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!
Закрыта сделка по приобретению Maxar
3 мая закрыта сделка по приобретению Maxar Technologies за 6,4 млрд долларов. Maxar Technologies приобретена американской частной инвестиционной компанией Advent International и миноритарным инвестором British Columbia Investment Management Corp. Компания остается полностью американской.
Компания Maxar управляет группировкой спутников для съемки изображений высокого разрешения и производит спутники на заводе в Пало-Альто, штат Калифорния.
3 мая закрыта сделка по приобретению Maxar Technologies за 6,4 млрд долларов. Maxar Technologies приобретена американской частной инвестиционной компанией Advent International и миноритарным инвестором British Columbia Investment Management Corp. Компания остается полностью американской.
Компания Maxar управляет группировкой спутников для съемки изображений высокого разрешения и производит спутники на заводе в Пало-Альто, штат Калифорния.
В сельском хозяйстве есть множество задач, для решения которых используются методы дистанционного зондирования. Но даже одна задача решается разными способами, в зависимости от региона, его климата, рельефа, типов почв, вида сельскохозяйственной культуры и агротехники. И все это при условии возможности наблюдения и доступе к данным нужного разрешения. Чтобы не быть голословными, посмотрим, как выглядят сельскохозяйственные поля в разных районах Земли. Все снимки взяты в одинаковом масштабе: в SASPlanet это — zoom=15 или z15.
1️⃣ Поля в Курской области (Россия). Балки и овраги — типичные для Курской области формы рельефа, — возникли в результате размыва почвы текучими водами. Нередко, по местами заболоченному дну балок тянутся русла ручейков, большинство из которых летом пересыхает. Дно и склоны балок покрыты дерном, что делает их довольно устойчивыми к эрозии. В отличие от балок, у оврагов дно и склоны не задернованы, и подвержены эрозии. Овраги иссушают местность, понижают уровень грунтовых вод, заставляя воду после дождя сбегать в реку, не давая ей просочиться в почву. Обычно вблизи населенных пунктов количество балок и оврагов возрастает. Здесь сильнее уничтожается растительность, сильнее распахиваются склоны, и поэтому усиливается размыв. Борьба с эрозией постоянно на повестке дня агрономов и мелиораторов.
2️⃣ Фермы на польдере (Бельгия). Польдером называют осушенный и возделанный низменный участок побережья, часто ниже уровня моря. Поэтому польдеры защищают от окружающих водоемов валами и дамбами. Уровень грунтовых вод в польдерах регулируется дренажными устройствами, часто с машинной откачкой воды. Польдеры отличаются высоким плодородием. 3️⃣ На укрупненном фрагменте снимка (z20) видны пасущиеся коровы.
#снимки #сельхоз
1️⃣ Поля в Курской области (Россия). Балки и овраги — типичные для Курской области формы рельефа, — возникли в результате размыва почвы текучими водами. Нередко, по местами заболоченному дну балок тянутся русла ручейков, большинство из которых летом пересыхает. Дно и склоны балок покрыты дерном, что делает их довольно устойчивыми к эрозии. В отличие от балок, у оврагов дно и склоны не задернованы, и подвержены эрозии. Овраги иссушают местность, понижают уровень грунтовых вод, заставляя воду после дождя сбегать в реку, не давая ей просочиться в почву. Обычно вблизи населенных пунктов количество балок и оврагов возрастает. Здесь сильнее уничтожается растительность, сильнее распахиваются склоны, и поэтому усиливается размыв. Борьба с эрозией постоянно на повестке дня агрономов и мелиораторов.
2️⃣ Фермы на польдере (Бельгия). Польдером называют осушенный и возделанный низменный участок побережья, часто ниже уровня моря. Поэтому польдеры защищают от окружающих водоемов валами и дамбами. Уровень грунтовых вод в польдерах регулируется дренажными устройствами, часто с машинной откачкой воды. Польдеры отличаются высоким плодородием. 3️⃣ На укрупненном фрагменте снимка (z20) видны пасущиеся коровы.
#снимки #сельхоз
4️⃣ Северная Польша. Мелкая частная собственность на землю сохранялась и в годы существования Польской Народной Республики. Поэтому, вместо объединения участков отдельных семей в большое колхозное поле, они так и остались отдельными, а значит малыми по площади. Теперь это создает проблемы для специалистов в области дистанционного зондирования, так как для картирования таких полей пространственного разрешения общедоступных данных Sentinel-2 (10 метров) уже не хватит.
5️⃣ Огромные поля в Акмолинской области на севере Казахстана — бывшие целинные земли, имеют сложный рельеф со следами ветровой и эрозии эрозии. Выращивают на низ, в основном, яровые зерновые культуры. 6️⃣ На укрупненном фрагменте снимка (z17) — следы комбайна на убранном поле. Видно, как непросто комбайнеру справляться со сложным рельефом поля. И так — год за годом.
7️⃣ Зеленые хлопковые и пшеничные поля на территории Мургабского оазиса в Марыйской области Туркменистана. Люди жили здесь издавна. Современный областной центр Мары назван в честь древнего Мерва, расположенного всего в нескольких десятках километрах. Внизу на снимке виден Каракумский канал. 8️⃣ На обзорном снимке (z10) оазис заметно выделяется зеленым цветом на фоне сплошной желтизны пустыни. Он расположен в дельте реки Мургаб, берущей свое начало в горах Афганистана. С запада к оазису подходит Каракумский канал.
#снимки #сельхоз
5️⃣ Огромные поля в Акмолинской области на севере Казахстана — бывшие целинные земли, имеют сложный рельеф со следами ветровой и эрозии эрозии. Выращивают на низ, в основном, яровые зерновые культуры. 6️⃣ На укрупненном фрагменте снимка (z17) — следы комбайна на убранном поле. Видно, как непросто комбайнеру справляться со сложным рельефом поля. И так — год за годом.
7️⃣ Зеленые хлопковые и пшеничные поля на территории Мургабского оазиса в Марыйской области Туркменистана. Люди жили здесь издавна. Современный областной центр Мары назван в честь древнего Мерва, расположенного всего в нескольких десятках километрах. Внизу на снимке виден Каракумский канал. 8️⃣ На обзорном снимке (z10) оазис заметно выделяется зеленым цветом на фоне сплошной желтизны пустыни. Он расположен в дельте реки Мургаб, берущей свое начало в горах Афганистана. С запада к оазису подходит Каракумский канал.
#снимки #сельхоз
Стартап Nuview планирует создание коммерческой спутниковой группировки для лидарной съемки Земли
Новая компания Nuview заявила о планах по созданию первой коммерческой группировки спутников для лидарной съемки земной поверхности.
Лидар (LiDAR — от Light Detection and Ranging) измеряет расстояния при помощи лазерного импульса, формируя трехмерную модель наблюдаемой поверхности. Сейчас только 5% суши покрыто измерениями лидаров самолетного базирования. Космических лидаров всего два — ICESat-2 и GEDI. Последний размещен на борту МКС и, возможно, завершит работу уже в этом году. Снимки нынешних космических лидаров имеют низкое пространственное разрешение и, по сути, являются двухмерными.
Nuview планирует создать группировку из 20 спутников. Запуск первых спутников ориентировочно состоится через 24–36 месяцев. Компания планирует запускать спутники группами по пять штук.
Nuview собирается полностью покрыть поверхность Земли трехмерными данными лидарной съемки и обновлять эту карту ежегодно. Компания заявила, что у нее есть контракты с заказчиками на сумму 1,2 млрд долларов.
Трудно сказать, что-там будет с космическими лидарами, но в рекламу Nuview умеет: Via Satellite, Payload, TechCrunch опубликовали новость о ней почти синхронно. Компании предстоит изрядно расширится, чтобы достигнуть своих целей — сейчас в штате всего 21 сотрудник.
#лидар
Новая компания Nuview заявила о планах по созданию первой коммерческой группировки спутников для лидарной съемки земной поверхности.
Лидар (LiDAR — от Light Detection and Ranging) измеряет расстояния при помощи лазерного импульса, формируя трехмерную модель наблюдаемой поверхности. Сейчас только 5% суши покрыто измерениями лидаров самолетного базирования. Космических лидаров всего два — ICESat-2 и GEDI. Последний размещен на борту МКС и, возможно, завершит работу уже в этом году. Снимки нынешних космических лидаров имеют низкое пространственное разрешение и, по сути, являются двухмерными.
Nuview планирует создать группировку из 20 спутников. Запуск первых спутников ориентировочно состоится через 24–36 месяцев. Компания планирует запускать спутники группами по пять штук.
Nuview собирается полностью покрыть поверхность Земли трехмерными данными лидарной съемки и обновлять эту карту ежегодно. Компания заявила, что у нее есть контракты с заказчиками на сумму 1,2 млрд долларов.
Трудно сказать, что-там будет с космическими лидарами, но в рекламу Nuview умеет: Via Satellite, Payload, TechCrunch опубликовали новость о ней почти синхронно. Компании предстоит изрядно расширится, чтобы достигнуть своих целей — сейчас в штате всего 21 сотрудник.
#лидар
EO College
EO College (сайт, YouTube) — это онлайн-платформа для обучения всему, что связано с наблюдением Земли, дистанционным зондированием и обработкой изображений. Разработана Университетом Фридриха Шиллера в Йене (Германия).
Обучение разбито на курсы. Сейчас основные курсы: Towards Zero Hunger, Land in Focus, Hyperspectral Remote Sensing, Radar Remote Sensing. Каждый курс разбит на тематические модули, по несколько занятий. Записываться можно на отдельные модули. В конце курса желающие могут получить сертификат.
Занятия построены традиционно для онлайн-обучения: есть теоретический материал (текст с иллюстрациями и видео), который надо изучить, и тесты, которые нужно пройти.
Важно, что все лекции очень качественные и емкие. Материал рассчитан на обучение с нуля, но возможность выбирать модули позволяет сразу перейти на нужный вам уровень изложения. Есть материалы, посвященные физике получения изображения, что особенно полезно при изучении радарной съемки. Показана обработка данных различными инструментами: GEE, SNAP и другими.
В разделе Resources объединены обучающие материалы не только EO College, но и NASA ARSET и даже SAR EDU —предшественника EO College, с отличными лекциями по обработке радарных данных 2015–2017 годов.
#обучение
EO College (сайт, YouTube) — это онлайн-платформа для обучения всему, что связано с наблюдением Земли, дистанционным зондированием и обработкой изображений. Разработана Университетом Фридриха Шиллера в Йене (Германия).
Обучение разбито на курсы. Сейчас основные курсы: Towards Zero Hunger, Land in Focus, Hyperspectral Remote Sensing, Radar Remote Sensing. Каждый курс разбит на тематические модули, по несколько занятий. Записываться можно на отдельные модули. В конце курса желающие могут получить сертификат.
Занятия построены традиционно для онлайн-обучения: есть теоретический материал (текст с иллюстрациями и видео), который надо изучить, и тесты, которые нужно пройти.
Важно, что все лекции очень качественные и емкие. Материал рассчитан на обучение с нуля, но возможность выбирать модули позволяет сразу перейти на нужный вам уровень изложения. Есть материалы, посвященные физике получения изображения, что особенно полезно при изучении радарной съемки. Показана обработка данных различными инструментами: GEE, SNAP и другими.
В разделе Resources объединены обучающие материалы не только EO College, но и NASA ARSET и даже SAR EDU —предшественника EO College, с отличными лекциями по обработке радарных данных 2015–2017 годов.
#обучение
Картирование вечнозеленых лесов с пространственным разрешением 10 метров
В работе Li et al. Mapping evergreen forests using new phenology index, time series Sentinel-1/2 and Google Earth Engine (2023) построены карты вечнозеленых лесов тестового района Китая с пространственным разрешением 10 метров.
1) Составлена карта типов земного покрова, чтобы получить из нее маску леса.
2) Для леса был рассчитан новый фенологический индекс: NDVI_max –NDVI_winter_max (NDVI_max — максимальный годовой NDVI, NDVI_winter_max — максимальный NDVI в зимний период), чтобы отделить вечнозеленые леса от листопадных.
3) При помощи нового индекса из карты (маски) леса были выделены вечнозеленые леса. Вся обработка данных Sentinel-1/2 и построение карт выполнена в GEE.
Показатели точности обеих карт очень хорошие. Правда, дело происходит в Китае, так что влияние снега, скорее всего, было незначительным.
#лес #GEE
В работе Li et al. Mapping evergreen forests using new phenology index, time series Sentinel-1/2 and Google Earth Engine (2023) построены карты вечнозеленых лесов тестового района Китая с пространственным разрешением 10 метров.
1) Составлена карта типов земного покрова, чтобы получить из нее маску леса.
2) Для леса был рассчитан новый фенологический индекс: NDVI_max –NDVI_winter_max (NDVI_max — максимальный годовой NDVI, NDVI_winter_max — максимальный NDVI в зимний период), чтобы отделить вечнозеленые леса от листопадных.
3) При помощи нового индекса из карты (маски) леса были выделены вечнозеленые леса. Вся обработка данных Sentinel-1/2 и построение карт выполнена в GEE.
Показатели точности обеих карт очень хорошие. Правда, дело происходит в Китае, так что влияние снега, скорее всего, было незначительным.
#лес #GEE
Оценка пройденной огнем площади по данным Sentinel-2
Воздействие огня приводит к гибели или к изменению физиологических характеристик растений, что, в частности, выражается в снижении содержания влаги и концентрации хлорофилла. Спектральная отражательная способность поврежденных участков сильнее всего изменяется в ближнем ИК-диапазоне (NIR) и в среднем ИК-диапазоне (SWIR). На этих особенностях отражения основан вегетационный индекс Normalized Burn Ratio (NBR), который служит для выделения поврежденных огнем участков растительности.
Для Sentinel-2 NBR рассчитывается по формуле:
NBR = (NIR - SWIR2)/(NIR + SWIR2) = (B8 - B12)/(B8 - B12).
Высокие положительные значения NBR (NIR > SWIR2) указывают на здоровую растительность, отрицательные (NIR < SWIR2) — на голую землю и недавно выгоревшие участки.
Оценка повреждений растительности (burn severity) выполняется по ∆NBR (или dNBR) — разности между NBR до и после пожара
dNBR = PrefireNBR - PostfireNBR.
Более высокие значения dNBR указывают на более серьезные повреждения, тогда как участки с отрицательными значениями dNBR могут свидетельствовать о восстановлении растительности после пожара. Шкалу для оценки burn severity можно взять здесь.
Вместо канала B8, при расчете NBR по данным Sentinel-2 можно использовать более узкий канал B8A.
Источник рисунка.
Воздействие огня приводит к гибели или к изменению физиологических характеристик растений, что, в частности, выражается в снижении содержания влаги и концентрации хлорофилла. Спектральная отражательная способность поврежденных участков сильнее всего изменяется в ближнем ИК-диапазоне (NIR) и в среднем ИК-диапазоне (SWIR). На этих особенностях отражения основан вегетационный индекс Normalized Burn Ratio (NBR), который служит для выделения поврежденных огнем участков растительности.
Для Sentinel-2 NBR рассчитывается по формуле:
NBR = (NIR - SWIR2)/(NIR + SWIR2) = (B8 - B12)/(B8 - B12).
Высокие положительные значения NBR (NIR > SWIR2) указывают на здоровую растительность, отрицательные (NIR < SWIR2) — на голую землю и недавно выгоревшие участки.
Оценка повреждений растительности (burn severity) выполняется по ∆NBR (или dNBR) — разности между NBR до и после пожара
dNBR = PrefireNBR - PostfireNBR.
Более высокие значения dNBR указывают на более серьезные повреждения, тогда как участки с отрицательными значениями dNBR могут свидетельствовать о восстановлении растительности после пожара. Шкалу для оценки burn severity можно взять здесь.
Вместо канала B8, при расчете NBR по данным Sentinel-2 можно использовать более узкий канал B8A.
Источник рисунка.