HyP3: бесплатная обработка радарных данных
Alaska Satellite Facility (ASF) предлагает бесплатный сервис по обработке радарных данных — Hybrid Pluggable Processing Pipeline (HyP3). HyP3 предоставляет данные двух видов:
* Radiometrically Terrain Corrected (RTC) Sentinel-1 — это обработанные до готовности данные GRD;
* Interferometric SAR (InSAR) Sentinel-1 — содержат интерферограмму, карту когерентности и карту смещений.
Последнее особенно полезно, потому что построение и развертывание интерферограмм на локальном компьютере отнимает кучу времени. Пространственное разрешение готовых продуктов InSAR составляет 80 м (number of looks = 10х2). Разработчики обещают со временем его повысить. Так, пространственное разрешение продуктов RTC сейчас составляет 10 м, а было 30 м.
Доступ к данным можно получить на портале Vertex, с помощью HyP3 Python SDK (conda-forge, PyPI) или через API.
* Sentinel-1 RTC Product Guide
* Sentinel-1 InSAR Product Guide
Квота составляет 1000 задач в месяц на одного пользователя.
Get HyP3! в Twitter: https://twitter.com/ASFHyP3
#sentinel1 #SAR #InSAR #данные
Alaska Satellite Facility (ASF) предлагает бесплатный сервис по обработке радарных данных — Hybrid Pluggable Processing Pipeline (HyP3). HyP3 предоставляет данные двух видов:
* Radiometrically Terrain Corrected (RTC) Sentinel-1 — это обработанные до готовности данные GRD;
* Interferometric SAR (InSAR) Sentinel-1 — содержат интерферограмму, карту когерентности и карту смещений.
Последнее особенно полезно, потому что построение и развертывание интерферограмм на локальном компьютере отнимает кучу времени. Пространственное разрешение готовых продуктов InSAR составляет 80 м (number of looks = 10х2). Разработчики обещают со временем его повысить. Так, пространственное разрешение продуктов RTC сейчас составляет 10 м, а было 30 м.
Доступ к данным можно получить на портале Vertex, с помощью HyP3 Python SDK (conda-forge, PyPI) или через API.
* Sentinel-1 RTC Product Guide
* Sentinel-1 InSAR Product Guide
Квота составляет 1000 задач в месяц на одного пользователя.
Get HyP3! в Twitter: https://twitter.com/ASFHyP3
#sentinel1 #SAR #InSAR #данные
Новая версия ISCE
ISCE (InSAR Scientific Computing Environment) — одна из старейших свободных библиотек для обработки данных радарной интерферометрии — перешла на развитие версии ISCE3. Проект является преемником ISCE2 и представляет собой полную переработку последнего, с упором на улучшение модульности, документации и разработки на основе тестирования.
Свободных библиотек для обработки данных радарной интерферометрии очень мало. Гораздо меньше, чем уссурийских тигров. Так что появление чего-то нового — большая радость для всех причастных.
Как и предыдущие версии библиотеки, ISCE3 работает под Linux и Mac OS.
#InSAR #софт
ISCE (InSAR Scientific Computing Environment) — одна из старейших свободных библиотек для обработки данных радарной интерферометрии — перешла на развитие версии ISCE3. Проект является преемником ISCE2 и представляет собой полную переработку последнего, с упором на улучшение модульности, документации и разработки на основе тестирования.
Свободных библиотек для обработки данных радарной интерферометрии очень мало. Гораздо меньше, чем уссурийских тигров. Так что появление чего-то нового — большая радость для всех причастных.
Как и предыдущие версии библиотеки, ISCE3 работает под Linux и Mac OS.
#InSAR #софт
Когерентность, NDVI и наблюдения за растениями
Испанские коллеги решили исследовать связь радарной когерентности и NDVI, и обнаружили забавную закономерность.
Когерентность отражает степень согласованности рассеяния на паре радарных снимков. Если на поле что-то растет, это что-то постоянно шевелится, и когерентность будет низкой — снимка, снятые с интервалом в несколько суток, не коррелируют друг с другом. Еще когерентность будет низкой, если на одном снимке было поле зрелой пшеницы, а на втором оно уже убрано. Так можно отслеживать некоторые полевые работы. Высокая когерентность бывает у открытой земли (на обоих снимках). Это случается в начале сезона, пока на поле не появятся заметные всходы. Высока когерентность и после уборки, если фермер не спешит выполнить лущение стерни.
Таким образом, поведение когерентности, в некоторой степени, обратно NDVI. Много зеленой растительности — высокий NDVI и низкая когерентность, мало — низкий NDVI и высокая когерентность. Коллеги решили, что больше всего походит на NDVI отношение когерентностей: γVH/γVV (когерентность обозначена буквой γ, VH и VV — типы поляризации радарного сигнала). Хотя, судя по рисункам, можно было бы попробовать и 1-γVV.
Проблема сравнения радарных (когерентность) и оптических (NDVI) характеристик в том, что эти два способа наблюдений отражают слишком разные физические свойства растений и почвы. Но ученых, как видим, это не останавливает.
Зачем искать аналог NDVI среди радарных данных? Дело в том, что облачность препятствует оптическим наблюдениям, и в такие периоды мы не сможем судить о состоянии растений по NDVI. Радар же, в принципе, всепогоден. У него есть свои тонкости, но это — другая история.
Вместо использования радаров можно попытаться восстановить пропущенные из-за облачности значения во временных рядах NDVI. Например, в ИКИ знают, как это сделать.
#InSAR
Испанские коллеги решили исследовать связь радарной когерентности и NDVI, и обнаружили забавную закономерность.
Когерентность отражает степень согласованности рассеяния на паре радарных снимков. Если на поле что-то растет, это что-то постоянно шевелится, и когерентность будет низкой — снимка, снятые с интервалом в несколько суток, не коррелируют друг с другом. Еще когерентность будет низкой, если на одном снимке было поле зрелой пшеницы, а на втором оно уже убрано. Так можно отслеживать некоторые полевые работы. Высокая когерентность бывает у открытой земли (на обоих снимках). Это случается в начале сезона, пока на поле не появятся заметные всходы. Высока когерентность и после уборки, если фермер не спешит выполнить лущение стерни.
Таким образом, поведение когерентности, в некоторой степени, обратно NDVI. Много зеленой растительности — высокий NDVI и низкая когерентность, мало — низкий NDVI и высокая когерентность. Коллеги решили, что больше всего походит на NDVI отношение когерентностей: γVH/γVV (когерентность обозначена буквой γ, VH и VV — типы поляризации радарного сигнала). Хотя, судя по рисункам, можно было бы попробовать и 1-γVV.
Проблема сравнения радарных (когерентность) и оптических (NDVI) характеристик в том, что эти два способа наблюдений отражают слишком разные физические свойства растений и почвы. Но ученых, как видим, это не останавливает.
Зачем искать аналог NDVI среди радарных данных? Дело в том, что облачность препятствует оптическим наблюдениям, и в такие периоды мы не сможем судить о состоянии растений по NDVI. Радар же, в принципе, всепогоден. У него есть свои тонкости, но это — другая история.
Вместо использования радаров можно попытаться восстановить пропущенные из-за облачности значения во временных рядах NDVI. Например, в ИКИ знают, как это сделать.
#InSAR