Городские тепловые аномалии: 1. Подготовка

Мы собираемся картировать городские тепловые аномалии по спутниковым данным Landsat 8/9. Для этого, в первую очередь, понадобится выбрать малооблачный снимок исследуемого района.

Нас интересует город Казань. Границы городов приведены в данных geoBoundaries 2-го уровня. Чтобы не искать, как в этих данных называется Казань, применим фильтрацию по координатам. С помощью вкладки Inspector выберем на карте точку на территории Казани, скопируем ее координаты и потребуем, чтобы эта точка содержалась в границах объекта (filterBounds)

var point = ee.Geometry.Point(49.1281, 55.7936);
var bbox = point.buffer({'distance': 20}).bounds();
var ROI = ee.FeatureCollection('projects/earthengine-legacy/assets/projects/sat-io/open-datasets/geoboundaries/HPSCU-ADM2')
             .filter(ee.Filter.eq('shapeGroup', 'RUS'))
             .filterBounds(bbox);

Мы уже умеем выделять малооблачные снимки, а также маскировать облака и тени на снимках Landsat. Умеем мы и объединять коллекции снимков Landsat. Итак, объединим коллекции и выберем самый малооблачный снимок:

var l89 = l8.merge(l9)
            .map(getCloudScore)
            .filter(ee.Filter.lt('cloud', min_cloud_score))
            .map(applyScaleFactors)
            .map(maskL8sr)
            .sort('cloud');

var image = l89.first();

l8 и l9 — коллекции снимков Landsat 8 и 9. '‘cloud' — доля площади района интереса, покрытой облаками.

Вот, собственно, и все. Дальше нас ждет выделение тепловых аномалий.

Код: https://code.earthengine.google.com/6e91cd2f340f85485135a84c7af33a52

На рисунке показана карта температуры поверхности города Казань по данным Landsat 8 TIRS от 18 августа 2022 года (снимок LC08_170021_20220818), наложенная поверх композита данных Landsat 8 OLI (естественные цвета) за ту же дату.

#GEE #LST

ChatGPT справляется с заменой координат Казани на координаты Элисты в предоставленном ему фрагменте кода (var point = …). Предупреждает, что не выполняет реальных географических запросов, но “в качестве примера” дает вполне подходящие координаты.

Городские тепловые аномалии: 2. Выделение аномалий

Продолжим работу с тепловой картой Казани. Нас интересуют положительные тепловые аномалии, то есть участки поверхности, температура которых значительно выше средней по городу.

Снимок сделан летом и на нем вода заметно холоднее остальных объектов. Построим маску водных объектов water при помощи нормализованного разностного водного индекса NDWI. Заодно построим маску суши (land)

var ndwi_th = 0.1;
var land  = image.select('NDWI').lte(ndwi_th).selfMask();
var water = image.select('NDWI').gt(ndwi_th).selfMask();

Построим гистограмму температуры поверхности в границах города

var chartLST = ui.Chart.image.histogram({
  image: image.select('ST_B10'), 
  scale: 30,
  region: ROI
}).setOptions({title: 'Land + Water Surface Temperarure'});
print(chartLST);

Пик на левом краю гистограммы 1️⃣, соответствующий низким значениям температуры, — температура поверхности воды. Чтобы убедиться в этом, выделим воду при помощи маски, и построим для нее гистограмму

var chartLSTwater = ui.Chart.image.histogram({
  image: image.select('ST_B10').multiply(water), 
  scale: 30,
  region: ROI
}).setOptions({title: 'Water Surface Temperarure'});
print(chartLSTwater);

Результат показан на рисунке 2️⃣ и он подтверждает предположение, что пик в левой части гистограммы 1️⃣ относится к воде. Поскольку вода холоднее остальных объектов, а нас интересуют положительные тепловые аномалии, мы удалим воду со снимка, воспользовавшись маской land.

Перейдем к выделению тепловой аномалии. Нас интересуют участки с температурами поверхности заметно выше средней. Величину отклонения от средней температуры будем оценивать в стандартных отклонениях. Вычислим среднюю температуру поверхности (mu) и стандартное отклонение температуры (std) в границах города (ROI)

var mu = ee.Number(image.select('ST_B10').reduceRegion({
      reducer: ee.Reducer.mean(),
      geometry: ROI,
      maxPixels: 1e10
    }).get('ST_B10'));
var std = ee.Number(image.select('ST_B10').reduceRegion({
      reducer: ee.Reducer.stdDev(),
      geometry: ROI,
      maxPixels: 1e10
    }).get('ST_B10'));

Отнесем к положительной тепловой аномалии участки городской территории, температура поверхности которых удовлетворяет условию

T > mean(T) + 2 * std(T).

mean(T) — средняя температура по городу (за вычетом водных объектов); std(T) — стандартное отклонение температуры.

То есть температура в аномалии превышает среднюю более чем на два стандартных отклонения. Это не единственно возможное условие для выделения аномалии (можно, например, ограничиться одним стандартным отклонением), но это разумное условие и мы будем использовать его в качестве примера.

Маска положительной тепловой аномалии рассчитывается следующим образом

var suha = image.select('ST_B10').multiply(land).gt(mu.add(std.multiply(2))).selfMask();

Векторизуем маску тепловой аномалии

var islands = suha.reduceToVectors({
  reducer: ee.Reducer.countEvery(), 
  geometry: ROI, 
  scale: 30,
  maxPixels: 1e10
});

Тепловая карта Казани по данным Landsat 8 TIRS от 18 августа 2022 года показана на рисунке 3️⃣. Тепловые аномалии выделены на ней коричневым цветом. Отдельно они представлены на рисунке 4️⃣.

Код примера: https://code.earthengine.google.com/dfc7cf200c2eea2e85a029efeb59069f

#GEE #LST #вода

Найденные тепловые аномалии можно сохранить в Assets или на диске. Что делать с ними дальше, зависит от цели работы. Можно, например, сравнить их с аномалиями, полученными в другие периоды (весной, осенью). Можно построить временные ряды средней температуры в этих аномалиях (мы сделаем это чуть позже). Это позволит выяснить, являются аномалии постоянными или сезонными. Можно с помощью Overpass API попробовать автоматически определить, какие объекты находятся внутри аномалий.

Рассказ о тепловых аномалиях мы продолжим завтра.

Спутники дистанционного зондирования, выведенные миссией Transporter-8

12 июня 2023 г. в 21:35 UTC с авиабазы “Ванденберг” (Калифорния, США) в рамках миссии Transporter-8 выполнен пуск ракеты-носителя Falcon-9FT Block-5 (F9-232). На околоземную орбиту выведены 72 космических аппарата из 20 стран, среди них аппараты дистанционного зондирования (ДЗЗ):

* Четыре спутника ICEYE с радарами X-диапазона. Два из них войдут в основную группировку спутников компании, другие два — в группировку ICEYE US, создающуюся в интересах американских военных.
* GHOSt 3 — третий из группировки спутников гиперспектральной съемки, создаваемой компанией Orbital Sidekick. Всего группировка должна состоять из 6 аппаратов.
* Runner 1 — малый спутник оптического наблюдения Земли, принадлежащий компании ImageSat Int (Израиль). Спутник создан компанией Tyvak* и оснащен 35-см телескопом, способным делать полноцветные изображения и видео с разрешением 71 см и шириной полосы обзора 5,6 км в спектральных диапазонах 400 нм – 670 нм. Предполагается создание группировки таких спутников, которая будут иметь двойное назначение. Первый спутник группировки —Runner 1 — будет использоваться Чили под названием FASat Delta.
* Три аппарата Lemur компании Spire — спутники формата CubeSat 6U.
* Вместе с аппаратами от Spire, в пусковом контейнере разместился аппарат FOREST-2 для тепловой инфракрасной съемки, от компании OroraTech. Спутник изготовлен Spire на базе Lemur’ов.
* четыре аргентинских ÑuSat с номерами 40–43, разработанных и управляемых компанией Satellogic S.A.
* аппарат DROID.001 весом 32 кг с полезной нагрузкой для “визуализации космической обстановки”. Здесь пишут проще: разведывательный.
* GEI-SAT Precursor испанской компании Satlantis — съемка в видимом, ближнем инфракрасном (VNIR, разрешение: 1.8 метра) и коротковолновом инфракрасном (SWIR) диапазонах. Предназначен для идентификации выбросов метана. Предполагается создание группировки из трех таких спутников
* EPICHyper 2 (Dragonette 002) — второй космический аппарат формата 6U компании Wyvern, который будет вести гиперспектральную съемку земной поверхности. Как и первый, он построен компанией AAC Clyde Space.
* 4 разведывательных спутника DARPA, запущенные по программе Blackjack (серия Aces). Платформа изготовлена компанией Blue Canyon (Raytheon), четыре оптических терминала на каждом аппарате — от SA Photonics (CACI), блоки обработки данных "Pit Boss" — от компании SEAKR (Raytheon).
* ABA First Runner — индийский спутник компании Azista BST Aerospace (ABA), массой 80 кг. Сообщается, что аппарат будет вести съемку в панхроматическом и мультиспектральном режимах (VNIR, SWIR).
* UNICORN-2I — пикоспутник формата 3P PocketQube компании Alba Orbital, предполагается съемка ночных огней.
* AMATERU-III (QPS-SAR-6) — третий радарный спутник (Х-диапазона), принадлежащий iQPS (Япония). Аппараты QPS-SAR-3 и -4 были потеряны в результате аварии при пуске в октябре 2022 года. Компания iQPS известна как один из крупнейших кредиторов в заявлении о банкротстве ныне не существующей Virgin Orbit, так как уже заплатила 5 млн долларов за несостоявшийся запуск QPS-SAR-5. Надеемся, с AMATERU-III все будет хорошо. Спутник оснащен антенной диаметром 3,6 м и способен различать объекты длиной 0,7 м, в частности, идентифицировать автомобили на дороге.
* Tomorrow-R2 — второй микроспутник (первый запущен а апреле) из пары, предназначенной для мониторинга осадков. Полезная нагрузка: радар Ka-диапазона.
* микроспутник HOTSAT-1 компании Sat Vu оснащен датчиком для съемки с средневолновом инфракрасном диапазоне с разрешением 3,5 м и возможностью видеосъемки.

*Tyvak — это американская компания, дочернее подразделение Terran Orbital.

#SAR #гиперспектр #война #LST #sigint

Из не-ДЗЗ отметим:

* Varda Space Industries — новая компания, собирающаяся заняться производством в космосе, запустила аппарат W-Series 1. На нем размещен небольшой производственный модуль и капсула для возвращения в атмосферу. В конце полета спускаемая капсула приземлится в штате Юта с полученным материалом на борту. Компания Varda также заключила контракт с ВВС США на оценку использования своих капсул в качестве гиперзвукового испытательного стенда при входе в атмосферу.
* На спутнике 3U SpeiSat Итальянского космического агентства находится "нанокнига" с записями молитв, прочитанных Папой Франциском.

Модель GEOS forward processing

Наверняка за последние дни вы не раз видели подобные анимации — частицы сажи* от лесных пожаров в Квебеке (Канада) направляются в густонаселенные районы США. Мы расскажем, откуда эти анимации берутся.

Данные о саже и других загрязнениях атмосферы поступают из математической модели NASA — GEOS forward processing (GEOS-FP), которая ассимилирует данные со спутников, самолетов и наземных систем наблюдения. Анимация, которую вы видите в заголовке, построена по данным из раздела Chem Maps. Вы сами можете получить подобную, выбрав регион и интересующий параметр атмосферы. Прогноз строится на период до 10 суток.

Кроме спутниковых наблюдений за аэрозолями и пожарами, GEOS-FP включает в себя метеорологические данные, в частности, температуру воздуха, влажность и скорость ветра, что позволяет спрогнозировать поведение шлейфа дыма. Мелкие твердые частицы** в этом шлейфе могут попасть в легкие и привести к проблемам со здоровьем.

*теперь ее называют “black carbon” — черный углерод.

**так называемые PM2.5 — частицы, размером меньше 2.5 мм.

#атмосфера #данные

В глобальном масштабе канадские пожары выглядят не столь впечатляюще. Зато обнаруживаются еще два региона с сильным загрязнением сажей — юго-восточная Азия и западная Африка.

Городские “острова”

В исследованиях тепловых характеристик городских территорий чаще всего упоминаются “острова тепла”. Рассмотрим, что это такое, и какие именно “острова” можно выявить по спутниковым снимкам.

Городской остров тепла (Urban Heat Island, UHI) — метеорологическое явление, заключающееся в повышении температуры городского пространства относительно прилегающих к городу территорий. Как правило, наблюдается в крупных городах, где разность температур между островом тепла и предместьями может доходить до 10–15°C.

Итак, городской остров тепла — это про увеличение температуры в городе по сравнению с окружающей его местностью.

Тип городского острова тепла зависит от того, какая температура используется для его определения — температура воздуха или температура поверхности.

Температура воздуха измеряется в приземном слое воздуха на высоте 2 м. Температура воздуха устанавливается под влиянием нескольких механизмов передачи тепла: контактного теплообмена между поверхностью и приземным слоем воздуха, конвективного теплообмена через перемешивание теплых и холодных слоев воздуха в атмосфере (ветер), а также теплообмена излучением.

Нагретое тело, в том числе поверхность Земли, испускает электромагнитное излучение в инфракрасном диапазоне (тепловое излучение). Известен физический закон (закон Планка), позволяющий определить температуру тела по величине испускаемой им энергии для заданной длины волны излучения. Таким образом можно установить температуру земной поверхности (Land Surface Temperature, LST).* Подробнее об этом смотрите здесь.

Если для выделения острова тепла служит температура воздуха, то говорят просто об острове тепла. Если же измеряется температура поверхности, то остров тепла называют поверхностным (Surface Urban Heat Island, SUHI).

Спутниковые радиометры измеряют температуру поверхности суши или воды, по принятому от этих поверхностей электромагнитному излучению. Поэтому спутниковыми (дистанционными) методами изучаются только поверхностные острова тепла. Их можно рассматривать как приближение к обычным островам тепла, а можно — как отдельный объект исследований. Надо только иметь в виду, что это хоть и близкие, но разные вещи.

У городских островов тепла есть двойник — городские острова холода. Для температуры поверхности это — Surface Urban Cool Island (SUCI). Внимания в литературе им уделяют гораздо меньше. чем островам тепла. Но они не менее важны, особенно в наших широтах.

Часто, когда говорят о городских островах тепла или холода, на самом деле имеют в виду участки, особенно нагретые или охлажденные по сравнению с остальной городской территорией, а не с пригородами. Такие участки лучше называть городскими тепловыми аномалиями — положительными или отрицательными. И снова — дистанционными методами изучаются только поверхностные тепловые аномалии.

Летом положительные тепловые аномалии доставляют неудобства, но зимой могут быть полезны и приятны. То же самое касается отрицательных тепловых аномалий. Восприятие аномалий и их роль в городской среде меняются в течение года. Для стран со стабильно жарким климатом окраска домов в белый цвет полезна, так как обеспечивает максимальное отражение энергии. Но этот рецепт точно не подойдет там, где полгода стоят морозы.

В целом, городские тепловые аномалии — это про энергию. Собственную энергию, как у промышленных предприятий, или отраженную — как у открытых парковок. Для создания комфортной городской среды эту энергию нужно грамотно перераспределять, но это уже совсем другая история.


*Простого перехода от температуры поверхности к температуре воздуха (и наоборот) не существует.

#основы #LST #город

Городские тепловые аномалии: 3. Сезонные различия

Рассмотрим, как изменяются городские тепловые аномалии в течение года. На снимке 1️⃣, сделанном Landsat 8 2 марта 2022 года, почти вся территория Казани покрыта снегом. Но улицы убирают: на тепловой карте 2️⃣ хорошо видны широкие улицы и проспекты, нагретые солнечным теплом. Разглядеть узкие улицы не позволяет 100 метровое разрешение прибора TIRS.

Положительные тепловые аномалии 3️⃣ в снежный период существенно отличаются от летних. Кроме постоянных источников тепла — промышленных предприятий — они связаны с очищенными от снега искусственными поверхностями: асфальтом, бетоном и т. п.

Отрицательные тепловые аномалии рассчитываются аналогично положительным, по формуле

T < mean(T) - 2 * std(T)

mean(T), std(T) — средняя температура и стандартное отклонение температуры в районе интереса (границах Казани).

В марте отрицательные тепловые аномалии 4️⃣ наблюдаются у открытых полей, расположенных на окраинах города.

Код (март 2022 года): https://code.earthengine.google.com/4e0146fe94869c3aa3077d20d29bdecd

Достаточно малооблачного снимка за апрель-май 2022 года нам получить не удалось, поэтому воспользуемся снимком, сделанным Landsat 8 15 апреля 2023 года. Тепловая карта показана на рисунке 5️⃣. Тепловые аномалии снова изменились. Улицы и проспекты уже не являются положительными аномалиями 6️⃣, как в заснеженный период. Неизменно аномально нагретыми остаются промышленные предприятия. Отрицательными аномалиями 7️⃣ являются волжские острова — там в это время года прохладнее всего.

Код (апрель 2023 года): https://code.earthengine.google.com/15737df129a39b99b4778fb9956d4d03

#GEE #LST