на экваторе
* пространственное покрытие: глобальное
* временное покрытие: 2010, 2017, 2018, 2019, 2020
* формат: NetCDF, GeoTIFF
* единицы измерения плотности биомассы: Мг/га (тонн/га)
* доступ: https://catalogue.ceda.ac.uk/uuid/af60720c1e404a9e9d2c145d2b2ead4e
* руководство пользователя (v. 3): https://climate.esa.int/media/documents/D4.3_CCI_PUG_V3.0_20210707.pdf
* Algorithm Theoretical Basis Document (v. 2): https://climate.esa.int/sites/default/files/Biomass_D2.2_Algorithm_Theoretical_Basis_Document_V2.0.pdf
Карты получены на основе комбинации данных ДЗЗ. В зависимости от года, это данные спутника Sentinel-1, прибора ASAR спутника Envisat, спутника JAXA Advanced Land Observing Satellite (ALOS-1 и ALOS-2).
Кроме того, предоставляются файлы, описывающие изменение AGB между двумя последовательными годами (то есть 2018–2017, 2019–2018 и 2020–2010) и за десятилетие (2020–2010). Каждый продукт изменения AGB состоит из двух наборов карт: стандартного отклонения изменения AGB и флага качества изменения AGB. Само изменение вычисляется как разность между двумя картами AGB, поэтому отдельные карты для него не предоставляются.
Примеры имен файлов:
Итак, данные Biomass CCI — это свежие (2020 год) и разновременные данные, с высоким для подобных данных пространственным разрешением (100 метров) и сплошным глобальным покрытием.
В сети можно встретить упоминания о данных ICESat-2 Boreal Biomass 2020 Map — карте бореальной (50° N – 75° N) надземной биомассы, основанной на данных лидара Advanced Topographic Laser Altimeter System (ATLAS) спутника ICESat-2, а также о данных JPL 2020 Global Biomass Dataset — глобальной карте плотности надземной биомассы, полученной с помощью комбинации данных Landsat-8, ALOS-2 PALSAR-2 и ЦМР SRTM. Все эти данные планировалось выпустить еще в 2021 году, но по состоянию на сегодня они недоступны.
#AGB #лес #данные
Недавно мы разбирали данные GEDI L4B Gridded Aboveground Biomass Density. Оказалось, что они не обеспечивают сплошного покрытия поверхности суши. Теперь рассмотрим продукт, который такое покрытие обеспечивает.
ESA Biomass Climate Change Initiative (Biomass CCI) в версии 4 содержит два вида карт: карты значений надземной биомассы (Aboveground Biomass, AGB) и соответствующие им карты стандартных отклонений AGB. AGB — это сухая масса древесных частей всех живых деревьев (ствола, коры, ветвей и побегов), за исключением пней и корней.
Характеристики Biomass CCI (version 4):
* пространственное разрешение: ~100 м на экваторе
* пространственное покрытие: глобальное
* временное покрытие: 2010, 2017, 2018, 2019, 2020
* формат: NetCDF, GeoTIFF
* единицы измерения плотности биомассы: Мг/га (тонн/га)
* доступ: https://catalogue.ceda.ac.uk/uuid/af60720c1e404a9e9d2c145d2b2ead4e
* руководство пользователя (v. 3): https://climate.esa.int/media/documents/D4.3_CCI_PUG_V3.0_20210707.pdf
* Algorithm Theoretical Basis Document (v. 2): https://climate.esa.int/sites/default/files/Biomass_D2.2_Algorithm_Theoretical_Basis_Document_V2.0.pdf
Карты получены на основе комбинации данных ДЗЗ. В зависимости от года, это данные спутника Sentinel-1, прибора ASAR спутника Envisat, спутника JAXA Advanced Land Observing Satellite (ALOS-1 и ALOS-2).
Кроме того, предоставляются файлы, описывающие изменение AGB между двумя последовательными годами (то есть 2018–2017, 2019–2018 и 2020–2010) и за десятилетие (2020–2010). Каждый продукт изменения AGB состоит из двух наборов карт: стандартного отклонения изменения AGB и флага качества изменения AGB. Само изменение вычисляется как разность между двумя картами AGB, поэтому отдельные карты для него не предоставляются.
Примеры имен файлов:
N50E020_ESACCI-BIOMASS-L4-AGB-MERGED-100m-2020-fv4.0.tif — карта AGBВ имени файла указаны координаты левого верхнего угла карты.
N50E020_ESACCI-BIOMASS-L4-AGB_SD-MERGED-100m-2020-fv4.0.tif — карта стандартного отклонения AGB.
Итак, данные Biomass CCI — это свежие (2020 год) и разновременные данные, с высоким для подобных данных пространственным разрешением (100 метров) и сплошным глобальным покрытием.
В сети можно встретить упоминания о данных ICESat-2 Boreal Biomass 2020 Map — карте бореальной (50° N – 75° N) надземной биомассы, основанной на данных лидара Advanced Topographic Laser Altimeter System (ATLAS) спутника ICESat-2, а также о данных JPL 2020 Global Biomass Dataset — глобальной карте плотности надземной биомассы, полученной с помощью комбинации данных Landsat-8, ALOS-2 PALSAR-2 и ЦМР SRTM. Все эти данные планировалось выпустить еще в 2021 году, но по состоянию на сегодня они недоступны.
#AGB #лес #данные
❤2👍1