Вот еще чудная съемка DSCOVR EPIC: транзит Луны по диску Земли 11 февраля 2021 года.

GEE-19. Маскирование облаков и теней: s2cloudless

Речь пойдет об алгоритме маскирования облаков s2cloudless. Он разработан специалистами Sentinel Hub, и уже несколько лет применяется GEE. На сегодняшний день это, на наш взгляд, лучший алгоритм маскирования облаков по данным одного снимка*.

s2cloudless основан на алгоритмах машинного обучения (LightGBM). С его помощью на GEE создана коллекция данных Sentinel-2: Cloud Probability, в которой каждому реальному снимку Sentinel-2 (COPERNICUS_S2 или COPERNICUS_S2_SR) сопоставлен снимок с единственным слоем — вероятностью того, что пиксель является облаком (от 0 до 100).

Тестовый снимок будет тот же, что и в прошлый раз. План работы такой:

1. Объедим коллекции снимков Sentinel-2 surface reflectance и Sentinel-2 cloud probability в единую коллекцию.
2. Для новой коллекции создадим маски облаков и теней, в виде дополнительных слоев.
3. Объединим маски облаков и теней.
5. Применим полученную маску к снимкам коллекции.

Для создания коллекции “снимки + вероятность облачности” задаем параметры: AOI (Area of interest), начальную и конечную даты съемки (START_DATE, END_DATE), и максимальную долю облачного покрытия снимков CLOUD_MAX.

Ключевой операцией является объединение коллекций снимков s2_sr_col и вероятности облачности s2_cloudless_col по идентификаторам снимков — свойству 'system:index':

var s2_sr_cloudless_col = ee.Join.saveFirst('s2cloudless').apply({
  primary: s2_sr_col,
  secondary: s2_cloudless_col,
  condition: ee.Filter.equals({leftField: 'system:index', rightField: 'system:index'})  
});

Объединенная коллекция состоит из элементов (снимков) первой коллекции (s2_sr_col), к которым в виде нового свойства 's2cloudless' добавлены соответствующие элементы из второй коллекции (вероятности).

ee.Join объединяет коллекции, saveFirst() задает имя свойства, в котором сохраняются элементы второй коллекции, apply() указывает какие коллекции и по какому свойству объединять.

Код примера: https://code.earthengine.google.com/3034b502757037ac2ce7d7af313abb90


*Есть алгоритмы маскирования облачности, использующие временные ряды снимков, например, MAJA. Но они, естественно, требуют больших вычислительных затрат, чем алгоритмы, опирающиеся на данные одного снимка.

#GEE

Новый слой s2cloudless, появившийся в результате объединения коллекций снимков и вероятности облачности.

Для маскирования облаков зададим параметр CLD_PRB_THRESH — вероятность облачности (%). Значения выше CLD_PRB_THRESH считаются облаком.

Выберем из снимков слой с вероятностями облачности, выделим на нем значения выше CLD_PRB_THRESH, и сохраним в виде нового слоя — маски облаков clouds:

function add_cloud_bands(img){
    // Get s2cloudless image, subset the probability band.
    var cld_prb = ee.Image(img.get('s2cloudless')).select('probability');
    // Condition s2cloudless by the probability threshold value.
    var is_cloud = cld_prb.gt(CLD_PRB_THRESH).rename('clouds');
    // Add the cloud probability layer and cloud mask as image bands.
    return img.addBands(ee.Image([cld_prb, is_cloud]));
}

Маска теней shadows строится по пересечению темных объектов на снимке с рассчитанным положением теней облаков на земной поверхности (по известным углам освещенности Солнцем). Из маски удаляются пиксели водоемов, которые, как правило, являются темными объектами.

Для настройки маски задаются параметры:

* NIR_DRK_THRESH — отражение в NIR-канале B8. Значения ниже указанного порога считаются потенциальными тенями облаков;
* CLD_PRJ_DIST — максимальное расстояние в километрах от границ облаков, на котором ищут тени облаков;
* BUFFER — целое число (метры) для дилатации границ облаков (дилатация — это операция из математической морфологии).

Маска теней не относится напрямую к s2cloudless и может использоваться с другими масками облаков. Например, с этими. Она может применятся как к коллекции COPERNICUS_S2_SR (BOA), так и к COPERNICUS_S2 (TOA) — нужно только изменить способ определения водоемов. Вместо

// Определение пикселей воды по слою SCL (BOA).
var not_water = img.select('SCL').neq(6);

задать:

// Для определения пикселей воды на данных TOA.
var not_water = img.normalizedDifference(['B3', 'B8']).lt(0.2)

Значение переменной SR_BAND_SCALE (1e4) задано в предположении, что масштабирования значений пикселей основных каналов снимка не проводилось, и все они находятся в диапазоне от 0 до 10000. Обратите внимание на эту переменную, если вы уже применяли масштабирование.

#GEE

В функции add_cld_shdw_mask() маски облаков и теней объединяются в единую маску — слой cloudmask. Нюансы объединения объяснены в коде функции.

Наконец, полученные маски применяются ко всем снимкам коллекции.

На снимке облака выделены фиолетовым, а тени — желтым цветом. Видно, что горы (справа, вверху и внизу) остались неотмаскированы, в отличие от результатов применения прошлых масок.

Полный код примера: https://code.earthengine.google.com/90500d827570627d1568ffb7f5c521f2

Основной параметр для настройки маски — порог вероятности облачности CLD_PRB_THRESH.

Считается маска s2cloudless дольше, чем основанная на `MSK_CLDPRB` и `SCL`, но и результат у нее лучше.

Покрытие снимками Sentinel-1 IW GRD территории России за февраль 2023 года.

Всего найдено 763 снимка.

Код примера: https://code.earthengine.google.com/7431e655056756488c8fa74d5f229e7d

Агроэкологический атлас России и сопредельных стран (2008 год): http://www.agroatlas.ru/ru/index.html

Атлас содержит около 1500 карт и описаний:

* наиболее важных сельскохозяйственных культур (100),
* их диких родичей (560),
* вредных объектов (640) — болезней, вредителей сельскохозяйственных культур и сорных растений,
* карты агроэкологических факторов среды на территории бывшего СССР (> 200) — климат, почвы растительность.

Атлас не новый, но все еще может полезен. Устаревают такие материалы медленно.

#климат #справка

Отражение моста Ли Сунсин

Umbra опубликовала радарный снимок с разрешением 50 сантиметров, основное внимание на котором привлекают многократные отражения висячего моста Ли Сунсин (34.8992361, 127.7048083).

Природа их становится понятнее, если вспомнить, что радар — это активный метод зондирования, и что снимает он не сверху, а сбоку. В результате мы наблюдаем, помимо “обычного” отражения от видимой стороны моста, многократные отражения от других частей моста, в которых участвовала зеркально отражающая поверхность воды.

Схемы многократного отражения мостов на радарных снимках приведены на рисунке ниже. Детали механизма отражения описаны в статье The Characteristics of the Multipath Scattering and the Application for Geometry Extraction in High-Resolution SAR Images.

#SAR #снимки

Maxar в феврале

Продуктивным выдался февраль для Maxar. Сначала компания заключила пятилетний контракт стоимостью до 192 миллионов долларов с Национальным агентством геопространственной разведки (NGA) на поставку спутниковых снимков в страны-союзники США.

Агентство не сообщило, в какие страны и в каком количестве будут поставляться снимки. Однако известно, что NGA играет центральную роль в координации поставок спутниковых данных на Украину.

По новому контракту Maxar будет поставлять оптические данные высокого разрешения, радарные данные и трехмерные данные.

Оптические снимки высокого разрешения Maxar дает собственная группировка из четырех спутников. В ближайшие несколько лет ее планируют пополнить шестью новыми спутниками WorldView Legion. В прошлом году Maxar заключил контракт с Национальным разведывательным управлением (NRO) на сумму 3.2 миллиарда долларов — на поставку спутниковых снимков правительству США в течение следующих 10 лет.

14 февраля Maxar и Umbra — компания, занимающаяся радарной съемкой высокого разрешения, заключили договор о партнерстве. Это позволит Maxar напрямую работать со спутниками Umbra и интегрировать радарные данные в свой портфель продуктов и услуг. Комбинированные оптико-радарные продукты должны стать доступны во втором квартале 2023 года. Соглашение с Umbra не является эксклюзивным и рассчитано на несколько лет. Отметим, что у Maxar уже есть соглашения с поставщиками радарных данных, включая Capella Space и Iceye, но для специализированного партнерства компания выбрала Umbra.

Компания Umbra (из Санта-Барбары, штат Калифорния) имеет на орбите пять спутников. Согласно контракту, Maxar будет иметь гарантированный доступ к следующим двум спутникам, шестому и седьмому. Umbra заявила, что планирует запустить в общей сложности 24 спутника.

В будущем Umbra планирует использовать свои радарные спутники для пассивного сканирования на предмет радиочастотной активности. В интересах NRO, что характерно. А это означает отслеживание судов, транспортных средств и любых устройств, излучающих радиочастотные сигналы.

Maxar создает улучшенные 3D-карты с эффектом погружения, построенные на основе спутниковых снимков, съемки с дронов, и наземного видео. Такие данные применяются для наведения ракет, дронов и разных умных боеприпасов.

#SAR #война #maxar

Снимки Национального стадиона Сингапура, полученные радарным спутником Umbra (слева) и спутником WorldView-3 компании Maxar (справа) (источник)

Китай успешно запустил два спутника дистанционного зондирования Земли

9 марта 2023 г. в 22:41 UTC с космодрома Тайюань выполнен пуск ракеты-носителя Чанчжэн-4C/Long March-4C с двумя спутниками ДЗЗ Тяньхуэй-6А и -6B (Tianhui-6 A/B). Космические аппараты были успешно выведены на заданную орбиту.

Спутники разработаны Китайской академией космических технологий (CAST). Они, среди прочего, будут использоваться для географического картографирования, обследования земельных ресурсов и научных экспериментов.

Состоявшийся пуск стал 465-м для ракет семейства "Чанчжэн".

#китай