Очередной плановый выход в открытый космос с борта МКС завершился сегодня, в 4:30 МСК.

За 7 часов 41 минуту космонавты:

* отключили дополнительный теплообменник от наружных контуров теплового режима модуля “Наука”, осмотрели и сфотографировали место утечки теплоносителя;
* вынесли радиолокатор из модуля “Поиск”, соединили его с адаптером и смонтировали на пассивном устройстве фиксации УФП-2 на “Науке”.
* запустили студенческий наноспутник “Парус-МГТУ”. На спутнике отрабатывается технология развертывания солнечного паруса.

Фото: Роскосмос

Векторы

Вектор — это последовательность элементов одного типа:

# числовой вектор
x <- c(1.5, 6, 8.3, 9, 6, .6, 2e-4)
# символьный вектор
s <- c("s", "t", "r", "i", "n", "g", "another string")
# логический вектор
b <- c(TRUE, FALSE, TRUE, TRUE, FALSE, TRUE, TRUE)

Для создания векторов служит функция c(), название которой происходит от английского concatenate (собирать).

Элементы векторов нумеруются, начиная с единицы. Чтобы выбрать элемент вектора, нужно указать его номер в квадратных скобках:

x[1]

Скаляров как таковых в R нет: обычное число представляет собой числовой вектор единичной длины:

a <- 3
a[1]
# но:
a[2]

Возможно вас интересовало, почему перед выводимыми в консоли R результатами стоит [1]? Так вот, это номер элемента вектора, с которого начинается строка вывода:

c("s", "t", "r", "i", "n", "g", "another string")

Двоеточие позволяет создать последовательность элементов с шагом 1

-5:5

Отрицательный индекс в квадратных скобках означает: выбрать все элементы, кроме указанных:

v <- c(1.1, 2.2, 3.3, 4.4, 5.5)
v[1:4]
v[-5]

Векторы в R, как массивы в С, занимают непрерывный блок памяти, поэтому вставлять или удалять элементы в них невозможно. При попытке изменить вектор x в действительности создается новый вектор, который сохраняется с именем исходного (х).

Тип данных, составляющих вектор, и его структуру, как и раньше можно определить с помощью функций class и str:

class(v)
str(v)

Двоеточие : обладает более высоким приоритетом, чем вычитание. Поэтому для создания последовательности чисел от 1 до i-1, последнее число необходимо заключить в скобки

i <- 3 
1:i-1   # Это означает (1:i) - 1, а не 1:(i-1) 
1:(i-1) # так правильно

Функция seq позволяет создавать последовательности с заданным шагом

seq(5,1,by=-.5)

и заданной длины

seq(1,10,length=6)

В seq есть и другие аргументы. Узнать о них можно, как обычно, из справки о функции.

Функция rep позволяет повторить объект заданное число раз

rep(1:3,5)

А вот пример похитрее

rep(1:3,c(5,5,5))
# то же самое:
rep(1:3,rep(5,3))

#R

Векторы
(Продолжение)

Арифметические операции над векторами выполняются поэлементно:

u <- c(1,2,3)
v <- c(4,5,6)
u+v
u*v
u/v

Скалярное произведение векторов записывается так:

u %*% v

Деление на ноль дает в результате Inf (бесконечность):

w <- c(v[1:2],0) # добавляем элемент к фрагменту вектора v
u/w

которая при последующих операциях "поглощает" все конечные значения:

u+u/w

Сложим два вектора разной длины. "Будет ошибка", — скажите вы. А вот и нет:

c(1,2,3) + c(4,5,6,7,8,9,10)

Операция будет выполнена, но R предупредит, что длины векторов-слагаемых различаются.

Сложение и другие подобные операции, требующие равной длины операндов, выполняется по правилу: элементы короткого вектора c(1,2,3) повторяются до тех пор, пока длина этого вектора не сравняется с длиной c(4,5,6,7,8,9,10), после чего выполняется заданная операция. Фактически, складываются векторы:

c(1,2,3,1,2,3,1) + c(4,5,6,7,8,9,10)

Добавление элементов в вектор осуществляется функциями c и append ('добавить'):

vec <- c('a','b')
vec <- c(vec,'c','d')
vec
values <- c('e','f','g')
vec <- append(vec, values)
vec

Удаление элементов из вектора выполняется следующим образом:

a <- sample(1:10)  # генерируем случайные целые числа от 1 до 10
a
remove <- c(3,5,7) # выберем для удаления 3-й, 5-й и 7-й элементы 
a <- a[-remove]    # удалим выбранные элементы
a

Длина вектора, то есть число его элементов, вычисляется функцией length():

length(a)

Указать последний элемент вектора можно так:

a[length(a)]

#R

Векторы
(Окончание)

В R повсеместно используется векторизация, то есть подход к программированию, когда операции выполняются над вектором в целом, а не над отдельными его элементами (скалярами).

a <- c(1,2,3); b <- c(4,5,6)
c1 <- vector() # создаем пустой вектор

Вместо того, чтобы делать так:

for (i in 1:3) {
  c1[i] <- a[i] + b[i]
}

в R поступают так:

c2 <- a + b

Для векторизации расчетов используется логическая индексация:

{r}
a <- c(6,-2,1,8,0,9)
ind_a <- a > 0
ind_a

Логический индекс (ind_a) — вектор, длиной равный исходному (a), элементы которого равны TRUE, если соответствующий элемент исходного вектора удовлетворяет логическому условию (a > 0) и FALSE — в противоположном случае.

Логическая индексация позволяет заменить связку "цикл + условный оператор". Например, чтобы выбрать положительные элементы вектора a не нужно организовывать цикл с проверкой в его теле условия a[i] > 0. Вместо этого поступают так:

a[a > 0] # или a[ind_a]

Примеры использования логических операций:

a <- c(6,-2,1,8,0,9)
a > 0 & a < 9 # логическое И
a < 2 | a > 8 # ИЛИ
# Истинно, если хотя бы один
# из элементов аргумента истинен.
any(a>0)
# Истинно, если все элементы аргумента истинны.
all(a>0)

Если данные содержат пропуски (NA), это может повлиять на результат вычислений. Проверка пропусков реализуется с помощью is.na()



# Данные с пропусками:
a <- c(6,-2,NA,1,8,0,NA,9)
# Их сумма дает:
sum(a)
# Является ли элемент пропуском в данных?
is.na(a)

У многих функций есть аргумент na.rm, управляющий предварительным удалением пропусков

# Cуммирование элементов, 
# с предварительным удалением NA
sum(a, na.rm=T)

Покажем как с помощью векторизации можно легко вычислить определенный интеграл.

Вычислим интеграл (см. рисунок), воспользовавшись методами прямоугольников и трапеций Вспомнить их можно по книге: Турчак Л. И., Плотников П. В. Основы численных методов. – М.: Физматлит, 2003. Для проверки: интеграл равен 7/3 = 2.333(3).

# границы промежутка интегрирования
a <- 1; b <- 2
# число узлов интегрирования
n <- 1000
# координаты узлов сетки
x <- seq(a,b,length.out=n)
# шаг сетки
h <- x[2]-x[1]
# значения подынтегральной функции в узлах сетки
y <- x^2

Значения нижней и верхней интегральных сумм дают оценки величины интеграла снизу и сверху соответственно. Любая их этих сумм дает приближенное значение интеграла, вычисленное методом прямоугольников:

# Нижняя интегральная сумма
sd <- h*sum(y[-length(y)])
sd
# Верхняя интегральная сумма
su <- h*sum(y[-1])
su

Метод трапеций дает более точный результат:

(su+sd)/2

#R

Матрицы и массивы

Матрица (matrix) — это прямоугольная числовая таблица, состоящая из строк и столбцов. Создадим из элементов вектора v1 матрицу размера 2х2:

v1 <- 1:4
m1 <- matrix(v1, nrow=2, ncol=2)
m1
class(m1) 
attributes(m1)

Матрицы можно собирать из блоков, объединяя другие матрицы по строкам (rbind) или по столбцам (cbind)

m2 <- matrix(-2:1, nrow=2, ncol=2)
m3 <- rbind(m1,m2)
m3
m4 <- cbind(m1,m2)
m4

При выборе элементов матрицы указывают индексы строк и столбцов, содержащих нужные элементы:

# Элемент 4-й строки и 2-го столбца матрицы m3
m3[4,2]

Размерность матрицы (и вектора) можно задать с помощью dim:

A <- 1:9
# Фрмируем из вектора матрицу размерности 3 х 3
dim(A) <- c(3,3)
A

Транспонирование матрицы выполняется функцией t():

t(A)

Многомерные массивы в R создаются при помощи функции array. Размерность массива задаётся атрибутом dim:

arr <- array(1:24, dim=c(2,4,3))
arr

#R

На Google Earth Engine появились…

🌲Глобальные карты плотности надземной биомассы Biomass CCI:

ESA CCI Global Forest Above Ground Biomass

Напомним, что данные Biomass CCI текущей 4-й версии имеют пространственное разрешение: 100 м (на экваторе) и содержат плотность биомассы за 2010, 2017, 2018, 2019 и 2020 гг., измеряемую в Мг/га (тонн/га).

🌡Ежедневные приземные метеорологические данные для сельскохозяйственных и агроэкологических исследований:

AgERA5 (ECMWF) dataset

Они основаны на почасовых данных ECMWF ERA5 на уровне поверхности, и содержат показатели:

* Давление водяного пара
* Доля продолжительности выпадения осадков в жидкой фазе
* Доля продолжительности выпадения осадков в твердой фазе
* Общая облачность
* Объем выпавших осадков
* Относительная влажность воздуха на высоте 2 м
* Поток солнечной радиации
* Скорость ветра на высоте 10 м (над поверхностью)
* Температура воздуха на высоте 2 м
* Толщина снежного покрова
* Точка росы
* Эквивалент жидкой воды в снежном покрове

Пространственное разрешение: 0,1° (9600 м).
Временное покрытие: с 1979 года по настоящее время.

#AGB #лес #данные #GEE #погода

Списки

Список (list) похож на вектор, но может содержать объекты разных типов. Создается список функцией list:

lst <- list(n=1:3, s="test", b=c(T,F,F,F,T))
# или
n <- 1:3
s <- "test"
b <- c(T,F,F,F,T)
lst <- list(n,s,b) # состоит из копий векторов n,s,b

Список lst состоит из трех элементов, каждый из которых является вектором: числовым, символьным и логическим соответственно.

Элементы списков, подобно элементам векторов и матриц, могут иметь имена. Узнать или задать эти имена позволяет функция names.

Присвоим элементам списка lst имена num, cha и log:

names(lst) <- c("num","cha","log")

Выбрать элементы списка можно одним из следующих способов:

1. с помощью квадратных скобок [,]. Полученный объект будет в свою очередь являться списком, даже если длина его окажется единичной

lst[1]  # или lst["num"]
class(lst[1])

2. с помощью двойных квадратных скобок [[,]]. Возвращенный объект будет того же типа, каким он был до включения в список

lst[[1]] # или lst[["num"]]
class(lst[[1]])

3. использовать имена элементов списка и знак доллара $:

lst$num
class(lst$num)

Удалить имена элементов можно так: names(lst) <- NULL. Мы пока не будем этого делать.

Добавить элемент в список можно так же, как и в вектор — при помощи функций c() или append():

v <- 5:10             # создадим числовой вектор
l1 <- c(lst,list(v))  # преобразуем его и добавим в список
str(l1)

Если вектор v не преобразовать при помощи list(), то к списку будет добавлен не один элемент-вектор, а шесть элементов-чисел:

l2 <- c(lst,v)
str(l2)

Функции c и append позволяют объединять не только векторы, но и списки:

l3 <- append(list(1:2),list(3:4))

Удаляются элементы списка так же, как элементы вектора:

remove <- c(2,3)      # удалить 2-й и 3-й элементы 
lst <- lst[-remove]

Определим количество элементов в списке lst:

length(lst)

Обратите внимание, что функция length возвращает нам число элементов списка. В нашем случае такой элемент один. Другое дело, что сам этот элемент является числовым вектором. Чтобы найти длину этого последнего нужно применить двойные квадратные скобки

length(lst[[1]])

или преобразовать список в вектор при помощи unlist():

vec_from_lst <- unlist(lst)
class(vec_from_lst)
length(vec_from_lst)

Заметили обращение к элементам списка через знак доллара (lst$num)? Поскольку в именах переменных R можно использовать точку, то обращение к методам объекта или к элементам данных должно осуществляться при помощи другого символа. Этим символом и является $.

Соберем вместе особенности синтаксиса R:

1. Присваивание обозначается стрелкой <- или знаком равенства =.
2. В именах переменных можно использовать точку '.'.
3. Обращение к методам объекта или элементам структуры данных осуществляется через $.

#R

Таблицы

Таблицы (data frames), как и матрицы, хранят двумерные данные. Но, в отличие от матриц, в разных колонках таблицы могут находиться данные разных типов. По внутреннему устройству, таблица — это список колонок равной длины. Если вы видели таблицу в Excel, то вам уже знакомы таблицы в R.

Создаются таблицы с помощью функции data.frame:

df <- data.frame(a=1:5, b=6:10, c=letters[1:5])
str(df)

Выбор элементов таблицы рассмотрим на примерах:

df[1,]            # 1-я строка
df[,2]            # 2-ая колонка
df[4,3]           # элемент 4-й строки 3-й колонки
df[4,c(1,3)]      # элемент 4-й строки из 1-ой и 3-й колонок
df$c              # колонка с именем "c" 
df[,"b"]          # колонка с именем "b" (2-я)

Часто для выбора нужного фрагмента таблицы удобно использовать логические условия:

# строка, в которой элемент 3-й колонки равен "d"
df[df$c == 'd', ] # 4-я строка
# строки, в которых элементы 1-й колонки больше или равны 3
df[df$a >= 3,]    # строки 3-5

Таблицы можно объединять по строкам или по столбцам:

df2 <- data.frame(a=6:10, b=11:15, c=letters[6:10])
rbind(df,df2)
cbind(df,df2)

Еще один способ объединения таблиц дает в результате список:

l3 <- c(df,df2)
str(l3)

Для объединения таблиц, имеющих общие колонки, используется функция merge. Как правило, с ее помощью объединяют таблицы с общими ключами:

first <- data.frame(id=1:5,
                    COL=LETTERS[1:5],
                    col=letters[1:5])
secnd <- data.frame(id=1:5, col=letters[1:5])
# объединяем таблицы по колонке id
total <- merge(first,secnd,by="id")
# объединяем таблицы по колонкам id и col
total <- merge(first,secnd,by=c("id","col")) 

Размеры таблицы определяются следующим образом:

# длиной таблицы является длина списка, 
# состоящего из колонок
length(df)
ncol(df)   # число колонок
nrow(df)   # число строк

Для работы с именами колонок, кроме names(), существует colnames(). Функция rownames задает имена строк таблицы:

rownames(df) <- LETTERS[1:nrow(df)]

Теперь выбрать элемент таблицы df можно так:

df["A","b"] # df[1,2]

#R

По итогам совещания президента РФ Владимира Путина в РКК "Энергия" РИА Новости сообщает, что предприятия "Роскосмоса" занимаются организацией серийного производства спутников, благодаря чему к 2036 году предполагается развернуть на различных орбитах более двух тысяч новых космических аппаратов разных типов. Для сравнения, на июнь этого года орбитальная группировка России насчитывала 225 спутников.

Ранее гендиректор "Роскомоса" Юрий Борисов говорил, что минимальная необходимая спутниковая группировка России к 2030 году должна состоять из 1000–2000 аппаратов. Для этого уже к 2025 году нужно производить по 250 спутников в год, а к 2030 — один аппарат в день.

До 2036 года далеко, а вот 2025 год уже близко. Скоро все и узнаем.

#россия

Обожаю такие заголовки

https://www.riatomsk.ru/article/20231024/tusur-bespilotniki-taksaciya-lesa/

— нелепо, смешно и с арифметическими ошибками.

А говорит эксперт примерно следующее:

В лесном массиве, площадью один квадратный километр, бригада таксологов будет ходить со скоростью 4 километра в час — это три рабочих дня, и один день нужен на обработку данных. Для беспилотника, со средней скоростью полета 30 километров в час, понадобится 3 часа для облета — это один рабочий день, и еще один день на обработку. Кроме того, бригада таксологов составляет 4–5 человек, а для беспилотника потребуются только двое. В итоге, применение беспилотников позволит в 4 раза сократить затраты человеко-часов на проведение таксации леса.

#лес

Заседание секции “Наблюдения и исследования Земли из космоса” Совета РАН по космосу

25 октября 2023 года состоялось заседание секции “Наблюдения и исследования Земли из космоса” Совета РАН по космосу.

На заседании:

* заслушали и обсудили доклад директора ФГБУ НИЦ “Планета” Тасенко Сергея Викторовича на тему: “Национальная спутниковая группировка для обеспечения решения задач гидрометеорологии и мониторинга окружающей среды”.
* обсудили и утвердили план работы, регламент работы и тематики проблем секции.

Кроме упомянутой, в Совете РАН по космосу есть и другие секции:

* Космическая биология и физиология
* Космическое материаловедение
* Физика Солнца
* Космическая геодинамика
* Солнечно-земные связи

а еще экспертные комиссии:

* Фундаментальные проблемы космических перелетов
* Проблемы научно-образовательных спутников
* Фундаментальные проблемы физики микрогравитации

и экспертная рабочая группа по космическим угрозам.

Все они что-то делают. Но что именно, можно узнать лишь по косвенным признакам — сайт Совета РАН не обновлялся с декабря 2020 года. А хотелось бы знать подробности. Координация исследований в области наблюдения Земли из космоса — это, знаете ли, важно.