Воздушное лазерное сканирование в археологии
Спутниковые снимки чаще всего используются а археологии вместе с топографическими картами и цифровыми моделями рельефа для определения потенциальных мест исследований — мест, где в древности могли проживать люди. В отдельных случаях археологический объект можно найти прямо на снимке, но для этого должны сложиться удачные условия наблюдения, и возможно это только в регионах, где поверхность хорошо видна из космоса. Так что лесные массивы из числа перспективных объектов наблюдения можно сразу исключить. Основным методом дистанционного зондирования, применяемым в археологии, является воздушная лазерная (лидарная) съемка.
Вот хорошая вводная лекция по применению воздушного лазерного сканирования в археологии. Лектор — кандидат исторических наук, руководитель департамента археологии ООО "НИПИИ ЭТ "Энерготранспроект" Василий Новиков.
Слушатели узнают, как производится воздушное лазерное сканирование, какие преимущества есть у этого метода перед другими способами фиксации археологических объектов. На примере реальных работ (Ирак, Гнездово, Засечная черта в Тульской области и др.) показан диапазон возможностей лидарной съемки.
На снимке (источник): лидарная съемка позволяет выявлять в лесной зоне курганы высотой не более 20 см.
#лидар #археология
Спутниковые снимки чаще всего используются а археологии вместе с топографическими картами и цифровыми моделями рельефа для определения потенциальных мест исследований — мест, где в древности могли проживать люди. В отдельных случаях археологический объект можно найти прямо на снимке, но для этого должны сложиться удачные условия наблюдения, и возможно это только в регионах, где поверхность хорошо видна из космоса. Так что лесные массивы из числа перспективных объектов наблюдения можно сразу исключить. Основным методом дистанционного зондирования, применяемым в археологии, является воздушная лазерная (лидарная) съемка.
Вот хорошая вводная лекция по применению воздушного лазерного сканирования в археологии. Лектор — кандидат исторических наук, руководитель департамента археологии ООО "НИПИИ ЭТ "Энерготранспроект" Василий Новиков.
Слушатели узнают, как производится воздушное лазерное сканирование, какие преимущества есть у этого метода перед другими способами фиксации археологических объектов. На примере реальных работ (Ирак, Гнездово, Засечная черта в Тульской области и др.) показан диапазон возможностей лидарной съемки.
На снимке (источник): лидарная съемка позволяет выявлять в лесной зоне курганы высотой не более 20 см.
#лидар #археология
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
Классификация высокорослых и низкорослых сельскохозяйственных культур по данным Sentinel-2 и GEDI
Данные космического лидара NASA Global Ecosystem Dynamics Investigation (GEDI), изначально предназначенного для мониторинга лесов, дополненные оптическими снимками Sentinel-2, позволили создать качественные глобальные карты классификации сельскохозяйственных культур на высокорослые и низкорослые, с пространственным разрешением 10 метров. Высокорослые культуры — это, в частности, кукуруза и подсолнечник (высота примерно 2.5 метра), низкорослые — пшеница и ячмень (0.5–1 метр).
Применение спутниковых лидаров не всегда давало приемлемые результаты даже для измерений высоты леса. Среднеквадратичная ошибка определения высоты нередко составляла примерно 2–3 метра, так что пробовать силы на сельскохозяйственных культурах вроде бы не имело смысла. Авторы исследования все же попробовали, и у них получилось. Об измерении высоты речь, конечно, не идет, но различать высоко- и низкорослые сельскохозяйственные культуры оказалось вполне возможно.
Применялись снимки GEDI, полученные в период, когда сельскохозяйственные культуры достигают максимальной высоты. Для определения этих периодов понадобятся фенологические календари.
Данные космических лидаров, вроде GEDI, покрывают наблюдаемую поверхность “пятнами”, не образуя сплошного покрытия. По-видимому, максимальных результатов можно достичь, располагая границами сельскохозяйственных полей.
Отмечена систематическая недооценка площади высоких культур в регионах, где эти культуры имеют низкую биомассу. Скорее всего, лидар такие культуры просто не видит. Вероятно, проблемы должны возникать и при анализе полей малой площади.
Полученные результаты позволяют надеется обнаружить при помощи лидара уборку или полегание культуры, то есть события на поле, сопровождающиеся резким уменьшением высоты растительного покрова.
#лидар #sentinel2 #сельхоз
Данные космического лидара NASA Global Ecosystem Dynamics Investigation (GEDI), изначально предназначенного для мониторинга лесов, дополненные оптическими снимками Sentinel-2, позволили создать качественные глобальные карты классификации сельскохозяйственных культур на высокорослые и низкорослые, с пространственным разрешением 10 метров. Высокорослые культуры — это, в частности, кукуруза и подсолнечник (высота примерно 2.5 метра), низкорослые — пшеница и ячмень (0.5–1 метр).
Применение спутниковых лидаров не всегда давало приемлемые результаты даже для измерений высоты леса. Среднеквадратичная ошибка определения высоты нередко составляла примерно 2–3 метра, так что пробовать силы на сельскохозяйственных культурах вроде бы не имело смысла. Авторы исследования все же попробовали, и у них получилось. Об измерении высоты речь, конечно, не идет, но различать высоко- и низкорослые сельскохозяйственные культуры оказалось вполне возможно.
Применялись снимки GEDI, полученные в период, когда сельскохозяйственные культуры достигают максимальной высоты. Для определения этих периодов понадобятся фенологические календари.
Данные космических лидаров, вроде GEDI, покрывают наблюдаемую поверхность “пятнами”, не образуя сплошного покрытия. По-видимому, максимальных результатов можно достичь, располагая границами сельскохозяйственных полей.
Отмечена систематическая недооценка площади высоких культур в регионах, где эти культуры имеют низкую биомассу. Скорее всего, лидар такие культуры просто не видит. Вероятно, проблемы должны возникать и при анализе полей малой площади.
Полученные результаты позволяют надеется обнаружить при помощи лидара уборку или полегание культуры, то есть события на поле, сопровождающиеся резким уменьшением высоты растительного покрова.
#лидар #sentinel2 #сельхоз
MDPI
Annual Field-Scale Maps of Tall and Short Crops at the Global Scale Using GEDI and Sentinel-2
Crop type maps are critical for tracking agricultural land use and estimating crop production. Remote sensing has proven an efficient and reliable tool for creating these maps in regions with abundant ground labels for model training, yet these labels remain…
OpenTopography
OpenTopography — онлайн-сервис для хранения топографических и батиметрических данных, а также инструментов для работы с этими данными. OpenTopography базируется в Суперкомпьютерном центре Сан-Диего при Калифорнийском университете Сан-Диего и финансируется Национальным научным фондом США (National Science Foundation, NSF).
Региональные и глобальные данные с пространственным разрешением 10–90 м, а также данные, размещенные сообществом пользователей (как правильно, имеющие малое пространственное покрытие), OpenTopography предоставляет бесплатно. К остальным данным организован академический доступ (Academic Acces): необходимо подать заявку в OpenTopography на получение данных, и дождаться ее одобрения.
Каталог данных содержит разделы:
* OT High Resolution Topography — лидарные данные в виде “облаков точек” и растровых файлов
* USGS 3DEP — данные USGS 3D Elevation Program. К значительной части данных есть только академический доступ.
* NOAA — данные программы NOAA Coastal Lidar program. В основном, академический доступ
* Community Contributed — данные, предоставленные сообществом пользователей. В основном, лидарные.
* Global & Regional DEM — глобальные и региональные ЦМР. В частности, есть данные ArcticDEM и Reference Elevation Model of Antarctica (REMA) с пространственными разрешениями 32, 10 и 2 метра. Все — в открытом доступе.
Заметим, что данные, к которым OpenTopography дает академический доступ, свободно доступны в:
* USGS 3DEP
* NOAA Coastal Lidar
На сайте есть реестр свободных программ Tool Registry, ориентированных на обработку и анализ топографических данных, а также программы, разработанные в OpenTopography — OT Software.
Для доступа к свободно распространяемым данным OpenTopography предоставляет набор REST API.
#данные #DEM #лидар
OpenTopography — онлайн-сервис для хранения топографических и батиметрических данных, а также инструментов для работы с этими данными. OpenTopography базируется в Суперкомпьютерном центре Сан-Диего при Калифорнийском университете Сан-Диего и финансируется Национальным научным фондом США (National Science Foundation, NSF).
Региональные и глобальные данные с пространственным разрешением 10–90 м, а также данные, размещенные сообществом пользователей (как правильно, имеющие малое пространственное покрытие), OpenTopography предоставляет бесплатно. К остальным данным организован академический доступ (Academic Acces): необходимо подать заявку в OpenTopography на получение данных, и дождаться ее одобрения.
Каталог данных содержит разделы:
* OT High Resolution Topography — лидарные данные в виде “облаков точек” и растровых файлов
* USGS 3DEP — данные USGS 3D Elevation Program. К значительной части данных есть только академический доступ.
* NOAA — данные программы NOAA Coastal Lidar program. В основном, академический доступ
* Community Contributed — данные, предоставленные сообществом пользователей. В основном, лидарные.
* Global & Regional DEM — глобальные и региональные ЦМР. В частности, есть данные ArcticDEM и Reference Elevation Model of Antarctica (REMA) с пространственными разрешениями 32, 10 и 2 метра. Все — в открытом доступе.
Заметим, что данные, к которым OpenTopography дает академический доступ, свободно доступны в:
* USGS 3DEP
* NOAA Coastal Lidar
На сайте есть реестр свободных программ Tool Registry, ориентированных на обработку и анализ топографических данных, а также программы, разработанные в OpenTopography — OT Software.
Для доступа к свободно распространяемым данным OpenTopography предоставляет набор REST API.
#данные #DEM #лидар