Карта древесного покрова в тропиках
Джон Брандт и его коллеги построили карту древесного покрова в тропических широтах, имеющую пространственное разрешение 10 метров. Карта создана на основе разновременных композитов радарных (Sentinel-1) и оптических (Sentinel-2) данных, проанализированных с помощью сверточных нейросетей. Учитываются леса, площадью более 0,49 га, с сомкнутостью полога (canopy cover) ≥10%. По сравнению с предыдущими работами, более точно отображается расположение деревьев в районах с высокой неоднородностью полога и с открытым пологом, особенно в засушливых районах, внутри городской застройки и на пахотных землях.
Статья продолжает цикл работ авторов, начатый в Brandt et al. A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery (2020). Детально описан процесс создания карты, включая построение обучающей выборки (в Collect Earth Online), уточнение разрешения снимков (DSen2), построение мозаик и сглаживание временных рядов.
Код: https://github.com/wri/sentinel-tree-cover
#лес
Джон Брандт и его коллеги построили карту древесного покрова в тропических широтах, имеющую пространственное разрешение 10 метров. Карта создана на основе разновременных композитов радарных (Sentinel-1) и оптических (Sentinel-2) данных, проанализированных с помощью сверточных нейросетей. Учитываются леса, площадью более 0,49 га, с сомкнутостью полога (canopy cover) ≥10%. По сравнению с предыдущими работами, более точно отображается расположение деревьев в районах с высокой неоднородностью полога и с открытым пологом, особенно в засушливых районах, внутри городской застройки и на пахотных землях.
Статья продолжает цикл работ авторов, начатый в Brandt et al. A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery (2020). Детально описан процесс создания карты, включая построение обучающей выборки (в Collect Earth Online), уточнение разрешения снимков (DSen2), построение мозаик и сглаживание временных рядов.
Код: https://github.com/wri/sentinel-tree-cover
#лес
Forwarded from Госкорпорация «Роскосмос»
Мир, труд, май: геоглифы из космоса
К 1 мая компания «Терра Тех» (входит в холдинг «РКС» Роскосмоса), сделала подборку космоснимков геоглифов – рукотворных памятников советской эпохи. Это надписи, выполненные в лесных массивах с помощью фигурных вырубок или высаживания.
Среди тех надписей, что изучали специалисты «ТЕРРА ТЕХ», 5 посвящены 100-летнему юбилею Ленина и по 4 – юбилеям Победы в Великой Отечественной войне и образования СССР. Работа проведена по данным отечественной спутниковой съемки со спутника «Ресурс-П».
ℹ️ Попробовать самостоятельно найти геоглифы, перечисленные выше, можно по ссылке
К 1 мая компания «Терра Тех» (входит в холдинг «РКС» Роскосмоса), сделала подборку космоснимков геоглифов – рукотворных памятников советской эпохи. Это надписи, выполненные в лесных массивах с помощью фигурных вырубок или высаживания.
Среди тех надписей, что изучали специалисты «ТЕРРА ТЕХ», 5 посвящены 100-летнему юбилею Ленина и по 4 – юбилеям Победы в Великой Отечественной войне и образования СССР. Работа проведена по данным отечественной спутниковой съемки со спутника «Ресурс-П».
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Суда в порту Дудинки, 3 октября 2021 года. До окончания судоходства остались считанные дни.
Песня под настроение: От злой точки не матерись...
Снимок Sentinel-2, естественные цвета.
#снимки #севморпуть
Песня под настроение: От злой точки не матерись...
Снимок Sentinel-2, естественные цвета.
#снимки #севморпуть
Неожиданно популярной стала вчерашняя заметка о карте древесного покрова в тропиках. Народ, если интересует какая-то тема — пишите в бот: @sputnikDZZ_bot Не факт, что мы исполним желаемое, тем более быстро. Но уж точно отреагируем и примем к сведению.
Завтра будет мини-дайджест про super-resolution и нейронки. А сейчас — про лес, но несколько с другой стороны…
Завтра будет мини-дайджест про super-resolution и нейронки. А сейчас — про лес, но несколько с другой стороны…
Изнанка биоэкономики
Биоэкономика — это превращение возобновляемых биологических ресурсов в продукцию с высокой добавленной стоимостью. Например, вместо пластика, сделанного из невозобновляемого сырья, будем использовать дерево, которое возобновляемо. Биоэкономика в тренде: легко найти множество статей о том, как с ее помощью все будет хорошо.
Guido Ceccherini с коллегами (Abrupt increase in harvested forest area over Europe after 2015, Nature, 2020) показали, что растущий спрос на лесную продукцию и услуги, обусловленный биоэкономикой, создает проблемы лесопользованию. Карта изменения площади лесов Университета Мэриленд демонстрирует увеличение площади вырубок (49%) и увеличение потерь биомассы европейских лесов (69%) за 2016–2018 годы по сравнению с 2011–2015 годами. Наибольшие убытки приходятся на Пиренейский полуостров, страны Северной Европы и Балтии. Средний размер вырубленных площадей увеличился на 34% по всей Европе, что может повлиять на биоразнообразие, эрозию почвы и регулирование водных ресурсов. Увеличение объемов лесозаготовок является результатом расширения рынков древесины, о чем свидетельствуют статистические показатели лесного хозяйства, древесной биоэнергетики и международной торговли. Если темпы лесозаготовок сохранятся, то для достижения климатической нейтральности к 2050 году понадобится компенсировать потери леса за счет дополнительных сокращений выбросов в других секторах экономики.
Мысль, что перед тем как внедрять биоэкономику, нужно обеспечить себя древесиной, кажется очевидной, а вот поди ж ты… Любопытно, что все это обнаружено простыми средствами — общедоступными маской изменения лесов и статистикой (FAOSTAT, Eurostat и UNECE). Интересно было бы взглянуть, насколько в удовлетворении потребностей Европы в древесине были задействованы соседние страны.
#лес
Биоэкономика — это превращение возобновляемых биологических ресурсов в продукцию с высокой добавленной стоимостью. Например, вместо пластика, сделанного из невозобновляемого сырья, будем использовать дерево, которое возобновляемо. Биоэкономика в тренде: легко найти множество статей о том, как с ее помощью все будет хорошо.
Guido Ceccherini с коллегами (Abrupt increase in harvested forest area over Europe after 2015, Nature, 2020) показали, что растущий спрос на лесную продукцию и услуги, обусловленный биоэкономикой, создает проблемы лесопользованию. Карта изменения площади лесов Университета Мэриленд демонстрирует увеличение площади вырубок (49%) и увеличение потерь биомассы европейских лесов (69%) за 2016–2018 годы по сравнению с 2011–2015 годами. Наибольшие убытки приходятся на Пиренейский полуостров, страны Северной Европы и Балтии. Средний размер вырубленных площадей увеличился на 34% по всей Европе, что может повлиять на биоразнообразие, эрозию почвы и регулирование водных ресурсов. Увеличение объемов лесозаготовок является результатом расширения рынков древесины, о чем свидетельствуют статистические показатели лесного хозяйства, древесной биоэнергетики и международной торговли. Если темпы лесозаготовок сохранятся, то для достижения климатической нейтральности к 2050 году понадобится компенсировать потери леса за счет дополнительных сокращений выбросов в других секторах экономики.
Мысль, что перед тем как внедрять биоэкономику, нужно обеспечить себя древесиной, кажется очевидной, а вот поди ж ты… Любопытно, что все это обнаружено простыми средствами — общедоступными маской изменения лесов и статистикой (FAOSTAT, Eurostat и UNECE). Интересно было бы взглянуть, насколько в удовлетворении потребностей Европы в древесине были задействованы соседние страны.
#лес
Nature
Abrupt increase in harvested forest area over Europe after 2015
Nature - Fine-scale satellite data are used to quantify forest harvest rates in 26 European countries, finding an increase in harvested forest area of 49% and an increase in biomass loss of 69%...
Процентные изменения площади вырубок европейских лесов в ячейках сетки 0,2° х 0,2°, для 2016–2018 гг. по сравнению с 2004–2015 гг. Метки показывают процентные изменения площади вырубок по странам. Карты, кстати, созданы с помощью GEE.
#GEE
#GEE
На зонде Juice возникла проблема с развертыванием 16-метровой антенны радара
На европейском зонде Juice возникла проблема с развертыванием 16-метровой антенны RIME (Radar for Icy Moons Exploration). RIME (на снимке) — это радар, способный заглянуть под ледяную поверхность спутников Юпитера на глубину до 9 км. Там, подо льдом, может скрываться нечто удивительное, и RIME мог бы это обнаружить. Пока же развернуться антенне мешает крошечный застрявший штырь.
У команды из центра управления полетами ЕКА в Дармштадте (Германия) достаточно времени, чтобы разобраться с проблемой — до запланированного ввода RIME в эксплуатацию остается около двух месяцев. Если антенну не удастся развернуть в самое ближайшее время, то можно немного встряхнуть Juice кратковременным включением двигателя или повернуть зонд так, чтобы прогреть крепление и антенну, которые сейчас находятся в тени, а значит на холоде.
Сообщается, что “с каждым днем антенна RIME демонстрирует все больше признаков движения”.
На Juice уже успешно развернуты солнечные батареи, антенна среднего усиления, а также 10,6-метровая штанга магнитометра.
За новостями Juice следим здесь.
На европейском зонде Juice возникла проблема с развертыванием 16-метровой антенны RIME (Radar for Icy Moons Exploration). RIME (на снимке) — это радар, способный заглянуть под ледяную поверхность спутников Юпитера на глубину до 9 км. Там, подо льдом, может скрываться нечто удивительное, и RIME мог бы это обнаружить. Пока же развернуться антенне мешает крошечный застрявший штырь.
У команды из центра управления полетами ЕКА в Дармштадте (Германия) достаточно времени, чтобы разобраться с проблемой — до запланированного ввода RIME в эксплуатацию остается около двух месяцев. Если антенну не удастся развернуть в самое ближайшее время, то можно немного встряхнуть Juice кратковременным включением двигателя или повернуть зонд так, чтобы прогреть крепление и антенну, которые сейчас находятся в тени, а значит на холоде.
Сообщается, что “с каждым днем антенна RIME демонстрирует все больше признаков движения”.
На Juice уже успешно развернуты солнечные батареи, антенна среднего усиления, а также 10,6-метровая штанга магнитометра.
За новостями Juice следим здесь.
Forwarded from Вокруг Света | Путешествия • История • Наука
Такие ландшафты появились здесь в 1800-х, когда правительство США разрешило железнодорожным компаниям ограниченную вырубку леса на прилежащих территориях. До 1990-х река Прист использовалась для лесосплава.
🌎 Вокруг света. Подписаться
Please open Telegram to view this post
VIEW IN TELEGRAM
Уточнение пространственного разрешения данных Sentinel-2 с помощью нейросетей
1. Lanaras et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network (2018).
Предложен способ уточнения пространственного разрешения каналов Sentinel-2 (так называемое super-resolution) с более низким разрешением (20 и 60 метров) до 10 метров. Для этого разработана сверточная нейросеть (CNN), названная DSen2. Сеть обучается на загрубленных данных: 40 м — для каналов с разрешением 20 м и 360 м — для 60 м. Для обучения использованы данные, отобранные по всему миру в различных климатических зоны и классах почвенно-растительного покрова. В результате сеть может уточнять разрешение снимков Sentinel-2, сделанных в различных районах Земли, без необходимости переобучения. Код: https://github.com/lanha/DSen2
2. Latif et al. Super-resolution of Sentinel-2 images using Wasserstein GAN (2022).
В работе представлен подход, использующий генеративно-состязательную сеть Вассерштейна (WGAN), названную DSen2-WGAN, для уточнения низкого разрешения (20 м и 60 м) каналов Sentinel-2 до пространственного разрешения 10 м. Является развитием работы Lanaras et al. (2018).
3. Tao et al. Towards Streamlined Single-Image Super-Resolution: Demonstration with 10 m Sentinel-2 Colour and 10–60 m Multi-Spectral VNIR and SWIR Bands (2021).
Для уточнения пространственного разрешения данных Sentinel-2 предложена генеративно-состязательная нейросеть TARSGAN (learning Terrestrial image deblurring using Adaptive weighted dense Residual Super-resolution Generative Adversarial Network). Кроме того, предлагается способ оценки эффективного разрешения изображения, использующий автоматическое определение и фильтрацию краев изображения — ELF (automated image Edge detection and measurements of edge spread function, Line spread function, and Full width at half maximum). Измерения ELF на снимках, обработанных TARSGAN показало, что разрешение увеличивается в среднем в 2,91 раза, что эквивалентно 3,44 м для каналов с исходным разрешением 10 м. Приводятся примеры применения TARSAGAN для различных типов сцен — от городских пейзажей до сельскохозяйственных сцен и морских льдин.
4. Зуев и др. Модифицированный алгоритм повышения детальности оптико-электронного снимка с использованием генеративно-состязательной нейронной сетей (2022).
Для уточнения разрешения спутниковых данных применятся модифицированный алгоритм GAN, с использованием сверточной нейросети VGG-19 для вычисления показателя потерь во время обучения. Рассмотрены вопросы подготовки обучающего набора данных.
5. Статьи Razzak et al. Multi-spectral multi-image super-resolution of Sentinel-2 with radiometric consistency losses and its effect on building delineation (2023) и Multi-temporal Super-Resolution on Sentinel-2 Imagery (2021) посвящены уточнению разрешения при помощи нейросети HighRes-Net. Существенно, что на вход подаются несколько разновременных спутниковых снимков, а на выходе получается один, с более высоким разрешением. В обоих случаях код прилагается.
#superresolution #sentinel2 #GAN #CNN
1. Lanaras et al. Super-resolution of Sentinel-2 images: Learning a globally applicable deep neural network (2018).
Предложен способ уточнения пространственного разрешения каналов Sentinel-2 (так называемое super-resolution) с более низким разрешением (20 и 60 метров) до 10 метров. Для этого разработана сверточная нейросеть (CNN), названная DSen2. Сеть обучается на загрубленных данных: 40 м — для каналов с разрешением 20 м и 360 м — для 60 м. Для обучения использованы данные, отобранные по всему миру в различных климатических зоны и классах почвенно-растительного покрова. В результате сеть может уточнять разрешение снимков Sentinel-2, сделанных в различных районах Земли, без необходимости переобучения. Код: https://github.com/lanha/DSen2
2. Latif et al. Super-resolution of Sentinel-2 images using Wasserstein GAN (2022).
В работе представлен подход, использующий генеративно-состязательную сеть Вассерштейна (WGAN), названную DSen2-WGAN, для уточнения низкого разрешения (20 м и 60 м) каналов Sentinel-2 до пространственного разрешения 10 м. Является развитием работы Lanaras et al. (2018).
3. Tao et al. Towards Streamlined Single-Image Super-Resolution: Demonstration with 10 m Sentinel-2 Colour and 10–60 m Multi-Spectral VNIR and SWIR Bands (2021).
Для уточнения пространственного разрешения данных Sentinel-2 предложена генеративно-состязательная нейросеть TARSGAN (learning Terrestrial image deblurring using Adaptive weighted dense Residual Super-resolution Generative Adversarial Network). Кроме того, предлагается способ оценки эффективного разрешения изображения, использующий автоматическое определение и фильтрацию краев изображения — ELF (automated image Edge detection and measurements of edge spread function, Line spread function, and Full width at half maximum). Измерения ELF на снимках, обработанных TARSGAN показало, что разрешение увеличивается в среднем в 2,91 раза, что эквивалентно 3,44 м для каналов с исходным разрешением 10 м. Приводятся примеры применения TARSAGAN для различных типов сцен — от городских пейзажей до сельскохозяйственных сцен и морских льдин.
4. Зуев и др. Модифицированный алгоритм повышения детальности оптико-электронного снимка с использованием генеративно-состязательной нейронной сетей (2022).
Для уточнения разрешения спутниковых данных применятся модифицированный алгоритм GAN, с использованием сверточной нейросети VGG-19 для вычисления показателя потерь во время обучения. Рассмотрены вопросы подготовки обучающего набора данных.
5. Статьи Razzak et al. Multi-spectral multi-image super-resolution of Sentinel-2 with radiometric consistency losses and its effect on building delineation (2023) и Multi-temporal Super-Resolution on Sentinel-2 Imagery (2021) посвящены уточнению разрешения при помощи нейросети HighRes-Net. Существенно, что на вход подаются несколько разновременных спутниковых снимков, а на выходе получается один, с более высоким разрешением. В обоих случаях код прилагается.
#superresolution #sentinel2 #GAN #CNN
Знамя Победы на поверженном Рейхстаге 1 мая 1945 года. Снимок сделан военным корреспондентом газеты «Правда» В. А. Теминым с борта самолета По-2.
This media is not supported in your browser
VIEW IN TELEGRAM
Вот редкий случай, когда действующий спутник снят крупным планом прямо на орбите.
Спутник Worldview-3 компании Maxar Technologies сделал достаточно детальный снимок “коллеги” — космического аппарата NASA Landsat 8. Оба спутника находятся на близких приполярных орбитах, причем Worldview-3 движется на высоте 613 км над Землей, а Landsat на большей высоте — 703 км. Снимки сделаны с расстояния от 91 км до 130 км. Хорошо видна солнечная батарея размером 9 х 0,4 метра, обеспечивающая питание Landsat 8, а также научные приборы, расположенные на корпусе спутника, длиной 3 метра.
Эти снимки намекают на то, что спутниковую съемку можно использовать для проверки состояния спутников — как своих, так и чужих. Показательно, что такой снимок сделан спутником, принадлежащим Maxar.
Снимок появился в сети несколько дней назад, но, судя по дате на нем, сделан еще в октябре прошлого года.
#снимки #maxar #SSA
Спутник Worldview-3 компании Maxar Technologies сделал достаточно детальный снимок “коллеги” — космического аппарата NASA Landsat 8. Оба спутника находятся на близких приполярных орбитах, причем Worldview-3 движется на высоте 613 км над Землей, а Landsat на большей высоте — 703 км. Снимки сделаны с расстояния от 91 км до 130 км. Хорошо видна солнечная батарея размером 9 х 0,4 метра, обеспечивающая питание Landsat 8, а также научные приборы, расположенные на корпусе спутника, длиной 3 метра.
Эти снимки намекают на то, что спутниковую съемку можно использовать для проверки состояния спутников — как своих, так и чужих. Показательно, что такой снимок сделан спутником, принадлежащим Maxar.
Снимок появился в сети несколько дней назад, но, судя по дате на нем, сделан еще в октябре прошлого года.
#снимки #maxar #SSA
This media is not supported in your browser
VIEW IN TELEGRAM
zoom.earth
Сервис zoom.earth позволяет наблюдать:
* облачность: Спутник (снимки Meteosat, GOES и Himawari — обновляются каждые 10–15 минут)
* осадки Радар (наземный метеорадар, данные RainViewer) и Осадки (данные прогнозирования с помощью моделей погоды ICON или GFS)
* Ветер
* Температура воздуха
* Влажность воздуха
* атмосферное Давление
* пожары (данные FIRMS)
Данные о скорости ветра, температуре и влажности воздуха, а также об атмосферном давлении получены при помощи моделей погоды ICON или GFS (по выбору пользователя).
Cкачивать данные zoom.earth нельзя, зато можно получить красивые анимации. Посмотрите, как выглядит анимация облачности, осадков и ветра.
Сервис zoom.earth позволяет наблюдать:
* облачность: Спутник (снимки Meteosat, GOES и Himawari — обновляются каждые 10–15 минут)
* осадки Радар (наземный метеорадар, данные RainViewer) и Осадки (данные прогнозирования с помощью моделей погоды ICON или GFS)
* Ветер
* Температура воздуха
* Влажность воздуха
* атмосферное Давление
* пожары (данные FIRMS)
Данные о скорости ветра, температуре и влажности воздуха, а также об атмосферном давлении получены при помощи моделей погоды ICON или GFS (по выбору пользователя).
Cкачивать данные zoom.earth нельзя, зато можно получить красивые анимации. Посмотрите, как выглядит анимация облачности, осадков и ветра.
Planet NICFI — ежемесячные мозаики Planet для тропиков в свободном доступе
Planet NICFI (Norway’s International Climate and Forests Initiative) — это мозаики, составленные из снимков высокого пространственного разрешения, покрывающие тропические регионы Земли. Подробнее:
* Область покрытия: от 30 ю.ш. до 30 с.ш.
* Пространственное разрешение: 4.77 м
* Спектральные каналы: Red, Green, Blue, Near-Infrared
* Временное разрешение
* Archive (12.2015 – 08.2020): 6 месяцев (biannual)
* Monitoring (09.2020 – н.в.): 1 месяц (monthly)
После регистрации вы получите доступ Level 1, позволяющий загружать мозаики данных.
Для исследователей наибольший интерес представляют PlanetScope Surface Reflectance (Analysis Ready) — готовые для работы данные с минимальным влиянием атмосферы и характеристик сенсоров. Они содержат три канала видимого диапазона (Red, Green, Blue — RGB) и канал ближнего инфракрасного диапазона (NIR), что позволяет рассчитывать NDVI и другие спектральные индексы. Есть еще аналогичные мозаики Visual, но они содержат только каналы RGB.
Изображения в мозаиках Planet распределяются в виде сетки файлов GeoTIFF, которые называются "квадратами" (quads). Проекция данных — Web Mercator (EPSG 3857). Альфа-маска указывает области квадрата, для которых нет данных.
Отдельные мозаики проще всего получить с помощью Basemaps Viewer. Выбрав нужную мозаику, и указав область данных, получаем найденные “квадраты”.
Для массового скачивания существует Mosaics API. Пользователи должны взять ключ API из настроек своего аккаунта и следовать инструкциям Getting Started with Planet APIs. Более подробная информация содержится в руководстве пользователя API. Еще одним способом массовой загрузки мозаик является Planet Client — клиентская библиотека Python и интерфейс командной строки для Planet’s Public API.
Плагин Planet QGIS V2 позволяет выбирать и скачивать мозаики прямо из QGIS.
Как настроить поиск и загрузку данных Planet NICFI из Google Earth Engine — смотрите здесь.
#данные #planet
Planet NICFI (Norway’s International Climate and Forests Initiative) — это мозаики, составленные из снимков высокого пространственного разрешения, покрывающие тропические регионы Земли. Подробнее:
* Область покрытия: от 30 ю.ш. до 30 с.ш.
* Пространственное разрешение: 4.77 м
* Спектральные каналы: Red, Green, Blue, Near-Infrared
* Временное разрешение
* Archive (12.2015 – 08.2020): 6 месяцев (biannual)
* Monitoring (09.2020 – н.в.): 1 месяц (monthly)
После регистрации вы получите доступ Level 1, позволяющий загружать мозаики данных.
Для исследователей наибольший интерес представляют PlanetScope Surface Reflectance (Analysis Ready) — готовые для работы данные с минимальным влиянием атмосферы и характеристик сенсоров. Они содержат три канала видимого диапазона (Red, Green, Blue — RGB) и канал ближнего инфракрасного диапазона (NIR), что позволяет рассчитывать NDVI и другие спектральные индексы. Есть еще аналогичные мозаики Visual, но они содержат только каналы RGB.
Изображения в мозаиках Planet распределяются в виде сетки файлов GeoTIFF, которые называются "квадратами" (quads). Проекция данных — Web Mercator (EPSG 3857). Альфа-маска указывает области квадрата, для которых нет данных.
Отдельные мозаики проще всего получить с помощью Basemaps Viewer. Выбрав нужную мозаику, и указав область данных, получаем найденные “квадраты”.
Для массового скачивания существует Mosaics API. Пользователи должны взять ключ API из настроек своего аккаунта и следовать инструкциям Getting Started with Planet APIs. Более подробная информация содержится в руководстве пользователя API. Еще одним способом массовой загрузки мозаик является Planet Client — клиентская библиотека Python и интерфейс командной строки для Planet’s Public API.
Плагин Planet QGIS V2 позволяет выбирать и скачивать мозаики прямо из QGIS.
Как настроить поиск и загрузку данных Planet NICFI из Google Earth Engine — смотрите здесь.
#данные #planet
Завершился конкурс NASA Harvest Field Boundary Detection Challenge
Завершился конкурс NASA Harvest Field Boundary Detection Challenge по разработке моделей машинного обучения, способных точно определять границы сельскохозяйственных полей на спутниковых снимках. Участники определяли границы полей мелких фермеров (< 2 га) в Руанде с помощью мозаик Planet Basemaps.
Модели победителей опубликованы на платформе Radiant MLHub: Spatio-Temporal Attention-based Unet for Field Boundary Detection (1), Harvest Ensemble Segmentation Model for Fields (2), Borderline: A segmentation model for fields (3).
Radiant MLHub — платформа для хранения открытых наборов обучающих данных для приложений дистанционного зондирования.
Конкурс проводился на Zindi — платформе для data science-соревнований, посвященных Африке.
#данные #модели
Завершился конкурс NASA Harvest Field Boundary Detection Challenge по разработке моделей машинного обучения, способных точно определять границы сельскохозяйственных полей на спутниковых снимках. Участники определяли границы полей мелких фермеров (< 2 га) в Руанде с помощью мозаик Planet Basemaps.
Модели победителей опубликованы на платформе Radiant MLHub: Spatio-Temporal Attention-based Unet for Field Boundary Detection (1), Harvest Ensemble Segmentation Model for Fields (2), Borderline: A segmentation model for fields (3).
Radiant MLHub — платформа для хранения открытых наборов обучающих данных для приложений дистанционного зондирования.
Конкурс проводился на Zindi — платформе для data science-соревнований, посвященных Африке.
#данные #модели
Карта пожаров fires.ru
Сервис “Карта пожаров” компании СКАНЭКС существует с 2010 года и показывает очаги возгораний (термоточки и их кластеры) по всему миру. Большой плюс сервиса в том, что он не ограничивается готовыми данными FIRMS (MODIS и VIIRS), а обрабатывает и добавляет свои. Идеи алгоритмов, лежащих в основе определения пожаров, описаны в справке.
Проблема в том, что пользователь открытой версии карты может на нее только смотреть. В профессиональной версии данные обновляются 4 раза в сутки, больше спутников и есть API. Понятно, что компании нужно зарабатывать деньги, но было бы очень хорошо, если бы и в открытой версии можно было скачивать данные о пожарах. Допустим, с частотой обновления один раз в сутки.
Можно посмотреть в сторону самостоятельного картирования пожаров, с помощью GEE. Там точно есть данные FIRMS и MODIS Burned Area. Если это интересно, лайкните пост.
#пожары #данные
Сервис “Карта пожаров” компании СКАНЭКС существует с 2010 года и показывает очаги возгораний (термоточки и их кластеры) по всему миру. Большой плюс сервиса в том, что он не ограничивается готовыми данными FIRMS (MODIS и VIIRS), а обрабатывает и добавляет свои. Идеи алгоритмов, лежащих в основе определения пожаров, описаны в справке.
Проблема в том, что пользователь открытой версии карты может на нее только смотреть. В профессиональной версии данные обновляются 4 раза в сутки, больше спутников и есть API. Понятно, что компании нужно зарабатывать деньги, но было бы очень хорошо, если бы и в открытой версии можно было скачивать данные о пожарах. Допустим, с частотой обновления один раз в сутки.
Можно посмотреть в сторону самостоятельного картирования пожаров, с помощью GEE. Там точно есть данные FIRMS и MODIS Burned Area. Если это интересно, лайкните пост.
#пожары #данные
”Исследования поверхностного покрова из космоса с помощью чувствительных приборов позволяют определить содержание влаги и солей в почве, установить ее химический
состав и структуру, подверженность ее воздействию зараженных болезнями растений или разрушений, вызванных насекомыми. В результате исследований с помощью искусственных спутников Земли имеется возможность провести качественный и количественный анализ поверхностного покрова, что даст достаточно полную картину химического состава почвы в определенном районе, позволит установить наличие в ней руд металлов, органических соединений и солей. Кроме того, могут быть получены данные о способностях почвы удерживать влагу и менять структуру под действием внешних условий”.
Хозин Г. С. Космос — народному хозяйству. М., «Знание», 1972. 48 с. («Новое в жизни, науке, технике». Серия «Космонавтика, астрономия», 4).
Спустя пятьдесят с лишним лет эти слова все еще остается ориентиром и целью, но не достигнутым результатом. С другой стороны, это показывает, насколько хорошо уже тогда видны были практические применения дистанционного зондирования (разумеется, это не все применения ДЗЗ, описанные в брошюре).
#история
состав и структуру, подверженность ее воздействию зараженных болезнями растений или разрушений, вызванных насекомыми. В результате исследований с помощью искусственных спутников Земли имеется возможность провести качественный и количественный анализ поверхностного покрова, что даст достаточно полную картину химического состава почвы в определенном районе, позволит установить наличие в ней руд металлов, органических соединений и солей. Кроме того, могут быть получены данные о способностях почвы удерживать влагу и менять структуру под действием внешних условий”.
Хозин Г. С. Космос — народному хозяйству. М., «Знание», 1972. 48 с. («Новое в жизни, науке, технике». Серия «Космонавтика, астрономия», 4).
Спустя пятьдесят с лишним лет эти слова все еще остается ориентиром и целью, но не достигнутым результатом. С другой стороны, это показывает, насколько хорошо уже тогда видны были практические применения дистанционного зондирования (разумеется, это не все применения ДЗЗ, описанные в брошюре).
#история
Дистанционное зондирование в археологии
Толчок применению спутниковых методов дистанционного зондирования в археологии дало рассекречивание в 1996 году снимков американских разведывательных аппаратов Key Hole, сделанных на протяжении 1960-х и в начале 1970-х годов. Эти снимки имели высокое пространственное разрешение (кратно выше, чем у доступных тогда гражданских спутников), они были дешевы (распространялись по цене сканирования с пленочного оригинала) и на них были сняты места, которые больше не существуют (застроены, распаханы, затоплены, …).
В Центре передовых пространственных технологий университета Арканзаса собрали общедоступную базу данных Corona Atlas & Referencing System из 2 214 спутниковых снимков, на которых идентифицировано 803 археологических объекта (Corona — одна из многих американских программ по созданию разведспутников).
Спутниковые снимки позволили исследовать крупномасштабные объекты и связи между ними, для оценки которых не хватало возможностей аэрофотосъемки. С помощью спутниковых данных археологи смогли искать древние объекты в труднодоступных местах, и там, где наземные работы небезопасны.
Следующим знаковым событием в “спутниковой археологии” стало появление Google Earth и других сервисов спутниковых снимков высокого разрешения. Данных стало гораздо больше. Теперь можно не только искать исторические объекты, но и следить за их сохранностью. Так, в базе данных Endangered Archaeology in the Middle East & North Africa (EAMENA) хранятся спутниковые снимки и отчеты об археологических объектах, которые находятся под угрозой.
Объединение спутниковых снимков высокого разрешения и геоинформационных технологий регулярно приносит археологические открытия. Совсем недавно, сопоставляя снимки Google Earth c объектами базе EAMENA, археологи из Оксфордского университета обнаружили в северной части Аравийской пустыни признаки трех временных лагерей римской армии, хотя письменные источники не сообщают о кампаниях в этом регионе.
На снимке показан один из найденных лагерей.
#археология #keyhole
Толчок применению спутниковых методов дистанционного зондирования в археологии дало рассекречивание в 1996 году снимков американских разведывательных аппаратов Key Hole, сделанных на протяжении 1960-х и в начале 1970-х годов. Эти снимки имели высокое пространственное разрешение (кратно выше, чем у доступных тогда гражданских спутников), они были дешевы (распространялись по цене сканирования с пленочного оригинала) и на них были сняты места, которые больше не существуют (застроены, распаханы, затоплены, …).
В Центре передовых пространственных технологий университета Арканзаса собрали общедоступную базу данных Corona Atlas & Referencing System из 2 214 спутниковых снимков, на которых идентифицировано 803 археологических объекта (Corona — одна из многих американских программ по созданию разведспутников).
Спутниковые снимки позволили исследовать крупномасштабные объекты и связи между ними, для оценки которых не хватало возможностей аэрофотосъемки. С помощью спутниковых данных археологи смогли искать древние объекты в труднодоступных местах, и там, где наземные работы небезопасны.
Следующим знаковым событием в “спутниковой археологии” стало появление Google Earth и других сервисов спутниковых снимков высокого разрешения. Данных стало гораздо больше. Теперь можно не только искать исторические объекты, но и следить за их сохранностью. Так, в базе данных Endangered Archaeology in the Middle East & North Africa (EAMENA) хранятся спутниковые снимки и отчеты об археологических объектах, которые находятся под угрозой.
Объединение спутниковых снимков высокого разрешения и геоинформационных технологий регулярно приносит археологические открытия. Совсем недавно, сопоставляя снимки Google Earth c объектами базе EAMENA, археологи из Оксфордского университета обнаружили в северной части Аравийской пустыни признаки трех временных лагерей римской армии, хотя письменные источники не сообщают о кампаниях в этом регионе.
На снимке показан один из найденных лагерей.
#археология #keyhole
Forwarded from SPUTNIX
ДИПЛОМНАЯ ПРОГРАММА SSTV🛰️
Уважаемые радиолюбители! Приглашаем вас к участию в дипломной программе SSTV со спутником ОрбиКрафт-Зоркий!
Условия: в течение 6 дней спутник будет вещать 6 (шесть) различных изображений в режиме Robot 72. Для получения диплома требуется принять и декодировать не менее 3 (трех) любых изображений. Каждое изображение должно быть получено не менее, чем на 70% и иметь приемлемое качество, должен быть различим логотип и позывной спутника.
Старт вещания: 00.00 UTC 7 мая 2023 г.
Конец вещания: 00.00 UTC 13 мая 2023 г.
Космический аппарат: ОрбиКрафт-Зоркий / OrbiCraft-Zorkiy
Позывной: RS15S
NORAD ID: 47960
Частота: 437.850
Для декодирования изображения рекомендуется воспользоваться ПО RX-SSTV или Robot36. Принятые изображения должны быть в своем исходном состоянии и разрешении.
Оформление заявки на диплом
Заявка на диплом отправляется на эл. почту [email protected] и должна содержать:
Заявки будут приниматься в течение действия программы (7-12 мая), а также сутки после окончания вещания - до 00.00 UTC 14 мая 2023 г.
Подробная информация о приеме сигналов со спутника ОрбиКрафт-Зоркий расположена по ссылкам:
P.S. Для принявших все 6 изображений в хорошем качестве будут особые призы ;)
Всем желаем удачи!
73!
Уважаемые радиолюбители! Приглашаем вас к участию в дипломной программе SSTV со спутником ОрбиКрафт-Зоркий!
Условия: в течение 6 дней спутник будет вещать 6 (шесть) различных изображений в режиме Robot 72. Для получения диплома требуется принять и декодировать не менее 3 (трех) любых изображений. Каждое изображение должно быть получено не менее, чем на 70% и иметь приемлемое качество, должен быть различим логотип и позывной спутника.
Старт вещания: 00.00 UTC 7 мая 2023 г.
Конец вещания: 00.00 UTC 13 мая 2023 г.
Космический аппарат: ОрбиКрафт-Зоркий / OrbiCraft-Zorkiy
Позывной: RS15S
NORAD ID: 47960
Частота: 437.850
Для декодирования изображения рекомендуется воспользоваться ПО RX-SSTV или Robot36. Принятые изображения должны быть в своем исходном состоянии и разрешении.
Оформление заявки на диплом
Заявка на диплом отправляется на эл. почту [email protected] и должна содержать:
• ФИО • Позывной (при наличии, если нет, указать «без позывного») • Дата и время приема (UTC) каждого изображения • Город и страна приема • Обратный адрес для отправки бумажной версии диплома (или пометка о том, что диплом можно направить в электронном виде) • Тип используемого оборудования и ПО • Принятые изображенияЗаявки будут приниматься в течение действия программы (7-12 мая), а также сутки после окончания вещания - до 00.00 UTC 14 мая 2023 г.
Подробная информация о приеме сигналов со спутника ОрбиКрафт-Зоркий расположена по ссылкам:
• Раздел сайта «Радиолюбителям» • Прием маяков CubeSat (аппараты компании “Спутникс”)P.S. Для принявших все 6 изображений в хорошем качестве будут особые призы ;)
Всем желаем удачи!
73!