Лидарный снимок леса, сделанный USDA Forest Service.

Размещенные на самолетах лидары используются для таксации леса. Конечно, спутниковый лидар такого качества съемки не обеспечит (пока). Но определить с его помощью высоту деревьев с точностью до нескольких метров вполне возможно.

С днем рождения, Галилео!

Поздравляем с днем рождения итальянского астронома, математика и механика Галилео Галилея, родившегося 15 февраля 1564 года. Галилей одним из первых направил телескоп на ночное небо, где увидел фазы Венеры и четыре светлые точки, вращающиеся вокруг Юпитера. Сейчас они известны как галилеевы спутники Юпитера (Ио, Европа, Ганимед и Каллисто). Галилей сформулировал первый закон механики (закон инерции). Эти и другие открытия Галилея начали менять наши представление о Вселенной и месте человека в ней.

Диапазоны работы радаров

Ка-диапазон: 1 см – 7.5 мм (частоты 26.5–40 ГГц) и Кu-диапазон: 2.5–1.67 см (12–18 ГГц). Это самые высокие частоты на которых сейчас работают спутниковые радары. Чем выше частота, тем сильнее атмосферное поглощение и затухание электромагнитных волн. С другой стороны, возрастает и потенциальная разрешающая способность. Пример: KaRin – радиолокационный интерферометр Ка-диапазона на спутнике SWOT (Surface Water and Ocean Topography) — совместной миссии NASA и французского CNES.

Любопытно, что Ка (К-abobe) и Ku (K-under) представляют собой верхнюю и нижнюю части исходного К-диапазона, который был разделен на три поддиапазона (Ku, K и Ka) из-за наличия пика поглощения атмосферного водяного пара на частоте 22.24 ГГц (1.35 см), что сделало центральную часть непригодной для передачи сигнала на большие расстояния. Название K-диапазона происходит от немецкого слова “короткий”: kurz.

X-диапазон: 3.75–2.4 см (8–12.5 ГГц). Данные этого диапазона используются для решения задач военной разведки, а также широкого ряда гражданских задач. В частности, для изучения и классификации льдов. Пример: немецкий спутник TerraSAR-X.

Часть X-диапазона между 7.9–8.4 ГГц для линии Земля-Спутник (uplink), и между 7.25–7.75 ГГц для линии Спутник-Земля (downlink) зарезервирована для обмена данными со спутниками. Наземные радары X-диапазона широко используются в метеорологии, так как из-за меньшей длины волны (по сравнению с диапазонами L- и S- и C-) эти радары более чувствительны к туману и облакам, состоящим из мельчайших капель воды. Они также используются для обнаружения снежных осадков и зон неинтенсивного дождя.

Во Второй мировой войне диапазон использовался для управления огнем, так что X означает “крест” (перекрестие прицела).

C-диапазон: 7.5–3.75 см (4–8 ГГц). Применяется для самого широкого круга задач в гражданской сфере, в том числе для построения цифровых моделей рельефа и мониторинга смещений земной поверхности. Самый известный на сегодняшний день спутниковый радар Sentinel-1, предоставляющий нам основной объем бесплатных радарных данных, работает в C-диапазоне. Диапазон также используется для спутниковой связи в интервалах 3.7–4.2 ГГц (downlink) и 5.9–6.4 ГГц (uplink). “С” происходит от Compromise — компромисс между S- и L-диапазонами.

S-диапазон: 15–7.5 см (2–4 ГГц). Диапазон интересен для широкого круга военных и гражданских приложений. Примеры: китайский S-SAR 01 и один из двух радаров американо-индийского спутника NISAR, запуск которого планируется в этом году. “S” означает short (короткий).

L-диапазон: 30–15 см (1–2 ГГц). Просвечивает растительность, в том числе не слишком плотный лес. Может частично проникать в сухой снег, лед, в сухую почву, на глубину до нескольких метров. Примеры: японские радары ALOS и ALOS-2 на спутниках PALSAR и PALSAR-2 соответственно. В L-диапазоне работают Глобальные навигационные спутниковые системы, вроде GPS и GLONASS. “L” — long.

P-диапазон: 100–30 см (0.3–1 ГГц). Просвечивает растительность, в том числе плотную, а также сухую почву, сухой снег, лед — на глубину до нескольких метров. Используются для оценки биомассы. Планируется на европейском спутнике Biomass (апрель 2024 года).

Заметим, что покрытие данными Biomass над Европой, Северной и Центральной Америкой будет ограничено, в связи с использованием радиолокационными станциями слежения за космическими объектами (SOTR) Министерства обороны США. В связи с этими ограничениями, теряются значительные площади наблюдения в умеренном, бореальном и субтропическом биомах.

#справка #SAR

Свежие (прошлогодние) наборы данных для глубокого обучения.

Sentinel2GlobalLULC — набор данных для обучения моделей, нацеленных на создание карт землепользования и земного покрова (Land Use & Land Cover — LULC).

Составлен из снимков Sentinel-2, на основе согласования 15 глобальных карт LULC, доступных в Google Earth Engine. Текущая версия содержит 194877 RGB-изображений, разбитых на 29 классов LULC. Каждое изображение представляет собой плитку размером 224 × 224 пикселей с разрешением 10 × 10 м, построенную как безоблачный композит снимков Sentinel-2, полученных с июня 2015 года по октябрь 2020 года.

Описание: Benhammou, Y., Alcaraz-Segura, D., Guirado, E. et al. Sentinel2GlobalLULC: A Sentinel-2 RGB image tile dataset for global land use/cover mapping with deep learning. Sci Data 9, 681 (2022). https://doi.org/10.1038/s41597-022-01775-8
Данные: https://zenodo.org/record/6941662

CloudSEN12 — разновременной глобальный набор данных для обучения моделей, позволяющих выделить облака и тени на спутниковых снимках. Содержит 49 400 изображений, включая (1) мультиспектральные данные Sentinel-2 уровня 1C и уровня 2A, (2) данные радара Sentinel-1, (3) вспомогательные продукты дистанционного зондирования, (4) аннотации для обозначения наличия видов облаков и облачных теней, и (5) результаты восьми современных алгоритмов обнаружения облаков.

Описание: Aybar, C., Ysuhuaylas, L., Loja, J. _et al._ CloudSEN12, a global dataset for semantic understanding of cloud and cloud shadow in Sentinel-2. _Sci Data_ 9, 782 (2022). https://doi.org/10.1038/s41597-022-01878-2
Данные: https://cloudsen12.github.io/

#датасет

GEE-10. Библиотека Awesome Spectral Indices

Код примера

В прошлый раз мы вычисляли вегетационные индексы. Есть способ сделать это еще проще — с помощью библиотеки Awesome Spectral Indices (документация).

Создадим коллекцию снимков Sentinel-2 L2A, покрывающих интересующий район (ROI — region of interest):

var col = ee.ImageCollection('COPERNICUS/S2_SR')
            .filterDate('2021-06-01', '2021-09-01')
            .filter(ee.Filter.lt('CLOUDY_PIXEL_PERCENTAGE',10))
            .filter(ee.Filter.bounds(ROI))
            .select('B.*');

Вычислим медиану коллекции и обрежем ее по границам ROI. Медиана коллекции — снимок, каналы которого являются медианами соответствующих каналов коллекции (вычисления в каждом канале происходят попиксельно). В итоге получим некий типичный летний снимок Небраски.

var image = col.median().clip(ROI);

Загружаем библиотеку Awesome Spectral Indices. Путь к ней указан в параметре функции require.

var spectral = require("users/dmlmont/spectral:spectral");

Awesome Spectral Indices — сторонняя библиотека. Она создана не разработчиками Earth Engine, а пользователем с ником dmlmont. Вы можете создать свою библиотеку и загрузить ее на GEE, но об этом поговорим позже. Сейчас же масштабируем значения пикселей.

var image = spectral.scale(image, "COPERNICUS/S2_SR");

Помните, у нас была функция applyScaleFactors для масштабирования значений пикселей? scale из библиотеки spectral делает то же самое.

Зададим параметры для расчета индексов. Мы хотим рассчитать NDVI, NDWI и EVI. Для этого понадобится несколько каналов и числовых констант.

Список спектральных индексов можно посмотреть здесь. В списке приведена формула, каждой букве которой мы сопоставим канал или число.

var parameters = {
    "N": image.select("B8"),
    "R": image.select("B4"),
    "G": image.select("B3"),
    "B": image.select("B2"),
    "L": 1,
    "g": 2.5,
    "C1": 6,
    "C2": 7.5
};

Вот формула для расчета EVI:

2.5 * ((NIR - RED) / (NIR + 6 * RED - 7.5 * BLUE + 1))

А вот как она выглядит в списке:

g * ((N - R) / (N + C1 * R - C2 * B + L))

Думаю, принцип понятен. Зеленый канал нужен нам для расчета NDWI.

spectral.computeIndex вычисляет индексы по списку и добавляет к снимку.

var image = spectral.computeIndex(image, ["NDVI","NDWI","EVI"], parameters);

Для GEE Python API есть несколько библиотек, реализующих расчет спектральных индексов.

#GEE #индексы

Интерактивная карта космического мусора

Интерактивная карта AstriaGraph Техасского университета отслеживает местоположение более 26 000 искусственных объектов, вращающихся вокруг Земли. Из них только около 3500 – 4000 представляют собой работающие спутники. Они показаны оранжевым цветом.

Карта позволяет отфильтровать объекты по стране происхождения, типу орбиты или спутниковой группировке. Использование цвета для отображения активных спутников, неактивных спутников и мусора дает наглядную визуализацию растущей проблемы космического мусора.

#данные #debris #tool

Этот лабиринт ярких экзотических форм находится вдоль берега Чаунской губы (яркий синий полукруг вверху). Две крупные реки, Чаун и Паляваам, впадают в залив, который, в свою очередь, открывается в Восточно-Сибирское море. По всей территории присутствуют ленточные озера и болота, образованные впадинами, оставленными отступающими ледниками. Снимок сделан аппаратом Landsat-5 15 июня 2005 года.

#снимки

Требования к лазерной связи с военными спутниками

В начале февраля американское космическое бизнес-сообщество собиралось на SmallSat Symposium (Маунтин-Вью, штат Калифорния), где делало разные заявления. Не обошли стороной и главный источник финансирования. Так, Агентство космических разработок (SDA) хвалили за предложенные им стандарты лазерной связи со спутниками. Посмотрим, какой видит SDA военную связь будущего.

SDA, являющееся подразделением Космических сил США, создает сеть спутников на низкой околоземной орбите, которая будет служить в качестве транспортного уровня передачи данных для американских военных. Каждый спутник будет иметь от трех до пяти лазерных линий связи, чтобы общаться с другими спутниками, самолетами, кораблями и наземными станциями.

В 2021 году агентство выпустило набор технических спецификаций, которым должны соответствовать производители оптических терминалов, чтобы бороться за контракты SDA.

Лазерные терминалы обеспечивают гораздо более высокую скорость передачи данных, чем традиционные радиочастотные каналы связи, и их труднее перехватить. Сеть спутников с лазерной связью снижает зависимость от наземных станций и расширяет зону покрытия до отдаленных районов, где наземные станции недоступны.

Для группировок SDA лазерные терминалы должны обеспечивать связь на скорости 2.5 гигабита в секунду, хотя производители утверждают, что их новейшие терминалы могут достигать 10, а некоторые — до 100 гигабит в секунду.

Среди компаний, борющихся за контракты SDA на рынке оптических межспутниковых каналов называют Tesat, Mynaric, Skyloom и CACI.

#война

GEE-11. Влияние атмосферной коррекции

Коррекция влияния атмосферы на спутниковые снимки нужна для того, чтобы получить более точную количественную оценку поверхностного отражения.

Рассмотрим снимки до и после коррекции. Снимки без атмосферной коррекции называют Top-Of-Atmosphere (TOA), что означает, что отраженный от поверхности сигнал прошел через слой атмосферы. Снимки после атмосферной коррекции называют Bottom-Of-Atmosphere (BOA) — так, будто снимок сделан спутником у поверхности Земли, и сигнал не проходил через атмосферу.

Примерами снимков TOA будут данные Sentinel-2 Level 1C, BOA — Sentinel-2 Level 2A. Surface Reflectance в названии последних означает то же, что и BOA.

Код примера: https://code.earthengine.google.com/9d7fdc975dc6cc8de801281cd4c0340b

#GEE