45 лет назад, 12 февраля 1979 года с космодрома Плесецк был запущен первый советский океанографический спутник "Космос-1076" — один из двух спутников, участвовавших в эксперименте "Океан-Э".
На спутнике были установлены приборы:
* поляризационный СВЧ-радиометр “РАДОН” для определения волнения на поверхности океана, температуры воды, влажности воздуха, скорости ветра, параметров облаков и льдов
* инфракрасный спектрометр 174К1 для измерения температуры поверхности океана и характеристик атмосферы с разрешением 25 км
* фотометр видимого диапазона “Цвет” для определения параметров океанской воды с разрешением 18 км
* аппаратура вызова абонентов
* аппаратура сбора информации с буйковых и научно-исследовательских станций
* блок управления исследовательской аппаратуры
Научное руководство экспериментом и функции головной организации по бортовому информационно-измерительному комплексу были возложены на МГИ АН УССР (ныне — МГИ РАН). Спутник разработан и изготовлен в КБ “Южное” (г. Днепропетровск, УССР).
В 1985 году спутники программы "Океан" сыграли важную роль в спасении из ледового плена научно-экспедиционного судна "Михаил Сомов", который из-за резкого изменения погоды оказался блокирован большими льдинами.
⬇️Коротаев Г.К. и др. Тридцать лет отечественной спутниковой океанологии. 1. Космическая система “Океан” – “Січ” // Космічна наука і технологія, 2007, Т.13, №5. С. 28–43.
#история
На спутнике были установлены приборы:
* поляризационный СВЧ-радиометр “РАДОН” для определения волнения на поверхности океана, температуры воды, влажности воздуха, скорости ветра, параметров облаков и льдов
* инфракрасный спектрометр 174К1 для измерения температуры поверхности океана и характеристик атмосферы с разрешением 25 км
* фотометр видимого диапазона “Цвет” для определения параметров океанской воды с разрешением 18 км
* аппаратура вызова абонентов
* аппаратура сбора информации с буйковых и научно-исследовательских станций
* блок управления исследовательской аппаратуры
Научное руководство экспериментом и функции головной организации по бортовому информационно-измерительному комплексу были возложены на МГИ АН УССР (ныне — МГИ РАН). Спутник разработан и изготовлен в КБ “Южное” (г. Днепропетровск, УССР).
В 1985 году спутники программы "Океан" сыграли важную роль в спасении из ледового плена научно-экспедиционного судна "Михаил Сомов", который из-за резкого изменения погоды оказался блокирован большими льдинами.
⬇️Коротаев Г.К. и др. Тридцать лет отечественной спутниковой океанологии. 1. Космическая система “Океан” – “Січ” // Космічна наука і технологія, 2007, Т.13, №5. С. 28–43.
#история
Forwarded from Географический факультет МГУ имени М. В. Ломоносова
МЕТОДЫ ИССЛЕДОВАНИЙ #НИЛЭПиРП 🔬
🧐Какие факторы влияют на длительность каждого сезона? Какие регионы имеют наиболее благоприятные климатические условия для сельского хозяйства, туризма или проживания? Для ответа на эти вопросы сотрудник НИЛ эрозии почв и русловых процессов Виктор Иванов разработал онлайн-приложение для анализа климатических данных.
☀В новом приложении из сырых данных метеорологических характеристик рассчитаны удобные для интерпретации климатические параметры. Исследователи, экологи, аграрные специалисты и даже обычные люди могут легко получить доступ к этим данным для различных регионов по всему миру. Обширный набор информации доступен на сегодняшний день в приложении с удобным интерфейсом.
✔Сотрудники Лаборатории ЭПиРП успешно применяют базу данных в своих эрозионных исследованиях и организации точек стационарных наблюдений. В том числе с помощью онлайн-приложения происходит оптимизация полевых выездов сотрудников.
😉Ознакомиться с приложением можно по ссылке
👨💻Исходный код приложения доступен на сайте Лаборатории
#геофакМГУ #эрозияпочв_русловыепроцессы
🧐Какие факторы влияют на длительность каждого сезона? Какие регионы имеют наиболее благоприятные климатические условия для сельского хозяйства, туризма или проживания? Для ответа на эти вопросы сотрудник НИЛ эрозии почв и русловых процессов Виктор Иванов разработал онлайн-приложение для анализа климатических данных.
☀В новом приложении из сырых данных метеорологических характеристик рассчитаны удобные для интерпретации климатические параметры. Исследователи, экологи, аграрные специалисты и даже обычные люди могут легко получить доступ к этим данным для различных регионов по всему миру. Обширный набор информации доступен на сегодняшний день в приложении с удобным интерфейсом.
✔Сотрудники Лаборатории ЭПиРП успешно применяют базу данных в своих эрозионных исследованиях и организации точек стационарных наблюдений. В том числе с помощью онлайн-приложения происходит оптимизация полевых выездов сотрудников.
😉Ознакомиться с приложением можно по ссылке
👨💻Исходный код приложения доступен на сайте Лаборатории
#геофакМГУ #эрозияпочв_русловыепроцессы
GLanCE: глобальный набор данных о земном покрове с 1984 по 2020 год
Глобальный набор данных GLanCE (Global Land Cover Estimation) содержит почти 2 миллиона образцов земного покрова для семи первичных и двенадцати вторичных классов почвенно-растительного покрова.
GLanCE основан на спутниковых снимках Landsat, сделанных в период с 1984 по 2020 год, с пространственным разрешением 30 м. Географически и спектрально набор данных представляет все глобальные экорегионы и содержит до 23 характеристик почвенно-растительного покрова на образец.
Схема классификации, используемая в GLanCE, совместима с общепринятыми системами классификации земного покрова, такими как категории землепользования МГЭИК (для отчетности по выбросам парниковых газов) и система классификации земного покрова ФАО (Land Cover Classification System).
Доступ к данным, описание и ссылки на публикации: https://beta.source.coop/repositories/boston-university/bu-glance/description/
Данные на GEE: https://gee-community-catalog.org/projects/glance_training/
#датасет #LULC
Глобальный набор данных GLanCE (Global Land Cover Estimation) содержит почти 2 миллиона образцов земного покрова для семи первичных и двенадцати вторичных классов почвенно-растительного покрова.
GLanCE основан на спутниковых снимках Landsat, сделанных в период с 1984 по 2020 год, с пространственным разрешением 30 м. Географически и спектрально набор данных представляет все глобальные экорегионы и содержит до 23 характеристик почвенно-растительного покрова на образец.
Схема классификации, используемая в GLanCE, совместима с общепринятыми системами классификации земного покрова, такими как категории землепользования МГЭИК (для отчетности по выбросам парниковых газов) и система классификации земного покрова ФАО (Land Cover Classification System).
Доступ к данным, описание и ссылки на публикации: https://beta.source.coop/repositories/boston-university/bu-glance/description/
Данные на GEE: https://gee-community-catalog.org/projects/glance_training/
#датасет #LULC
Роскосмос продолжает космический мониторинг пожаров в Республике Чили. В рамках Международной Хартии по космосу и крупным катастрофам пострадавшей стороне оперативно предоставляются данные ДЗЗ, полученные с российских спутников “Канопус-В”. Всего Роскомос передал чилийской стороне данные общей площадью 73 621 кв. км.
Возникновению и быстрому распространению лесных пожаров в Чили способствует одновременное действие трех экстремальных климатических факторов: высоких температур, сильного ветра и низкой влажности.
Самая сложная обстановка в центральном регионе Вальпараисо. Огонь распространяется с большой скоростью, он уже достиг промышленных районов города Винья-дель-Мар, где спровоцировал ряд взрывов на химических заводах и складах. Сгорел Ботанический сад Винья-дель-Мар, удалось спасти только центральные луга у входа в сад.
Пожары все еще продолжаются и власти затрудняются сообщить объем ущерба. Сгорело уже несколько тысяч домов, а площадь пройденных огнем территорий составляет десятки тысяч гектаров.
#пожары
Возникновению и быстрому распространению лесных пожаров в Чили способствует одновременное действие трех экстремальных климатических факторов: высоких температур, сильного ветра и низкой влажности.
Самая сложная обстановка в центральном регионе Вальпараисо. Огонь распространяется с большой скоростью, он уже достиг промышленных районов города Винья-дель-Мар, где спровоцировал ряд взрывов на химических заводах и складах. Сгорел Ботанический сад Винья-дель-Мар, удалось спасти только центральные луга у входа в сад.
Пожары все еще продолжаются и власти затрудняются сообщить объем ущерба. Сгорело уже несколько тысяч домов, а площадь пройденных огнем территорий составляет десятки тысяч гектаров.
#пожары
14 февраля исполняется 120 лет со дня рождения Бориса Александровича Воронцова-Вельяминова, советского астронома, педагога и историка науки.
У множества людей знакомство с астрономией, с космосом, началось с книг Воронцова-Вельяминова. Большинству из нас Борис Александрович известен как автор учебника астрономии для средней школы, по которому на протяжении десятилетий учились советские и российские школьники. Много раз переиздавались его "Очерки о Вселенной".
На “Астронете” есть прекрасные биографические статьи, посвященные Б. А. Воронцову-Вельяминову. Существует книга его воспоминаний, озаглавленная “Через тернии к звездам”, но найти ее в интернете не удалось.
📸Борис Воронцов-Вельяминов — студент МГУ (источник)
У множества людей знакомство с астрономией, с космосом, началось с книг Воронцова-Вельяминова. Большинству из нас Борис Александрович известен как автор учебника астрономии для средней школы, по которому на протяжении десятилетий учились советские и российские школьники. Много раз переиздавались его "Очерки о Вселенной".
На “Астронете” есть прекрасные биографические статьи, посвященные Б. А. Воронцову-Вельяминову. Существует книга его воспоминаний, озаглавленная “Через тернии к звездам”, но найти ее в интернете не удалось.
📸Борис Воронцов-Вельяминов — студент МГУ (источник)
Зачастили...
Вчера президент Туркменистана Сердар Бердымухамедов принял руководителя итальянской компании Leonardo S.p.A. Стефано Понтекорво, прибывшего в Ашхабад с визитом. Сообщается, что “в ходе встречи были рассмотрены возможности использования потенциала спутниковой связи. В данном контексте отмечалось, что со своей стороны Туркменистан готов рассмотреть конкретные предложения компании Leonardo S.p.A.” Напомним, что первый туркменский спутник связи "TurkmenÄlem 52°E" был построен Thales Alenia Space, дочерней компанией Leonardo S.p.A., и выведен на орбиту в 2015 году.
А 6 февраля председатель агентства “Туркменарагатнашык” Хаджимурат Худайгулыев встретился с делегацией компании Airbus. Стороны обсудили возможности сотрудничества в космической сфере. Airbus предложил Туркменистану услуги по дистанционному мониторингу и космической съемке.
#туркменистан
Вчера президент Туркменистана Сердар Бердымухамедов принял руководителя итальянской компании Leonardo S.p.A. Стефано Понтекорво, прибывшего в Ашхабад с визитом. Сообщается, что “в ходе встречи были рассмотрены возможности использования потенциала спутниковой связи. В данном контексте отмечалось, что со своей стороны Туркменистан готов рассмотреть конкретные предложения компании Leonardo S.p.A.” Напомним, что первый туркменский спутник связи "TurkmenÄlem 52°E" был построен Thales Alenia Space, дочерней компанией Leonardo S.p.A., и выведен на орбиту в 2015 году.
А 6 февраля председатель агентства “Туркменарагатнашык” Хаджимурат Худайгулыев встретился с делегацией компании Airbus. Стороны обсудили возможности сотрудничества в космической сфере. Airbus предложил Туркменистану услуги по дистанционному мониторингу и космической съемке.
#туркменистан
Forwarded from ЦИФРОВАЯ ИСТОРИЯ – Егор Яковлев
14 февраля 1928 года родился советский и российский учёный-физик, просветитель, телеведущий Сергей Капица. С 1973 года он был бессменным ведущим научно-популярной телепрограммы «Очевидное — невероятное».
Сегодня смотрим подборку выпусков знаменитой передачи.
Сегодня смотрим подборку выпусков знаменитой передачи.
Soil-Adjusted Vegetation Index (SAVI)
Нормализованный разностный вегетационный индекс NDVI — это удобная и универсальная мера оценки состояния растительности, но — не идеальная. Когда поле покрыто редкой растительностью, NDVI может колебаться, даже если состояние растительности не меняется. Это происходит потому что почва на поле меняет яркость в зависимости от того, насколько она влажная или сухая.
Напомним формулу NDVI
NDVI = (NIR – Red) / (NIR + Red),
где NIR и Red обозначают отражательную способность в ближнем инфракрасном и в красном диапазонах соответственно.
Предположим, что 20% поля покрыто растительностью, а остальные 80% представляют собой открытую почву 1️⃣. После дождя эта почва станет влажной и, как следствие, более темной. При этом отражение в ближнем инфракрасном и красном диапазонах снизится примерно на одну и ту же величину 2️⃣. В результате NDVI поля увеличится. Напротив, сухая почва становится светлее, и это приводит к уменьшению NDVI 3️⃣.
Итак, исходный NDVI поля равнялся 0,21. После дождя он увеличился до 0,25, а для высохшей почвы упал до 0,17. И все это — без изменения состояния растительности!
Посмотрим, как “исправить” NDVI.
Изменение отражательной способности поля при изменении цвета почвы приводит к тому, что отражение в инфракрасном и в красном диапазонах увеличиваются или уменьшаются примерно на одинаковые величины. Предположим, что эти изменения действительно одинаковы, и обозначим величину изменения через ε. Тогда, с изменением отражательной способности почвы, NDVI будет равен
NDVI = ((NIR + ε) – (Red + ε)) / ((NIR + ε) + (Red + ε))
или
NDVI = (NIR – Red) / (NIR + Red + 2ε).
ε зависит от доли открытой почвы на поле и от цвета почвы. Если поле в основном покрыто растительностью и почвы не видно, то ε будет мало по сравнению с (NIR+RED), так что им можно пренебречь и мы получим обычную формулу NDVI. То есть, когда почвы не видно, NDVI не чувствителен к изменениям ее цвета.
Нас же интересует ситуация, когда почву видно хорошо...
#индексы #сельхоз #основы
Нормализованный разностный вегетационный индекс NDVI — это удобная и универсальная мера оценки состояния растительности, но — не идеальная. Когда поле покрыто редкой растительностью, NDVI может колебаться, даже если состояние растительности не меняется. Это происходит потому что почва на поле меняет яркость в зависимости от того, насколько она влажная или сухая.
Напомним формулу NDVI
NDVI = (NIR – Red) / (NIR + Red),
где NIR и Red обозначают отражательную способность в ближнем инфракрасном и в красном диапазонах соответственно.
Предположим, что 20% поля покрыто растительностью, а остальные 80% представляют собой открытую почву 1️⃣. После дождя эта почва станет влажной и, как следствие, более темной. При этом отражение в ближнем инфракрасном и красном диапазонах снизится примерно на одну и ту же величину 2️⃣. В результате NDVI поля увеличится. Напротив, сухая почва становится светлее, и это приводит к уменьшению NDVI 3️⃣.
Итак, исходный NDVI поля равнялся 0,21. После дождя он увеличился до 0,25, а для высохшей почвы упал до 0,17. И все это — без изменения состояния растительности!
Посмотрим, как “исправить” NDVI.
Изменение отражательной способности поля при изменении цвета почвы приводит к тому, что отражение в инфракрасном и в красном диапазонах увеличиваются или уменьшаются примерно на одинаковые величины. Предположим, что эти изменения действительно одинаковы, и обозначим величину изменения через ε. Тогда, с изменением отражательной способности почвы, NDVI будет равен
NDVI = ((NIR + ε) – (Red + ε)) / ((NIR + ε) + (Red + ε))
или
NDVI = (NIR – Red) / (NIR + Red + 2ε).
ε зависит от доли открытой почвы на поле и от цвета почвы. Если поле в основном покрыто растительностью и почвы не видно, то ε будет мало по сравнению с (NIR+RED), так что им можно пренебречь и мы получим обычную формулу NDVI. То есть, когда почвы не видно, NDVI не чувствителен к изменениям ее цвета.
Нас же интересует ситуация, когда почву видно хорошо...
#индексы #сельхоз #основы
SAVI. Часть 2
Вернемся к формуле
NDVI = (NIR – Red) / (NIR + Red + 2ε).
Обратите внимание, что ε не влияет на числитель NDVI. Если бы мы использовали в качестве индекса разность (NIR – RED), у нас бы не было проблем с изменением цвета почвы. Однако, возникла бы другая сложность: новый вегетационный индекс будет меняться в зависимости от освещенности. Когда общая интенсивность света составляет 50% от нормы (например, из-за умеренной облачности), (NIR – RED) тоже будет на 50% меньше. Отсюда и необходимость нормализации индекса путем деления на общую интенсивность (NIR + RED).
Чтобы уменьшить чувствительность формулы к ε, добавим в знаменатель константу L:
Стабилизированный NDVI = (NIR – Red) / (NIR + Red + 2ε + L).
Разберемся с тем, как выбрать L. Если L будет очень велико по сравнению с NIR и RED, то формула для вычисления стабилизированного NDVI превратится в
(NIR – Red) / (NIR + Red + 2ε + L) ≈ (NIR – Red) / L
Таким образом, для больших L чувствительность к ε исчезает. Зато формула сводится к масштабированной версии (NIR – RED), которая, как мы знаем, не работает.
Напротив, при L=0, мы вернемся к формуле NDVI, которая слишком чувствительна к ε.
Существует компромисс: выберем L достаточно большим, чтобы знаменатель был чувствителен к ε, но не слишком большим, чтобы не исчез эффект нормализации от деления на (NIR + RED).
Для конкретного региона можно определить свое значение L, откалибровав его на основе реальных данных. Однако в целом исследователи пришли к выводу, что L=0,5 создает вегетационный индекс, значительно менее чувствительный к цвету почвы, чем NDVI, и при этом достаточно нормализованный, чтобы общие изменения в интенсивности света не привели к существенному изменению индекса.
Осталось сделать последний шаг, чтобы сделать новый индекс удобным. Мы хотим, чтобы его значения находилась в интервале между –1 и 1. Увеличив знаменатель на L, мы добились того, что максимальное значение индекса (теоретически встречающееся при NIR=1, RED=0) стало равно 1/1+L. Если мы хотим, чтобы максимальное значение было равно 1, нам нужно умножить числитель на (1+L):
SAVI = (1 + L)(NIR – Red) / (NIR + Red + L), где L = 0,5
Новый индекс называется Soil-Adjusted Vegetation Index или SAVI. Он предложен в работе: Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295–309. https://doi.org/10.1016/0034-4257(88)90106-x
SAVI варьируется в пределах от –1 до 1, малочувствителен к цвету почвы, нечувствителен к общей интенсивности света и увеличивается пропорционально состоянию и плотности растительности. Он лучше NDVI подходит для районов с разреженной растительностью, где цвет почвы может меняться.
#индексы #сельхоз #основы
Вернемся к формуле
NDVI = (NIR – Red) / (NIR + Red + 2ε).
Обратите внимание, что ε не влияет на числитель NDVI. Если бы мы использовали в качестве индекса разность (NIR – RED), у нас бы не было проблем с изменением цвета почвы. Однако, возникла бы другая сложность: новый вегетационный индекс будет меняться в зависимости от освещенности. Когда общая интенсивность света составляет 50% от нормы (например, из-за умеренной облачности), (NIR – RED) тоже будет на 50% меньше. Отсюда и необходимость нормализации индекса путем деления на общую интенсивность (NIR + RED).
Чтобы уменьшить чувствительность формулы к ε, добавим в знаменатель константу L:
Стабилизированный NDVI = (NIR – Red) / (NIR + Red + 2ε + L).
Разберемся с тем, как выбрать L. Если L будет очень велико по сравнению с NIR и RED, то формула для вычисления стабилизированного NDVI превратится в
(NIR – Red) / (NIR + Red + 2ε + L) ≈ (NIR – Red) / L
Таким образом, для больших L чувствительность к ε исчезает. Зато формула сводится к масштабированной версии (NIR – RED), которая, как мы знаем, не работает.
Напротив, при L=0, мы вернемся к формуле NDVI, которая слишком чувствительна к ε.
Существует компромисс: выберем L достаточно большим, чтобы знаменатель был чувствителен к ε, но не слишком большим, чтобы не исчез эффект нормализации от деления на (NIR + RED).
Для конкретного региона можно определить свое значение L, откалибровав его на основе реальных данных. Однако в целом исследователи пришли к выводу, что L=0,5 создает вегетационный индекс, значительно менее чувствительный к цвету почвы, чем NDVI, и при этом достаточно нормализованный, чтобы общие изменения в интенсивности света не привели к существенному изменению индекса.
Осталось сделать последний шаг, чтобы сделать новый индекс удобным. Мы хотим, чтобы его значения находилась в интервале между –1 и 1. Увеличив знаменатель на L, мы добились того, что максимальное значение индекса (теоретически встречающееся при NIR=1, RED=0) стало равно 1/1+L. Если мы хотим, чтобы максимальное значение было равно 1, нам нужно умножить числитель на (1+L):
SAVI = (1 + L)(NIR – Red) / (NIR + Red + L), где L = 0,5
Новый индекс называется Soil-Adjusted Vegetation Index или SAVI. Он предложен в работе: Huete, A. R. (1988). A soil-adjusted vegetation index (SAVI). Remote Sensing of Environment, 25(3), 295–309. https://doi.org/10.1016/0034-4257(88)90106-x
SAVI варьируется в пределах от –1 до 1, малочувствителен к цвету почвы, нечувствителен к общей интенсивности света и увеличивается пропорционально состоянию и плотности растительности. Он лучше NDVI подходит для районов с разреженной растительностью, где цвет почвы может меняться.
#индексы #сельхоз #основы
SAVI. Часть 3
Сравним NDVI и SAVI.
На рисунке 1️⃣ показана разница между NDVI и SAVI при различной плотности растительности. При редкой и умеренной растительности NDVI имеет значительный разброс значений из-за чувствительности к цвету почвы. SAVI имеет гораздо меньший разброс. Разброс NDVI уменьшается, когда плотность растительности высока и почва закрыта растительным покровом.
Кроме малой чувствительности к цвету почвы, существует еще одно преимущество, которое SAVI приобретает благодаря дополнительному члену L: порог насыщения SAVI выше, чем NDVI.
Вспомним формулу NDVI
NDVI = (NIR – Red) / (NIR + Red),
Когда Red приближается к нулю, NDVI будет расти вместе с NIR, асимптотически приближаясь к единице. Все большее увеличение NIR оказывает все меньшее влияние на NDVI, то есть происходит насыщение.
Рассмотрим эффект от добавления L к знаменателю
SAVI = (1 + L)(NIR – Red) / (NIR + Red + L)
SAVI тоже достигнет насыщения, но это произойдет при большем значении NIR. Чтобы понять как это работает, зададим RED = 0 и сделаем L гораздо больше, чем NIR. В таком случае, в знаменателе формулы будет преобладать L, а вся формула сводится к (1+L)NIR/L. Она линейно возрастает с увеличением NIR, выпуклости графика нет, а значит, нет и насыщения 2️⃣. Таким образом, точка насыщения увеличивается вместе с увеличением L.
Таким образом, дополнительный член в знаменателе позволяет SAVI регистрировать увеличение плотности растительности даже после того, как NDVI вошел в насыщение.
Подведем итоги:
1. SAVI, как правило, используется вместо NDVI в ситуации, когда видна значительная часть почвы и возможны изменения ее яркости.
2. SAVI не имеет однозначного превосходства перед NDVI: смягчая эффекты яркости почвы, в нем нарушается нечувствительность индекса к общей интенсивности света (за счет добавления L).
3. Меньшая чувствительность SAVI к насыщению позволяет использовать этот индекс для оценки состояния густой растительности.
#индексы #сельхоз #основы
Сравним NDVI и SAVI.
На рисунке 1️⃣ показана разница между NDVI и SAVI при различной плотности растительности. При редкой и умеренной растительности NDVI имеет значительный разброс значений из-за чувствительности к цвету почвы. SAVI имеет гораздо меньший разброс. Разброс NDVI уменьшается, когда плотность растительности высока и почва закрыта растительным покровом.
Кроме малой чувствительности к цвету почвы, существует еще одно преимущество, которое SAVI приобретает благодаря дополнительному члену L: порог насыщения SAVI выше, чем NDVI.
Вспомним формулу NDVI
NDVI = (NIR – Red) / (NIR + Red),
Когда Red приближается к нулю, NDVI будет расти вместе с NIR, асимптотически приближаясь к единице. Все большее увеличение NIR оказывает все меньшее влияние на NDVI, то есть происходит насыщение.
Рассмотрим эффект от добавления L к знаменателю
SAVI = (1 + L)(NIR – Red) / (NIR + Red + L)
SAVI тоже достигнет насыщения, но это произойдет при большем значении NIR. Чтобы понять как это работает, зададим RED = 0 и сделаем L гораздо больше, чем NIR. В таком случае, в знаменателе формулы будет преобладать L, а вся формула сводится к (1+L)NIR/L. Она линейно возрастает с увеличением NIR, выпуклости графика нет, а значит, нет и насыщения 2️⃣. Таким образом, точка насыщения увеличивается вместе с увеличением L.
Таким образом, дополнительный член в знаменателе позволяет SAVI регистрировать увеличение плотности растительности даже после того, как NDVI вошел в насыщение.
Подведем итоги:
1. SAVI, как правило, используется вместо NDVI в ситуации, когда видна значительная часть почвы и возможны изменения ее яркости.
2. SAVI не имеет однозначного превосходства перед NDVI: смягчая эффекты яркости почвы, в нем нарушается нечувствительность индекса к общей интенсивности света (за счет добавления L).
3. Меньшая чувствительность SAVI к насыщению позволяет использовать этот индекс для оценки состояния густой растительности.
#индексы #сельхоз #основы
Иллюстрации взяты из SAVI from First Principles. На сайте есть аналогичное описание NDVI и EVI.
Google и Environmental Defense Fund договорились о сотрудничестве в области выявления источников выбросов метана
Метан является одним из основных парниковых газов. Но некоторым оценкам, метан из антропогенных источников ответственен примерно за 30% глобального потепления.
В марте нынешнего года будет запущен спутник MethaneSAT, разработку которого курирует Environmental Defense Fund (EDF). MethaneSAT предназначен для измерения выбросов метана от нефтяных и газовых объектов по всему миру с широким охватом и высокой точностью. Пространственное разрешение данных — 100 м (поперек трассы) х 400 м (вдоль трассы) — позволит оценивать выбросы метана от источников, площадью от 1 кв. км. Полоса обзора составляет 200 км (характеристики MethaneSAT).
Космический аппарат массой 362 кг базируется на спутниковой платформе X-SAT Microsat компании Blue Canyon Technologies. Полезная нагрузка разработана компанией Ball Aerospace, которая также выступает в качестве генерального подрядчика.
Сотрудничество Google и EDF будет заключаться в следующем: EDF предоставит данные MethanSAT, показывающие источники выбросов метана, а Google обеспечит вычислительные мощности для обработки информации и, с помощью искусственного интеллекта, составит карту объектов нефтегазовой инфраструктуры. Таким образом данные о выбросах будут наложены на карту, и станет понятно, какие выбросы соответствуют конкретной инфраструктуре.
Планируется обеспечить свободный доступ к данным через веб-сайт MethaneSAT (https://www.methanesat.org) и Google Earth Engine.
📸 Место MethaneSAT в экосистеме спутников мониторинга выбросов метана
Кто-то из отечественных журналистов пропустил букву в названии спутника (MthaneSAT), а волна рерайтов и репостов разнесла ошибку по сети.
#GHG
Метан является одним из основных парниковых газов. Но некоторым оценкам, метан из антропогенных источников ответственен примерно за 30% глобального потепления.
В марте нынешнего года будет запущен спутник MethaneSAT, разработку которого курирует Environmental Defense Fund (EDF). MethaneSAT предназначен для измерения выбросов метана от нефтяных и газовых объектов по всему миру с широким охватом и высокой точностью. Пространственное разрешение данных — 100 м (поперек трассы) х 400 м (вдоль трассы) — позволит оценивать выбросы метана от источников, площадью от 1 кв. км. Полоса обзора составляет 200 км (характеристики MethaneSAT).
Космический аппарат массой 362 кг базируется на спутниковой платформе X-SAT Microsat компании Blue Canyon Technologies. Полезная нагрузка разработана компанией Ball Aerospace, которая также выступает в качестве генерального подрядчика.
Сотрудничество Google и EDF будет заключаться в следующем: EDF предоставит данные MethanSAT, показывающие источники выбросов метана, а Google обеспечит вычислительные мощности для обработки информации и, с помощью искусственного интеллекта, составит карту объектов нефтегазовой инфраструктуры. Таким образом данные о выбросах будут наложены на карту, и станет понятно, какие выбросы соответствуют конкретной инфраструктуре.
Планируется обеспечить свободный доступ к данным через веб-сайт MethaneSAT (https://www.methanesat.org) и Google Earth Engine.
📸 Место MethaneSAT в экосистеме спутников мониторинга выбросов метана
Кто-то из отечественных журналистов пропустил букву в названии спутника (MthaneSAT), а волна рерайтов и репостов разнесла ошибку по сети.
#GHG
После кратковременного затишья, продолжилось извержение лавы на полуострове Рейкьянес, что на юго-западе Исландии. О прошлом, январском извержении, мы писали здесь. Нынешнее извержение — третье в регионе с декабря прошлого года — началось 8 февраля 2024 года. На этот раз лава выплеснулась на высоту 80 метров в расщелине длиной 3 километра возле горы Сюлингарфелл. Небольшая вершина находится к северу от рыбацкой деревни Гриндавик, и к востоку от электростанции Свартсенги и геотермального курорта "Голубая лагуна".
Из-за особенностей рельефа вокруг расщелины, большая часть свежей лавы потекла на восток в ненаселенные районы. Часть лавы потекла на запад, в сторону электростанции и курорта. Последних спасла загодя возведенная защитная стена.
Снимок получен 10 февраля 2024 года прибором OLI-2 спутника Landsat 9. Фрагмент снимка со свежей лавой получен в комбинации каналов 7-6-3 (SWIR2-SWIR1-Green), которая позволяет выделить “тепловую подпись” лавы, и наложен на изображение в естественных цветах. Более холодная лава, извергнутая в январе, выглядит черной.
#комбинация #снимки #вулкан
Из-за особенностей рельефа вокруг расщелины, большая часть свежей лавы потекла на восток в ненаселенные районы. Часть лавы потекла на запад, в сторону электростанции и курорта. Последних спасла загодя возведенная защитная стена.
Снимок получен 10 февраля 2024 года прибором OLI-2 спутника Landsat 9. Фрагмент снимка со свежей лавой получен в комбинации каналов 7-6-3 (SWIR2-SWIR1-Green), которая позволяет выделить “тепловую подпись” лавы, и наложен на изображение в естественных цветах. Более холодная лава, извергнутая в январе, выглядит черной.
#комбинация #снимки #вулкан
Обесцвечивание кораллов — их реакция на стрессовые факторы окружающей среды, такие как повышение температуры воды, загрязнение или изменение химического состава океана. Оно представляет собой океанскую версию “канарейки в шахте”, поскольку отражает чувствительность кораллов к опасным условиям окружающей среды.
Массовое обесцвечивание из-за повышения температуры воды связано с симбиотическими отношениями между кораллами и водорослями, известными как зооксантеллы, которые обеспечивают кораллы кислородом для фотосинтеза, а также питательными веществами. В слишком теплой воде происходит повреждение фотосинтетического аппарата зооксантелл и, как следствие, обесцвечивание кораллов. Некоторые кораллы “светятся” перед обесцвечиванием из-за естественного образования защитного слоя, состоящего из неоновых пигментов.
Лишившись разноцветных водорослей, кораллы лишаются основного источника пищи и становятся более уязвимыми для болезней. Отбеленные кораллы не погибают сразу, но если стресс сохраняется, экосистемам коралловых рифов может быть нанесен необратимый ущерб, что скажется на морском биоразнообразии и средствах к существованию целых экосистем.
На снимке, сделанном спутником Sentinel-2 16 января 2024 года, изображены коралловые рифы Мальдивских островов, которые в настоящее время страдают от обесцвечивания кораллов.
#снимки #океан
Массовое обесцвечивание из-за повышения температуры воды связано с симбиотическими отношениями между кораллами и водорослями, известными как зооксантеллы, которые обеспечивают кораллы кислородом для фотосинтеза, а также питательными веществами. В слишком теплой воде происходит повреждение фотосинтетического аппарата зооксантелл и, как следствие, обесцвечивание кораллов. Некоторые кораллы “светятся” перед обесцвечиванием из-за естественного образования защитного слоя, состоящего из неоновых пигментов.
Лишившись разноцветных водорослей, кораллы лишаются основного источника пищи и становятся более уязвимыми для болезней. Отбеленные кораллы не погибают сразу, но если стресс сохраняется, экосистемам коралловых рифов может быть нанесен необратимый ущерб, что скажется на морском биоразнообразии и средствах к существованию целых экосистем.
На снимке, сделанном спутником Sentinel-2 16 января 2024 года, изображены коралловые рифы Мальдивских островов, которые в настоящее время страдают от обесцвечивания кораллов.
#снимки #океан