Геометрические особенности радарных снимков: смещения рельефа
Cмещение рельефа на радарных снимках является одномерным и перпендикулярно направлению полета. Направление смещения рельефа на радарных снимках противоположно тому, что наблюдается на оптических (рисунок 1️⃣). Это связано с тем, что на радарных снимках отображаются расстояния от особенностей рельефа до антенны. Когда вертикальный объект встречается с импульсом сигнала радара, вершина объекта может достигаться раньше, чем его основание. Соответственно, обратные сигналы от вершины вертикального объекта достигают антенны радара раньше, чем сигналы от основания объекта. Это приводит к тому, что вертикальный объект "накладывается" (lay over) на более близкие объекты, создавая впечатление, будто он наклонен к надиру.
Склоны местности, обращенные к антенне и находящиеся вблизи радара, часто отображаются на снимке с эффектом наложения (layover): при достаточно большом уклоне, верхняя часть склона отображается раньше его нижней части. Этому условию отвечает пирамида 1 на рисунке 2️⃣. Эта пирамида расположена вблизи радара, и сигнал приходит к ней под очень крутым углом падения. Эффект наложения наиболее выражен при малых расстояниях между радаром и объектом, и при крутых углах падения.
Когда рельеф и/или угол падения становятся более пологими, наложение сменяется сокращением. На рисунке 2️⃣, по мере удаления пирамиды от радара, импульс радара сначала достигает основания объекта одновременно с его вершиной, а затем раньше, чем вершины. Тем не менее, склоны пирамид, обращенные к радару, выглядят сжатыми, по сравнению со склонами с противоположной стороны. Это и есть эффект сокращения (foreshortening) — разновидность искажений рельефа, менее серьезная, чем наложение.
На рисунке 2️⃣ правая сторона каждой пирамиды обращена в противоположную от антенны радара сторону. В случае пирамиды 1 крутизна склона меньше угла падения, и поэтому правая сторона все равно будет освещена радарным импульсом. Однако эта освещенность будет слабой, а значит слабыми будут и отраженные сигналы. В результате, этот склон будет выглядеть на снимке более темным, чем склон со стороны радара. В случае пирамиды 4, расположенной дальше всего от радара, наклон ее правой стороны круче, чем угол падения радарного импульса. В результате, сигналы не попадут на нее и она будет казаться абсолютно черной. Это и есть эффект радарной тени. Эта пирамида будет отбрасывать радарную тень на область, простирающуюся дальше в направлении от радара. Длина затененной области увеличивается с ростом расстояния от радара из-за все более пологого угла падения.
Указанные геометрические эффекты отчетливо видны на радарном снимке холмистой местности вокруг плотины “Три ущелья” на реке Янцзы в Китае (рисунок 3️⃣). Радар расположен слева, так что склоны с этой стороны ярче освещены и кажутся наклоненными в сторону радара. Склоны с противоположной стороны выглядят более темными и вытянутыми. Тот же эффект наблюдается на рисунке 4️⃣ — радарном снимке западного побережья острова Ванкувер в Британской Колумбии (Канада). Трасса спутника находится слева от снимка. Кроме того, на снимке заметен эффект наложения из-за относительно крутого угла падения радарного сигнала и гористой местности.
Как видно, существует связь между смещением рельефа и затенением. Радарные снимки, полученные под крутыми углами падения, будут иметь сильное сокращение и наложение, но незначительное затенение. Напротив, снимки, полученные под более пологими углами падения, будут иметь меньшее смещение рельефа, но большую область радарной тени.
Искажения масштаба и смещения рельефа в значительной степени сокращаются после соответствующей обработки радарных снимков.
#SAR #основы
Cмещение рельефа на радарных снимках является одномерным и перпендикулярно направлению полета. Направление смещения рельефа на радарных снимках противоположно тому, что наблюдается на оптических (рисунок 1️⃣). Это связано с тем, что на радарных снимках отображаются расстояния от особенностей рельефа до антенны. Когда вертикальный объект встречается с импульсом сигнала радара, вершина объекта может достигаться раньше, чем его основание. Соответственно, обратные сигналы от вершины вертикального объекта достигают антенны радара раньше, чем сигналы от основания объекта. Это приводит к тому, что вертикальный объект "накладывается" (lay over) на более близкие объекты, создавая впечатление, будто он наклонен к надиру.
Склоны местности, обращенные к антенне и находящиеся вблизи радара, часто отображаются на снимке с эффектом наложения (layover): при достаточно большом уклоне, верхняя часть склона отображается раньше его нижней части. Этому условию отвечает пирамида 1 на рисунке 2️⃣. Эта пирамида расположена вблизи радара, и сигнал приходит к ней под очень крутым углом падения. Эффект наложения наиболее выражен при малых расстояниях между радаром и объектом, и при крутых углах падения.
Когда рельеф и/или угол падения становятся более пологими, наложение сменяется сокращением. На рисунке 2️⃣, по мере удаления пирамиды от радара, импульс радара сначала достигает основания объекта одновременно с его вершиной, а затем раньше, чем вершины. Тем не менее, склоны пирамид, обращенные к радару, выглядят сжатыми, по сравнению со склонами с противоположной стороны. Это и есть эффект сокращения (foreshortening) — разновидность искажений рельефа, менее серьезная, чем наложение.
На рисунке 2️⃣ правая сторона каждой пирамиды обращена в противоположную от антенны радара сторону. В случае пирамиды 1 крутизна склона меньше угла падения, и поэтому правая сторона все равно будет освещена радарным импульсом. Однако эта освещенность будет слабой, а значит слабыми будут и отраженные сигналы. В результате, этот склон будет выглядеть на снимке более темным, чем склон со стороны радара. В случае пирамиды 4, расположенной дальше всего от радара, наклон ее правой стороны круче, чем угол падения радарного импульса. В результате, сигналы не попадут на нее и она будет казаться абсолютно черной. Это и есть эффект радарной тени. Эта пирамида будет отбрасывать радарную тень на область, простирающуюся дальше в направлении от радара. Длина затененной области увеличивается с ростом расстояния от радара из-за все более пологого угла падения.
Указанные геометрические эффекты отчетливо видны на радарном снимке холмистой местности вокруг плотины “Три ущелья” на реке Янцзы в Китае (рисунок 3️⃣). Радар расположен слева, так что склоны с этой стороны ярче освещены и кажутся наклоненными в сторону радара. Склоны с противоположной стороны выглядят более темными и вытянутыми. Тот же эффект наблюдается на рисунке 4️⃣ — радарном снимке западного побережья острова Ванкувер в Британской Колумбии (Канада). Трасса спутника находится слева от снимка. Кроме того, на снимке заметен эффект наложения из-за относительно крутого угла падения радарного сигнала и гористой местности.
Как видно, существует связь между смещением рельефа и затенением. Радарные снимки, полученные под крутыми углами падения, будут иметь сильное сокращение и наложение, но незначительное затенение. Напротив, снимки, полученные под более пологими углами падения, будут иметь меньшее смещение рельефа, но большую область радарной тени.
Искажения масштаба и смещения рельефа в значительной степени сокращаются после соответствующей обработки радарных снимков.
#SAR #основы
1️⃣ Смещение рельефа на радарных и оптических снимках.
2️⃣ Смещение рельефа и затенение на радарных изображениях. (a) Связь между дальностью и углом падения. (b) Взаимодействие склона с волновым фронтом падающего излучения. (c) Внешний вид полученного изображения, показывающий яркость и геометрические характеристики. Обратите внимание на различия в выраженности смещения рельефа — от наложения (пирамида 1) до небольшого сокращения (пирамида 4). (d) Увеличение длины теней при пологих углах падения. Обратите внимание на отсутствие теней у пирамиды 1 и длинную тень у пирамиды 4.
3️⃣ На снимке TerraSAR-X изображена плотина “Три ущелья” на реке Янцзы (Китай).
4️⃣ Снимок радара ERS-1: остров Ванкувер в канадской провинции Британская Колумбия.
5️⃣ Основные геометрические искажения на радарных снимках и их зависимость от геометрии съемки: (a) сокращение (foreshortening), (b) наложение (layover) и (c) тень (shadow).
Источник рисунков 1️⃣–4️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
Источник рисунка 5️⃣: The Synthetic Aperture Radar (SAR) Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, SERVIR, 2019. Chapter 2.
2️⃣ Смещение рельефа и затенение на радарных изображениях. (a) Связь между дальностью и углом падения. (b) Взаимодействие склона с волновым фронтом падающего излучения. (c) Внешний вид полученного изображения, показывающий яркость и геометрические характеристики. Обратите внимание на различия в выраженности смещения рельефа — от наложения (пирамида 1) до небольшого сокращения (пирамида 4). (d) Увеличение длины теней при пологих углах падения. Обратите внимание на отсутствие теней у пирамиды 1 и длинную тень у пирамиды 4.
3️⃣ На снимке TerraSAR-X изображена плотина “Три ущелья” на реке Янцзы (Китай).
4️⃣ Снимок радара ERS-1: остров Ванкувер в канадской провинции Британская Колумбия.
5️⃣ Основные геометрические искажения на радарных снимках и их зависимость от геометрии съемки: (a) сокращение (foreshortening), (b) наложение (layover) и (c) тень (shadow).
Источник рисунков 1️⃣–4️⃣: Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
Источник рисунка 5️⃣: The Synthetic Aperture Radar (SAR) Handbook: Comprehensive Methodologies for Forest Monitoring and Biomass Estimation, SERVIR, 2019. Chapter 2.
Радиометрические особенности радарных данных: спекл
В отличие от оптических снимков, радарные снимки покрыты зернистым узором, напоминающим шум "соль и перец" (рисунок 1️⃣). Этот, кажущийся случайным, рисунок из более ярких и более темных пикселей на снимке называется “спекл” или “спекл-шум”. В той или иной степени, он содержится на любом радарном снимке. На рисунке 2️⃣ показан снимок авиационного радара с разрешением 25 см. Кажется, что спекла на нем нет, но, увеличив небольшой фрагмент снимка, мы снова обнаруживаем спекл (рисунок 3️⃣). Спекл является результатом интерференции множества сигналов, отраженных в пределах одного пикселя земной поверхности.
Передаваемые радаром волны имеют практически одну и ту же частоту, то есть являются когерентными. Спекл возникает, благодаря суммированию множества когерентных сигналов, отраженных в пределах одного пикселя, то есть благодаря интерференции* отраженных сигналов. Два параллелограмма на рисунке 4️⃣ показывают распределение отражателей в каждом пикселе и результирующие значения амплитуды и фазы сигнала. Из-за случайного распределения отражателей, результирующая интенсивность и фаза изменяются от пикселя к пикселю (демонстрируя экспоненциальное и равномерное распределение, соответственно). Спекл появляется в областях с распределенными рассеивателями, где длина волны радара сопоставима с шероховатостью поверхности.
У оптических сенсоров спекла не наблюдается, поскольку эти сенсоры принимают некогерентное излучение, то есть излучение с беспорядочным набором волн разных частот.
Спекл отличается от большинства других источников шума тем, что зависит от яркости снимка. Для уменьшения спекла предложено много различных методов фильтрации изображений (простейший: замена значения пикселя усредненным значением соседних пикселей), но полностью устранить его невозможно.
Спекл затрудняет идентификацию объектов на снимках. Например, слева на рисунке 5️⃣ показана сетка из 24 пикселей, представляющая участок местности с равномерно темной линейной чертой, пересекающей равномерно светлый фон — дорогой. Из-за спекла, на полученном радарном снимке мы увидим картинку, похожую на изображенную на рисунке 5️⃣ справа.
Важно понимать, что вариации обратного рассеяния при спекле являются не случайным шумом, а результатом субпиксельной геометрии и параметров съемки. Если два снимка получены с одной и той же позиции, с одинаковой длиной волны и поляризацией, и с одинаковыми условиями на поверхности, то картина спеклов на этих снимках будет сильно коррелировать. Эта особенность применяется в радарной интерферометрии.
Есть и еще один интересный момент, связанный с интерференцией. Если в районе съемки располагаться объект, излучающий волны с частотой, близкой к частоте спутникового радара, то между сигналами радара и объекта возникнет интерференция, и на радарном снимке появятся помехи. Впрочем, это совсем другая история)
*Кратчайшее видео про интерференцию.
#SAR #основы
В отличие от оптических снимков, радарные снимки покрыты зернистым узором, напоминающим шум "соль и перец" (рисунок 1️⃣). Этот, кажущийся случайным, рисунок из более ярких и более темных пикселей на снимке называется “спекл” или “спекл-шум”. В той или иной степени, он содержится на любом радарном снимке. На рисунке 2️⃣ показан снимок авиационного радара с разрешением 25 см. Кажется, что спекла на нем нет, но, увеличив небольшой фрагмент снимка, мы снова обнаруживаем спекл (рисунок 3️⃣). Спекл является результатом интерференции множества сигналов, отраженных в пределах одного пикселя земной поверхности.
Передаваемые радаром волны имеют практически одну и ту же частоту, то есть являются когерентными. Спекл возникает, благодаря суммированию множества когерентных сигналов, отраженных в пределах одного пикселя, то есть благодаря интерференции* отраженных сигналов. Два параллелограмма на рисунке 4️⃣ показывают распределение отражателей в каждом пикселе и результирующие значения амплитуды и фазы сигнала. Из-за случайного распределения отражателей, результирующая интенсивность и фаза изменяются от пикселя к пикселю (демонстрируя экспоненциальное и равномерное распределение, соответственно). Спекл появляется в областях с распределенными рассеивателями, где длина волны радара сопоставима с шероховатостью поверхности.
У оптических сенсоров спекла не наблюдается, поскольку эти сенсоры принимают некогерентное излучение, то есть излучение с беспорядочным набором волн разных частот.
Спекл отличается от большинства других источников шума тем, что зависит от яркости снимка. Для уменьшения спекла предложено много различных методов фильтрации изображений (простейший: замена значения пикселя усредненным значением соседних пикселей), но полностью устранить его невозможно.
Спекл затрудняет идентификацию объектов на снимках. Например, слева на рисунке 5️⃣ показана сетка из 24 пикселей, представляющая участок местности с равномерно темной линейной чертой, пересекающей равномерно светлый фон — дорогой. Из-за спекла, на полученном радарном снимке мы увидим картинку, похожую на изображенную на рисунке 5️⃣ справа.
Важно понимать, что вариации обратного рассеяния при спекле являются не случайным шумом, а результатом субпиксельной геометрии и параметров съемки. Если два снимка получены с одной и той же позиции, с одинаковой длиной волны и поляризацией, и с одинаковыми условиями на поверхности, то картина спеклов на этих снимках будет сильно коррелировать. Эта особенность применяется в радарной интерферометрии.
Есть и еще один интересный момент, связанный с интерференцией. Если в районе съемки располагаться объект, излучающий волны с частотой, близкой к частоте спутникового радара, то между сигналами радара и объекта возникнет интерференция, и на радарном снимке появятся помехи. Впрочем, это совсем другая история)
*Кратчайшее видео про интерференцию.
#SAR #основы
1️⃣ На снимке ERS-1 изображены сельскохозяйственные поля, границы которых мешает разглядеть спекл-шум.
2️⃣ Снимок авиационного радара F-SAR (Х-диапазон) с разрешением 25 см.
3️⃣ Увеличенный фрагмент снимка 2️⃣ помогает разглядеть присутствие спекл-шума.
4️⃣ Схема формирования спекла на радарных снимках.
5️⃣ Изображение объекта на снимке без спекла (слева) и со спеклом (справа).
Источники рисунков:
1️⃣–3️⃣ Marwan Younis. Synthetic Aperture Radar (SAR): Principles and Applications, DLR, 2015.
4️⃣ Moreira A. et al. A Tutorial on Synthetic Aperture Radar, 2013.
5️⃣ Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
2️⃣ Снимок авиационного радара F-SAR (Х-диапазон) с разрешением 25 см.
3️⃣ Увеличенный фрагмент снимка 2️⃣ помогает разглядеть присутствие спекл-шума.
4️⃣ Схема формирования спекла на радарных снимках.
5️⃣ Изображение объекта на снимке без спекла (слева) и со спеклом (справа).
Источники рисунков:
1️⃣–3️⃣ Marwan Younis. Synthetic Aperture Radar (SAR): Principles and Applications, DLR, 2015.
4️⃣ Moreira A. et al. A Tutorial on Synthetic Aperture Radar, 2013.
5️⃣ Lillesand T.M., Kiefer R.W., Chipman J. Remote Sensing and Image Interpretation (7th edition), Wiley, 2015. Chapter 6.
Итоги запуска 27 июня
Все больше становится компаний, получивших успешный опыт создания спутниковых платформ:
* СПУТНИКС, Москва — десятки успешных запусков
* "Нилакт ДОСААФ", Калуга
* “СТЦ”, Санкт-Петербург
* Самарский национальный исследовательский университет имени академика С.П. Королева
* МГТУ им. Н.Э. Баумана
* “Нейро-Мастер”, Сочи
* “Геоскан”, Санкт-Петербург
* ОКБ "Пятое поколение", Новосибирск
* Юго-западный государственный университет, Курск
* Белорусский государственный университет, Минск
Успешно отработали пусковые контейнеры “Аэроспейс Кэпитал”. На счету компании уже 54 выпущенных из их контейнеров CubeSat’ов.
Расширяется когорта компаний и ВУЗов, получающих опыт эксплуатации собственных спутников.
В полетах будет отрабатываться целевая аппаратура и аппаратура систем ориентации, а это еще — список компаний и ВУЗов.
Все больше учащихся и студентов участвуют в разработке и испытаниях спутников (только по программе "Дежурный по планете" запущены 16 спутников). Теперь им предстоит принимать и обрабатывать спутниковые данные. Душевно об этом рассказал коллега Добрый Овчинников.
Все больше становится компаний, получивших успешный опыт создания спутниковых платформ:
* СПУТНИКС, Москва — десятки успешных запусков
* "Нилакт ДОСААФ", Калуга
* “СТЦ”, Санкт-Петербург
* Самарский национальный исследовательский университет имени академика С.П. Королева
* МГТУ им. Н.Э. Баумана
* “Нейро-Мастер”, Сочи
* “Геоскан”, Санкт-Петербург
* ОКБ "Пятое поколение", Новосибирск
* Юго-западный государственный университет, Курск
* Белорусский государственный университет, Минск
Успешно отработали пусковые контейнеры “Аэроспейс Кэпитал”. На счету компании уже 54 выпущенных из их контейнеров CubeSat’ов.
Расширяется когорта компаний и ВУЗов, получающих опыт эксплуатации собственных спутников.
В полетах будет отрабатываться целевая аппаратура и аппаратура систем ориентации, а это еще — список компаний и ВУЗов.
Все больше учащихся и студентов участвуют в разработке и испытаниях спутников (только по программе "Дежурный по планете" запущены 16 спутников). Теперь им предстоит принимать и обрабатывать спутниковые данные. Душевно об этом рассказал коллега Добрый Овчинников.
Не забудем и про основную полезную нагрузку. “Метеор” №2-3 уже передал первые снимки, а значит скоро его данные можно будет бесплатно получить на геопортале Роскосмоса.
Характеристики съемочной аппаратуры “Метеора”. Более подробно о спектральных каналах МСУ-МР и КМСС — здесь.
Для дистанционного зондирования Земли интереснее всего данные приборов МСУ-МР (Многоканальное сканирующее устройство малого разрешения) и КМСС (Комплекс многоканальной спутниковой съемки).
У МСУ-МР 6 спектральных каналов, причем два из них — тепловые, с пространственным разрешением 1000 метров, как у прибора MODIS. Полоса захвата — 2900 километров.
КМСС снимает в 6 каналах видимого и ближнего инфракрасного диапазонов (заходя немного в ультрафиолетовый) с разрешением 50/100 метров. Этот прибор — приятный бонус “Метеора”, который выводит его за рамки обычных метеорологических спутников. С таким разрешением уже можно мониторить состояние сельскохозяйственных полей. В конце года планируется запуск еще одного “Метеора”, так что на орбите их будет сразу три.
Приборы со звучными именами МТВЗА-ГЯ и ИКФС-2 предназначены для зондирования температуры и влажности атмосферы в разных диапазонах и на разных высотах. Их данные, в первую очередь, нужны метеорологам.
ГГАК-М (Гелиогеофизический аппаратный комплекс) измеряет плотности потоков электронов и протонов космического излучения, коротковолновую солнечную радиацию и другие параметры, описывающие как Солнце влияет на погоду на нашей планете. Еще один подарок метеорологам, ну и, наверное, физикам.
БРЛК “Северянин-М” — радар X-диапазона с низким пространственным разрешением — для мониторинга ледовой обстановки и снегового покрова.
ССПД (Система сбора и передачи данных), как следует из названия, собирает о передает на Землю данные от автоматических измерительных платформ — наземных и дрейфующих.
Характеристики съемочной аппаратуры “Метеора”. Более подробно о спектральных каналах МСУ-МР и КМСС — здесь.
Для дистанционного зондирования Земли интереснее всего данные приборов МСУ-МР (Многоканальное сканирующее устройство малого разрешения) и КМСС (Комплекс многоканальной спутниковой съемки).
У МСУ-МР 6 спектральных каналов, причем два из них — тепловые, с пространственным разрешением 1000 метров, как у прибора MODIS. Полоса захвата — 2900 километров.
КМСС снимает в 6 каналах видимого и ближнего инфракрасного диапазонов (заходя немного в ультрафиолетовый) с разрешением 50/100 метров. Этот прибор — приятный бонус “Метеора”, который выводит его за рамки обычных метеорологических спутников. С таким разрешением уже можно мониторить состояние сельскохозяйственных полей. В конце года планируется запуск еще одного “Метеора”, так что на орбите их будет сразу три.
Приборы со звучными именами МТВЗА-ГЯ и ИКФС-2 предназначены для зондирования температуры и влажности атмосферы в разных диапазонах и на разных высотах. Их данные, в первую очередь, нужны метеорологам.
ГГАК-М (Гелиогеофизический аппаратный комплекс) измеряет плотности потоков электронов и протонов космического излучения, коротковолновую солнечную радиацию и другие параметры, описывающие как Солнце влияет на погоду на нашей планете. Еще один подарок метеорологам, ну и, наверное, физикам.
БРЛК “Северянин-М” — радар X-диапазона с низким пространственным разрешением — для мониторинга ледовой обстановки и снегового покрова.
ССПД (Система сбора и передачи данных), как следует из названия, собирает о передает на Землю данные от автоматических измерительных платформ — наземных и дрейфующих.
Спутники Kuva Space войдут в состав Copernicus Contributing Mission
Финская компания Kuva Space выиграла пятилетний контракт Европейской комиссии на поставку гиперспектральных данных для программы Copernicus Contributing Mission стоимостью 5 млн евро. Согласно контракту, Kuva Space будет предоставлять данные для мониторинга ферм, лесов, выбросов метана, вредоносного цветения водорослей и других приложений.
Copernicus Contributing Mission (CCM) — это космические аппараты, которые дополняют данные основных миссий программы Copernicus, то есть данные спутников Sentinel. Как правило, речь идет о данных высокого и сверхвысокого разрешения.
Интересно, что данные Kuva Space будут единственными представителями гиперспектральных данных в CCM, хотя на орбите находится итальянский спутник PRISMA, также ведущий гиперспектральную съемку. Kuva Space станет второй финской компанией в CCM, вслед за ICEYE.
Kuva Space, ранее называвшаяся Reaktor Space Lab, запускала CubeSat’ы в 2018 и 2021 годах. Компания планирует запустить свой микроспутник Hyperfield-1 в ноябре 2023 года.
Hyperfield-1 — 6U CubeSat весом 12 кг, ведущий съемку с пространственным разрешением 25 м.
В 2024 году Kuva Space планирует запустить 4 микроспутника второго поколения. Эти аппараты будут CubeSat’ами размером 12U и весом 24 кг, с пространственным разрешением данных < 10 м.
Гиперспектральные сенсоры спутников Kuva Space должны вести съемку в диапазонах от видимого до ближнего инфракрасного (VIS–NIR, 450–1100 нм) или от видимого до коротковолнового инфракрасного (VIS–SWIR, 450–2500 нм). Про ширину спектральных каналов данных нет.
Планируется, что к 2030 году группировка Kuva Space будет состоять из 100 спутников, и обеспечивать съемку любого участка Земли с частотой 2–3 раза в день.
Источник рисунка.
#гиперспектр
Финская компания Kuva Space выиграла пятилетний контракт Европейской комиссии на поставку гиперспектральных данных для программы Copernicus Contributing Mission стоимостью 5 млн евро. Согласно контракту, Kuva Space будет предоставлять данные для мониторинга ферм, лесов, выбросов метана, вредоносного цветения водорослей и других приложений.
Copernicus Contributing Mission (CCM) — это космические аппараты, которые дополняют данные основных миссий программы Copernicus, то есть данные спутников Sentinel. Как правило, речь идет о данных высокого и сверхвысокого разрешения.
Интересно, что данные Kuva Space будут единственными представителями гиперспектральных данных в CCM, хотя на орбите находится итальянский спутник PRISMA, также ведущий гиперспектральную съемку. Kuva Space станет второй финской компанией в CCM, вслед за ICEYE.
Kuva Space, ранее называвшаяся Reaktor Space Lab, запускала CubeSat’ы в 2018 и 2021 годах. Компания планирует запустить свой микроспутник Hyperfield-1 в ноябре 2023 года.
Hyperfield-1 — 6U CubeSat весом 12 кг, ведущий съемку с пространственным разрешением 25 м.
В 2024 году Kuva Space планирует запустить 4 микроспутника второго поколения. Эти аппараты будут CubeSat’ами размером 12U и весом 24 кг, с пространственным разрешением данных < 10 м.
Гиперспектральные сенсоры спутников Kuva Space должны вести съемку в диапазонах от видимого до ближнего инфракрасного (VIS–NIR, 450–1100 нм) или от видимого до коротковолнового инфракрасного (VIS–SWIR, 450–2500 нм). Про ширину спектральных каналов данных нет.
Планируется, что к 2030 году группировка Kuva Space будет состоять из 100 спутников, и обеспечивать съемку любого участка Земли с частотой 2–3 раза в день.
Источник рисунка.
#гиперспектр
Forwarded from SPUTNIX
Продолжаем набор космических людей!
В нашу компанию требуются специалисты и энтузиасты 😊
Сейчас открыты вакансии на следующие позиции:
• Инженер-разработчик ПО для встраиваемых систем (embedded)
• Тестировщик
• Радиомонтажник
• Ведущий инженер-конструктор/Заместитель начальника конструкторского отдела
• Инженер-программист прикладных систем
• Инженер-программист системы ориентации и стабилизации
• Разработчик РЭА
• Администратор проекта
• Руководитель отдела закупок и логистики
• Инженер-исследователь по динамике, баллистике, управлению движением космических аппаратов
• Руководитель отдела радиоэлектроники
• Бухгалтер по расчету заработной платы
• Сборщик космических аппаратов
• Маркетолог
• Менеджер по производству
• Метролог
• Кладовщик/Специалист по комплектованию
• Инженер-программист системы ориентации и стабилизации
• Специалист направления Образование
А также продолжаем набор на нашу оплачиваемую стажировку для студентов старших курсов!
Ждем Ваши резюме на почту [email protected] !
В нашу компанию требуются специалисты и энтузиасты 😊
Сейчас открыты вакансии на следующие позиции:
• Инженер-разработчик ПО для встраиваемых систем (embedded)
• Тестировщик
• Радиомонтажник
• Ведущий инженер-конструктор/Заместитель начальника конструкторского отдела
• Инженер-программист прикладных систем
• Инженер-программист системы ориентации и стабилизации
• Разработчик РЭА
• Администратор проекта
• Руководитель отдела закупок и логистики
• Инженер-исследователь по динамике, баллистике, управлению движением космических аппаратов
• Руководитель отдела радиоэлектроники
• Бухгалтер по расчету заработной платы
• Сборщик космических аппаратов
• Маркетолог
• Менеджер по производству
• Метролог
• Кладовщик/Специалист по комплектованию
• Инженер-программист системы ориентации и стабилизации
• Специалист направления Образование
А также продолжаем набор на нашу оплачиваемую стажировку для студентов старших курсов!
Ждем Ваши резюме на почту [email protected] !
Обзор канала за июнь
В июне мы…
🛰 Продолжили изучать Google Earth Engine: объединили снимки Landsat почти за 40 лет наблюдений и рассчитали скорость/направление ветра по данным реанализа ERA5.
🛰 Начали цикл заметок про радарную съемку. Хотим на уровне пользователя разобраться, что такого особенного в радарных данных. Все заметки — здесь. Продолжим в июле, чтобы скорее перейти к использованию радарных снимков.
🛰 Знакомились с новыми данными — моделью GEOS, данными гиперспектрометра EMIT. Вышло три заметки про открытые радарные данные, в том числе на Google Earth Engine (ищем по хештегам: #SAR #данные). Встречались и редкие данные. Например, сведения о погоде из судовых журналов британских моряков XIX века.
📸 Смотрели, что и как окрашивает воду на спутниковых снимках: фитопланктон, пыльца хвойных деревьев, осадочные породы, растворенные окрашенные органические вещества. Тег #вода в помощь.
🛰 Изучали городские тепловые аномалии с помощью тепловой инфракрасной съемки (Landsat 8/9 и MODIS). Начало цикла здесь. Теги: #GEE #LST
🛰 Узнали, что такое режим “черного неба”, можно ли его наблюдать со спутников, и как тут поможет моделирование распространения примесей в атмосфере.
🚀 Следили за новостями: что там с лесными пожарами в Квебеке? Какие спутники дистанционного зондирования запустил Transporter-8? Каков новый китайский рекорд одновременного запуска аппаратов дистанционного зондирования Земли? Не забыли и про рекордный запуск "Союз-2.1б" с “Метеором” №2-3 и 42 малыми спутниками.
📜 Вспоминали историю: о том, как использовали орбитальную станцию “Салют” в качестве базы для наблюдений за земной поверхностью, как проводили комплексные эксперименты одновременно на земле, в воздухе и в космосе.
📸 Рассуждали об альтернативной технике аэрофотосъемки — с помощью воздушных змеев.
🛰 Посетили любопытные места: Эль-Ареносильо — ракетный полигон в Испании, похожий на пляж, черноводную речку Суванни в штате Флорида, вулканический остров Нисиносима, весеннее Чудское озеро, золотодобывающий “Супер-карьер” в Калгурли (Австралия), “Море пластика” в испанском Поньенте-Альмерьенсе. Кстати, вот вопрос: изменяются ли спектральные сигнатуры “моря пластика” в течение года? В смысле, видит ли что-нибудь спутниковая оптика Sentinel/Landsat сквозь пластик?
В общем, неплохо поработали) Спасибо, что читаете.
В июне мы…
🛰 Продолжили изучать Google Earth Engine: объединили снимки Landsat почти за 40 лет наблюдений и рассчитали скорость/направление ветра по данным реанализа ERA5.
🛰 Начали цикл заметок про радарную съемку. Хотим на уровне пользователя разобраться, что такого особенного в радарных данных. Все заметки — здесь. Продолжим в июле, чтобы скорее перейти к использованию радарных снимков.
🛰 Знакомились с новыми данными — моделью GEOS, данными гиперспектрометра EMIT. Вышло три заметки про открытые радарные данные, в том числе на Google Earth Engine (ищем по хештегам: #SAR #данные). Встречались и редкие данные. Например, сведения о погоде из судовых журналов британских моряков XIX века.
📸 Смотрели, что и как окрашивает воду на спутниковых снимках: фитопланктон, пыльца хвойных деревьев, осадочные породы, растворенные окрашенные органические вещества. Тег #вода в помощь.
🛰 Изучали городские тепловые аномалии с помощью тепловой инфракрасной съемки (Landsat 8/9 и MODIS). Начало цикла здесь. Теги: #GEE #LST
🛰 Узнали, что такое режим “черного неба”, можно ли его наблюдать со спутников, и как тут поможет моделирование распространения примесей в атмосфере.
🚀 Следили за новостями: что там с лесными пожарами в Квебеке? Какие спутники дистанционного зондирования запустил Transporter-8? Каков новый китайский рекорд одновременного запуска аппаратов дистанционного зондирования Земли? Не забыли и про рекордный запуск "Союз-2.1б" с “Метеором” №2-3 и 42 малыми спутниками.
📜 Вспоминали историю: о том, как использовали орбитальную станцию “Салют” в качестве базы для наблюдений за земной поверхностью, как проводили комплексные эксперименты одновременно на земле, в воздухе и в космосе.
📸 Рассуждали об альтернативной технике аэрофотосъемки — с помощью воздушных змеев.
🛰 Посетили любопытные места: Эль-Ареносильо — ракетный полигон в Испании, похожий на пляж, черноводную речку Суванни в штате Флорида, вулканический остров Нисиносима, весеннее Чудское озеро, золотодобывающий “Супер-карьер” в Калгурли (Австралия), “Море пластика” в испанском Поньенте-Альмерьенсе. Кстати, вот вопрос: изменяются ли спектральные сигнатуры “моря пластика” в течение года? В смысле, видит ли что-нибудь спутниковая оптика Sentinel/Landsat сквозь пластик?
В общем, неплохо поработали) Спасибо, что читаете.
Мониторинг последствий чрезвычайных ситуаций с помощью ReliefWeb
ReliefWeb — сервис мониторинга чрезвычайных ситуаций (ЧС), который поддерживается Office for the Coordination of Humanitarian Affairs (OCHA) при ООН.
Поиск информации о ЧС выполняется по стране, типу ЧС (Disaster type), ее состоянию и дате. Состояние ЧС — это “прогноз”, “текущая” и “завершившаяся”. Рассматривается более 20 видов ЧС, в том числе снежные лавины, техногенные катастрофы, заражение насекомыми.
Справка по поиску: https://reliefweb.int/search-help#advanced
Доступ по API: https://apidoc.rwlabs.org
Сервис пригодится специалистам по дистанционном зондированию — для анализа последствий ЧС.
Сервис ориентирован, в первую очередь, на “развивающиеся страны” Африки, Латинской Америки, Юго-Восточной Азии и Океании. ЧС в странах, где хорошо развиты собственные структуры по противодействию МЧС, представлены на Reliefweb слабо. Например, там нет лесных пожаров в Квебеке июня текущего года, нет лесных пожаров в Испании или в России… Для отслеживания таких ЧС используются данные МЧС. Например, данные об оперативной обстановке, предоставляемые областными управлениями МЧС.
#ЧС
ReliefWeb — сервис мониторинга чрезвычайных ситуаций (ЧС), который поддерживается Office for the Coordination of Humanitarian Affairs (OCHA) при ООН.
Поиск информации о ЧС выполняется по стране, типу ЧС (Disaster type), ее состоянию и дате. Состояние ЧС — это “прогноз”, “текущая” и “завершившаяся”. Рассматривается более 20 видов ЧС, в том числе снежные лавины, техногенные катастрофы, заражение насекомыми.
Справка по поиску: https://reliefweb.int/search-help#advanced
Доступ по API: https://apidoc.rwlabs.org
Сервис пригодится специалистам по дистанционном зондированию — для анализа последствий ЧС.
Сервис ориентирован, в первую очередь, на “развивающиеся страны” Африки, Латинской Америки, Юго-Восточной Азии и Океании. ЧС в странах, где хорошо развиты собственные структуры по противодействию МЧС, представлены на Reliefweb слабо. Например, там нет лесных пожаров в Квебеке июня текущего года, нет лесных пожаров в Испании или в России… Для отслеживания таких ЧС используются данные МЧС. Например, данные об оперативной обстановке, предоставляемые областными управлениями МЧС.
#ЧС
Forwarded from Госкорпорация «Роскосмос»
А вы знали о самых красивых и высоких облаках — серебристых? Их видно до восхода или сразу же после заката, когда Солнце находится под горизонтом (днем с поверхности Земли они, как правило, не видны). Светятся лёгким голубоватым отливом — будто наша планета находится под водой.
Впервые обнаружены Витольдом Цераским в 1885 году в Москве. Их также называют полярными мезосферными или ночными светящимися облаками. Возникают на высотах 80-90 км. Природа их возникновения до конца не изучена, но известны специфические условия, которые этому способствуют:
• достаточное количество водяного пара;
• очень низкая температура;
• наличие мельчайших пылевых частиц.
Слоистые образования в высоких слоях атмосферы изучают космонавты на МКС в ходе эксперимента «Терминатор». Предполагается, что рост частоты их возникновения связан с увеличением содержания в атмосфере парниковых газов CO2 и CH4. Также изучается их связь с гравитационными волнами из нижних слоев атмосферы, возникающими в ходе землетрясений, цунами, тропических ураганов и т.д.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM