Forwarded from Aerospace Capital 🛰🚀
Интеграция КА Кубсат формата 6U «HyperView-1G» - наноспутника с рекордной остротой гиперспектрального «зрения» с контейнером Аэроспейс.
КА способен увидеть из космоса спектральные характеристики объектов, недоступные для обычной оптической съемки. Спутник создан Самарским университетом им. Королёва и частной компанией «СПУТНИКС» (входит в Sitronics Group) в рамках проекта «Space-π». Организатор проекта — Фонд содействия инновациям.
Ключевой элемент 🛰️ — компактный гиперспектрометр, разработанный самарскими учёными. Он обладает разрешающей способностью 7 метров на пиксель, что превосходит по характеристикам известные зарубежные и отечественные аналоги!
С помощью аппарата можно, например, определить участки озимых посевов с наибольшей зеленой массой и высоким количеством хлорофилла, узнать уровень запасов влаги в растениях и даже спрогнозировать будущую урожайность.
КА способен увидеть из космоса спектральные характеристики объектов, недоступные для обычной оптической съемки. Спутник создан Самарским университетом им. Королёва и частной компанией «СПУТНИКС» (входит в Sitronics Group) в рамках проекта «Space-π». Организатор проекта — Фонд содействия инновациям.
Ключевой элемент 🛰️ — компактный гиперспектрометр, разработанный самарскими учёными. Он обладает разрешающей способностью 7 метров на пиксель, что превосходит по характеристикам известные зарубежные и отечественные аналоги!
С помощью аппарата можно, например, определить участки озимых посевов с наибольшей зеленой массой и высоким количеством хлорофилла, узнать уровень запасов влаги в растениях и даже спрогнозировать будущую урожайность.
Обзор методов интерпретируемого машинного обучения для прогнозирования погоды и климата
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
В последнее время передовые модели машинного обучения достигли высокой точности прогнозирования погоды и климата. Большинство из этих моделей является “черными ящиками”: они выдают результаты, не позволяя пользователю заглянуть внутрь, чтобы разобраться, как именно был получен тот или иной прогноз. Поэтому важную роль приобретает развитие интерпретируемых методов машинного обучения.
В 📖 статье рассмотрены современные подходы к интерпретируемому машинному обучению, применяемые для метеорологических прогнозов. Подходы делятся на две группы: (1) методы интерпретации post-hoc, объясняющие предварительно обученные модели, такие как методы атрибуции на основе возмущений, теории игр и градиентные методы; (2) разработка интерпретируемых моделей с нуля с помощью таких архитектур, как ансамбли деревьев или объясняемые (explainable) нейронные сети. Коротко описан каждый метод, и то как именно он позволяет понять прогнозы, раскрывая метеорологические взаимосвязи, улавливаемые машинным обучением. В финале работы обсуждаются проблемы исследования и перспективы на будущее.
📖 Yang, R., Hu, J., Li, Z., Mu, J., Yu, T., Xia, J., Li, X., Dasgupta, A., & Xiong, H. (2024). Interpretable machine learning for weather and climate prediction: A review. Atmospheric Environment, 338, 120797. https://doi.org/10.1016/j.atmosenv.2024.120797
#нейронки #погода #ИИ #климат
Thales Alenia Space и Argotec займутся созданием спутников для итальянской системы ДЗЗ IRIDE
Итальянские космические компании Thales Alenia Space и Argotec займутся созданием спутников для итальянской орбитальной системы дистанционного зондирования Земли (ДЗЗ) IRIDE. Согласно новым контрактам, подписанным с Европейским космическим агентством (ESA), компании должны будут создать 21 аппарат в дополнение к 17, заказы на которые поступили ранее.
Соглашения были подписаны на 75-м Международном астронавтическом конгрессе (IAC), который прошел в Милане с 14 по 18 октября. Thales Alenia Space должна будет создать 6 радарных спутников NIMBUS, а Argotec — 15 спутников оптического наблюдения. Общая стоимость двух контрактов составила более €140 млн.
Система IRIDE создается под руководством правительства Италии, ESA и Итальянского космического агентства (ASI). Первые спутники планируется вывести на низкую околоземную орбиту в 2025 году. Ожидается, что IRIDE начнет полноценную работу к июню 2026 года.
🛰 IRIDE будет состоять из нескольких группировок спутников 1️⃣, высокодетальной мультиспектральной съемки 2️⃣,3️⃣, гиперспектральной съемки 4️⃣, сверхвысокодетальной съемки в видимом и ближнем инфракрасном диапазонах 5️⃣, а также двумя группировками радарных спутников 6️⃣,7️⃣.
#италия
Итальянские космические компании Thales Alenia Space и Argotec займутся созданием спутников для итальянской орбитальной системы дистанционного зондирования Земли (ДЗЗ) IRIDE. Согласно новым контрактам, подписанным с Европейским космическим агентством (ESA), компании должны будут создать 21 аппарат в дополнение к 17, заказы на которые поступили ранее.
Соглашения были подписаны на 75-м Международном астронавтическом конгрессе (IAC), который прошел в Милане с 14 по 18 октября. Thales Alenia Space должна будет создать 6 радарных спутников NIMBUS, а Argotec — 15 спутников оптического наблюдения. Общая стоимость двух контрактов составила более €140 млн.
Система IRIDE создается под руководством правительства Италии, ESA и Итальянского космического агентства (ASI). Первые спутники планируется вывести на низкую околоземную орбиту в 2025 году. Ожидается, что IRIDE начнет полноценную работу к июню 2026 года.
🛰 IRIDE будет состоять из нескольких группировок спутников 1️⃣, высокодетальной мультиспектральной съемки 2️⃣,3️⃣, гиперспектральной съемки 4️⃣, сверхвысокодетальной съемки в видимом и ближнем инфракрасном диапазонах 5️⃣, а также двумя группировками радарных спутников 6️⃣,7️⃣.
#италия
Площадь складских помещений в районе Лос-Анджелеса напрямую связана с уровнем загрязнения воздуха мелкими частицами (PM2.5)
Ученые проанализировали закономерности и тенденции изменения концентрации PM2.5 в атмосфере и обнаружили, что в местах расположения большего количества (или более крупных) складов уровень PM2.5 и “черного” углерода выше, чем в местах, где складов меньше.
“Черный” углерод является компонентом мелкодисперсных твердых частиц PM2.5, который образуется в результате неполного сгорания ископаемого топлива, в частности, в результате работы дизельных двигателей большой мощности.
🗺 Карта показывает среднюю концентрацию загрязнения PM2.5 в Лос-Анджелесе с 2000 по 2018 год, а также расположение почти 11 000 складов за тот же период. Районы с более высокой концентрацией PM2.5 выделены темно-оранжевым цветом, а места расположения складов обозначены черными точками.
Данные о PM2.5 были получены с помощью моделей, основанных на спутниковых данных MODIS и ASTER.
#атмосфера
Ученые проанализировали закономерности и тенденции изменения концентрации PM2.5 в атмосфере и обнаружили, что в местах расположения большего количества (или более крупных) складов уровень PM2.5 и “черного” углерода выше, чем в местах, где складов меньше.
“Черный” углерод является компонентом мелкодисперсных твердых частиц PM2.5, который образуется в результате неполного сгорания ископаемого топлива, в частности, в результате работы дизельных двигателей большой мощности.
🗺 Карта показывает среднюю концентрацию загрязнения PM2.5 в Лос-Анджелесе с 2000 по 2018 год, а также расположение почти 11 000 складов за тот же период. Районы с более высокой концентрацией PM2.5 выделены темно-оранжевым цветом, а места расположения складов обозначены черными точками.
Данные о PM2.5 были получены с помощью моделей, основанных на спутниковых данных MODIS и ASTER.
#атмосфера
В лаборатории "Астродинамика” на факультете космических исследований МГУ проверяли уведомление об опасном сближении космических объектов и заодно испытывали программу-минимизатор, которую разрабатывают молодые сотрудники лаборатории.
Лаборатория "Астродинамика" разрабатывает программную платформу комплексного моделирования космических систем MIDE (Missions Integrated Development Environment) — отечественный аналог STK.
🔗Страничка лаборатории
🔗 Группа "Астродинамика" в VK
#россия
Лаборатория "Астродинамика" разрабатывает программную платформу комплексного моделирования космических систем MIDE (Missions Integrated Development Environment) — отечественный аналог STK.
🔗Страничка лаборатории
🔗 Группа "Астродинамика" в VK
#россия
Данные ГНСС-рефлектометрии, полученные с помощью радара спутника SMAP
📡 Level 1B SMAP Reflectometry, Version 1 — первый полный поляриметрический (full polarimetric) глобальный набор данных ГНСС-рефлектометрии, полученный с помощью радара спутника Soil Moisture Active Passive (SMAP).
Радарный приемник SMAP в конфигурации бистатического радара измеряет горизонтальную и вертикальную составляющие сигнала GPS при его отражении и рассеянии от поверхности Земли. Основными параметрами являются: нормализованные параметры Стокса, эффективная площадь рассеяния (точнее: total power normalized bistatic radar cross-section) и отражательная способность поверхности.
Формат данных: netCDF-4
Временной интервал: 1 октября 2015 г. — н.в.
#GNSSR #данные
📡 Level 1B SMAP Reflectometry, Version 1 — первый полный поляриметрический (full polarimetric) глобальный набор данных ГНСС-рефлектометрии, полученный с помощью радара спутника Soil Moisture Active Passive (SMAP).
Радарный приемник SMAP в конфигурации бистатического радара измеряет горизонтальную и вертикальную составляющие сигнала GPS при его отражении и рассеянии от поверхности Земли. Основными параметрами являются: нормализованные параметры Стокса, эффективная площадь рассеяния (точнее: total power normalized bistatic radar cross-section) и отражательная способность поверхности.
Формат данных: netCDF-4
Временной интервал: 1 октября 2015 г. — н.в.
#GNSSR #данные
На 📸 снимке, сделанном прибором ASTER спутника Terra 14 июля 2003 года, показано облако серосодержащих газов, возникшее во время пожара на промышленном предприятии к югу от Мосула (Иран, 35,8° с.ш., 43,4° в.д.). Тепловые каналы ASTER выделяют присутствие двуокиси серы (SO2) фиолетовым цветом.
#снимки #пожары #LST
#снимки #пожары #LST
EarthDaily приобрела Descartes Labs [ссылка]
Канадская EarthDaily Analytics приобрела компанию Descartes Labs (США), специализирующуюся на геопространственной аналитике. Обе компании принадлежат частной инвестиционной компании Antarctica Capital. Эта фирма создала EarthDaily Analytics в 2021 году, купив проекты спутников, программное обеспечение, контракты с клиентами и интеллектуальную собственность у разорившейся UrtheCast. Затем, в 2022 году, Antarctica Capital приобрела контрольный пакет акций Descartes Labs. Теперь Antarctica продала Descartes Labs компании EarthDaily Analytics.
В 2022 году EarthDaily выбрала компанию Loft Orbital для создания, запуска и эксплуатации своей группировки из 10 спутников наблюдения Земли. Начать развертывание группировки планировалось в 2023 году, но затем срок перенесли на 2025 год, указав на необходимость развития возможностей обработки собираемых данных методами искусственного интеллекта. По-видимому, приобретение Descartes Lab как раз и будет способствовать такому развитию.
Мультиспектральные сканеры для спутников EarthDaily будет поставлять швейцарская компания ABB. Сканеры будут собирать данные в 22 спектральных диапазонах для группировку спутников, которая должна покрыть данными 98% суши Земли с пространственным разрешением до 5 метров.
Компания Loft Orbital использует для создания группировки модифицированные 200-килограммовые широкополосные спутниковые платформы OneWeb, которые она заказала у Airbus. Часть спутников будет собрана на предприятиях Airbus в Тулузе (Франция), а часть — в Мерритт-Айленде (шт. Флорида, США), где находится автоматизированный завод Airbus.
В ожидании собственной группировки EarthDaily предлагает аналитику с помощью спутников сторонних производителей, таких как Sentinel, в основном клиентам из сферы страхования и сельского хозяйства.
До сделки в EarthDaily и Descartes Labs работало 180 и 65 человек соответственно, и EarthDaily заявила, что не ожидает значительного сокращения рабочих мест после интеграции компаний.
#канада
Канадская EarthDaily Analytics приобрела компанию Descartes Labs (США), специализирующуюся на геопространственной аналитике. Обе компании принадлежат частной инвестиционной компании Antarctica Capital. Эта фирма создала EarthDaily Analytics в 2021 году, купив проекты спутников, программное обеспечение, контракты с клиентами и интеллектуальную собственность у разорившейся UrtheCast. Затем, в 2022 году, Antarctica Capital приобрела контрольный пакет акций Descartes Labs. Теперь Antarctica продала Descartes Labs компании EarthDaily Analytics.
В 2022 году EarthDaily выбрала компанию Loft Orbital для создания, запуска и эксплуатации своей группировки из 10 спутников наблюдения Земли. Начать развертывание группировки планировалось в 2023 году, но затем срок перенесли на 2025 год, указав на необходимость развития возможностей обработки собираемых данных методами искусственного интеллекта. По-видимому, приобретение Descartes Lab как раз и будет способствовать такому развитию.
Мультиспектральные сканеры для спутников EarthDaily будет поставлять швейцарская компания ABB. Сканеры будут собирать данные в 22 спектральных диапазонах для группировку спутников, которая должна покрыть данными 98% суши Земли с пространственным разрешением до 5 метров.
Компания Loft Orbital использует для создания группировки модифицированные 200-килограммовые широкополосные спутниковые платформы OneWeb, которые она заказала у Airbus. Часть спутников будет собрана на предприятиях Airbus в Тулузе (Франция), а часть — в Мерритт-Айленде (шт. Флорида, США), где находится автоматизированный завод Airbus.
В ожидании собственной группировки EarthDaily предлагает аналитику с помощью спутников сторонних производителей, таких как Sentinel, в основном клиентам из сферы страхования и сельского хозяйства.
До сделки в EarthDaily и Descartes Labs работало 180 и 65 человек соответственно, и EarthDaily заявила, что не ожидает значительного сокращения рабочих мест после интеграции компаний.
#канада
OroraTech привлекла $27 млн на развитие системы обнаружения лесных пожаров [ссылка]
Немецкий стартап по обнаружению лесных пожаров OroraTech привлек 27 миллионов долларов в рамках раунда инвестирования серии B. Компания планирует использовать полученные средства для расширения своего присутствия в Северной Америке и Азиатско-Тихоокеанском регионе, ключевых рынках для борьбы с лесными пожарами, а также для усовершенствования своей технологии обнаружения лесных пожаров.
В настоящее время OroraTech управляет двумя спутниками, осуществляющими тепловую инфракрасную съемку. Первая тепловая камера FOREST-1 была запущена на наноспутнике в январе 2022 года, вторая (FOREST-2) — в мае 2023 года. Запуск спутника следующего поколения FOREST-3 запланирован на начало 2025 года, а одновременный запуск группировки из восьми спутников — на середину 2025 года.
Собранные со спутников данные используются в решении Wildfire Intelligence Solution, которое, по данным компании, применяется для борьбы с лесными пожарами более чем 90 клиентами, включая представителей государственного сектора, лесного хозяйства и страховщиков на шести континентах.
#LST #пожары
Немецкий стартап по обнаружению лесных пожаров OroraTech привлек 27 миллионов долларов в рамках раунда инвестирования серии B. Компания планирует использовать полученные средства для расширения своего присутствия в Северной Америке и Азиатско-Тихоокеанском регионе, ключевых рынках для борьбы с лесными пожарами, а также для усовершенствования своей технологии обнаружения лесных пожаров.
В настоящее время OroraTech управляет двумя спутниками, осуществляющими тепловую инфракрасную съемку. Первая тепловая камера FOREST-1 была запущена на наноспутнике в январе 2022 года, вторая (FOREST-2) — в мае 2023 года. Запуск спутника следующего поколения FOREST-3 запланирован на начало 2025 года, а одновременный запуск группировки из восьми спутников — на середину 2025 года.
Собранные со спутников данные используются в решении Wildfire Intelligence Solution, которое, по данным компании, применяется для борьбы с лесными пожарами более чем 90 клиентами, включая представителей государственного сектора, лесного хозяйства и страховщиков на шести континентах.
#LST #пожары
Карта типов сельскохозяйственных культур стран ЕС на 2022 год
В 📖 работе представлена карта типов сельскохозяйственных культур на территории Европейского союза (ЕС) на 2022 год с разрешением 10 метров.
Для обучения модели использованы данные наблюдения Земли и данные натурных наблюдений, полученные в рамках проекта Евростата Land Use and Coverage Area Frame Survey (LUCAS) 2022 года. Данные включали 134 684 полигона LUCAS Copernicus, спутниковые снимки Sentinel-1 и Sentinel-2, температуру поверхности земли и цифровую модель рельефа.
На основе этих данных с помощью метода машинного обучения Random Forest были разработаны два классификационных слоя: основная карта и карта заполнения пробелов для устранения пробелов, связанных с облачным покровом. Отметим, что отдельной задачей исследования являлось изучение оптимального набора входных признаков с учетом различных вариантов временного агрегирований спутниковых и климатических данных для получения карты без пространственных разрывов и с максимально возможной тематической точностью.
Объединенные карты, охватывающие 27 стран ЕС, показали общую точность 79,3% для семи основных классов растительного покрова и 70,6% — для всех 19 типов культур.
Обученная модель была использована для создания карты сельскохозяйственных культур Украины за 2022 год и показала свою устойчивость в регионах, не имеющих размеченных образцов для обучения модели.
Для создания карты использовалась платформа Google Earth Engine (GEE):
👨🏻💻 Скрипты GEE для создания карт типов сельскохозяйственных культур для 27 стран ЕС и Украины на 2022 год.
📖 Ghassemi, B., Izquierdo-Verdiguier, E., Verhegghen, A., Yordanov, M., Lemoine, G., Moreno Martínez, Á., De Marchi, D., van der Velde, M., Vuolo, F., & d’Andrimont, R. (2024). European Union crop map 2022: Earth observation’s 10-meter dive into Europe’s crop tapestry. Scientific Data, 11(1). https://doi.org/10.1038/s41597-024-03884-y
#данные #сельхоз #LULC #GEE
В 📖 работе представлена карта типов сельскохозяйственных культур на территории Европейского союза (ЕС) на 2022 год с разрешением 10 метров.
Для обучения модели использованы данные наблюдения Земли и данные натурных наблюдений, полученные в рамках проекта Евростата Land Use and Coverage Area Frame Survey (LUCAS) 2022 года. Данные включали 134 684 полигона LUCAS Copernicus, спутниковые снимки Sentinel-1 и Sentinel-2, температуру поверхности земли и цифровую модель рельефа.
На основе этих данных с помощью метода машинного обучения Random Forest были разработаны два классификационных слоя: основная карта и карта заполнения пробелов для устранения пробелов, связанных с облачным покровом. Отметим, что отдельной задачей исследования являлось изучение оптимального набора входных признаков с учетом различных вариантов временного агрегирований спутниковых и климатических данных для получения карты без пространственных разрывов и с максимально возможной тематической точностью.
Объединенные карты, охватывающие 27 стран ЕС, показали общую точность 79,3% для семи основных классов растительного покрова и 70,6% — для всех 19 типов культур.
Обученная модель была использована для создания карты сельскохозяйственных культур Украины за 2022 год и показала свою устойчивость в регионах, не имеющих размеченных образцов для обучения модели.
Для создания карты использовалась платформа Google Earth Engine (GEE):
👨🏻💻 Скрипты GEE для создания карт типов сельскохозяйственных культур для 27 стран ЕС и Украины на 2022 год.
📖 Ghassemi, B., Izquierdo-Verdiguier, E., Verhegghen, A., Yordanov, M., Lemoine, G., Moreno Martínez, Á., De Marchi, D., van der Velde, M., Vuolo, F., & d’Andrimont, R. (2024). European Union crop map 2022: Earth observation’s 10-meter dive into Europe’s crop tapestry. Scientific Data, 11(1). https://doi.org/10.1038/s41597-024-03884-y
#данные #сельхоз #LULC #GEE
Forwarded from РИА Новости
Более 300 млрд руб будет инвестировано "Бюро 1440" в инфраструктуру низкоорбитальной спутниковой группировки скоростного доступа в интернет, а Минцифры направит более 100 млрд руб на компенсацию ставки по льготным кредитам, сообщили в ведомстве.
К концу 2027 г "Бюро 1440" планирует запустить 292 аппарата собственной разработки, а до 2030 года - 383.
К концу 2027 г "Бюро 1440" планирует запустить 292 аппарата собственной разработки, а до 2030 года - 383.
Великобритания примет участие в финансировании Copernicus Sentinel Expansion Missions [ссылка]
Великобритания вернулась в европейскую программу наблюдения Земли из космоса Copernicus и примет участие в финансировании 📸 шести миссий, расширяющих возможности этой программы — Copernicus Sentinel Expansion Missions.
#UK
Великобритания вернулась в европейскую программу наблюдения Земли из космоса Copernicus и примет участие в финансировании 📸 шести миссий, расширяющих возможности этой программы — Copernicus Sentinel Expansion Missions.
#UK