ForWarn. Чего не хватает нашему сервису мониторинга, чтобы стать “настоящим”?

Мы без проблем реализовали инструменты для мониторинга состояния леса, однако это еще не “настоящий” сервис. Почему? Потому что мы умеем обнаруживать проблемы, но не понимаем, отчего они возникли. Мы видим, что состояние леса ухудшилось, но из-за чего: пожар, засуха, вырубки, вредители — в чем причина? В FarnWarn есть много видов данных, которые помогают пользователю понять причину наблюдаемых изменений. Например, данные о тепловых аномалиях (которые могут быть очагами возгораний), индексы засухи, данные об областях затопления и карты движения торнадо (возможных причин ветровалов). Добыть все эти данные сложнее, чем создать инструменты для мониторинга изменений. Часть таких данных, как и данные для мониторинга, получены методами дистанционного зондирования (например, тепловые аномалии), остальные — это погодные данные и данные наземных наблюдений. Последние, как правило, самые дорогие и самые ценные.

Если у нас есть инструменты для поиска изменений и данные, чтобы понять причины изменений, осталось научиться с ними работать. Это — важный момент при создании “настоящего” сервиса: нужно уметь интерпретировать причины изменений состояния леса. Само по себе умение не появляется, ему нужно обучать. Разработчики не всегда понимают, что для пользователя их сервис — это новый инструмент, сами-то они уже им владеют. Пока они осознают это, пользователи уходят к более внимательным конкурентам.

Мы везде берем “настоящий” в кавычки, потому что в реальном сервисе должно быть еще много всякого. Но без указанных вещей он, на наш взгляд, не состоится.

#лес

ForWarn. Возможны ли пропуски нарушений из-за большого размера пикселя?

Возможны и будут обязательно, при любом разрешении снимков. Вопрос только в площади изменений и в силе нарушений (в том, насколько уменьшился NDVI).

Предположим, что в области леса, занимающей часть пикселя MODIS (250 м х 250 м = 6.25 га) состояние леса (NDVI) изменилось. Изменения эти одинаковы во всей области. На сколько изменится NDVI пикселя MODIS? Ответ дает пропорция

a/6.25 = m/s

a – площадь области, на которой произошли изменения, га;
s – на сколько процентов изменился NDVI области;
m – на сколько процентов изменился NDVI пикселя MODIS.

Из нее следует, что NDVI пикселя снизится на 1% при 15% уменьшения NDVI на площади всего 0.42 га. Оба случая фиксируются нашим сервисом. Если сила изменений будет больше, они будут заметны на меньшей площади. Если сила или площадь изменений будут меньше, получим пропуск нарушения.

Опираясь на подобные простые оценки и требования к точности сервиса (минимальную фиксируемую площадь нарушений) будем подбирать пространственное разрешение спутниковых данных.

#лес

Понедельник — день тяжелый) Последний на сегодня комментарий по сервису мониторинга состояния леса.

ForWarn. Куда развиваться дальше?

Так как изменения состояния леса определяются по временному ряду NDVI, сервису нужен плотный (без пропусков) временной ряд NDVI. В ForWarn значения NDVI накапливаются на протяжении 24 суток. И это при том, что данные MODIS имеют периодичность в одни сутки. Естественно, ни о какой оперативности выявления нарушений не может быть и речи.

Такие технологии существуют. Пример технологии построения плотных временных рядов спутниковых данных описан здесь.

А как насчет повышения пространственного разрешения данных? Хорошо бы использовать данные вроде Sentinel-2, но пропуск даже одного снимка приведет к 10 суточному пробелу во временном ряду. Как быть? Вариантов решения здесь несколько и все они работают, более или менее) Один из подходов — это заполнение пробелов в снимках среднего разрешения (Landsat, Sentinel) за счет использования высокочастотных данных низкого разрешения (MODIS). Конкретных алгоритмов много. Из свежего: STAIR 2.0 и HISTARFM. Для последнего есть даже руководство по его реализации в Google Earth Engine.

#лес

Бактрийско-Маргианская цивилизация

Бактрийско-Маргианский археологический комплекс — научное название цивилизации, которая существовала с XXIII по XVIII вв. до н. э. — в одно время с Древним Египтом, Индской цивилизацией (крупнейшие центры: Ракхигархи, Мохенджо-Даро и Хараппа) и Древневавилонским царством в Месопотамии.

На снимке из Bing — развалины Гонур-Депе (2300 лет до н. э., координаты: 38.213974,62.035675), крупнейшего города Бактрийско-Маргианской цивилизации, обнаруженного на юго-востоке Туркменистана.

#археология

Как случилось, что целая цивилизация ускользнула от внимания широкой публики? Скорее всего, это произошло потому, что первые открытия, связанные с этой цивилизацией, были сделаны сравнительно недавно — в 1970-х годах. Бактрийско-Маргианская цивилизация располагалась на территории восточного Туркменистана, южного Узбекистана, северного Афганистана и западного Таджикистана. Годы работы понадобились для того, чтобы показать, что за разрозненными результатами археологических экспедиций стоит особая цивилизация. Кроме того, часть территории Бактрийско-Маргианской цивилизации находится в Афганистане и, вследствие политической нестабильности, для археологических исследований сейчас недоступна.

Раскопками советских археологов Массона и Сарианиди были вскрыты фундаменты грандиозных для своего времени сооружений в Намазга-Тепе, Алтын-Депе и ряде других мест. Открыты остатки многокомнатных домов, разделённых узкими улочками. Высокоразвитые керамика и ювелирное дело указывают на наличие в городах большого числа ремесленников. Печати и прочие артефакты, найденные в ареале существования Бактрийско-Маргианской цивилизации, принадлежат к художественной системе, в корне отличной от цивилизаций Междуречья и долины Инда. В то же время, в Гонур-Депе найдены цилиндрические печати из Месопотамии и квадратная печать из Хараппы, что указывает на связи, налаженные между параллельно существовавшими цивилизациями.

А про применения спутниковых снимков в археологии мы, конечно же, еще поговорим.

Немного инструментов World Imagery Wayback

Сервис World Wayback Imagery — это архив базовой карты мира World Imagery, от компании Esri. Wayback позволяет получить доступ к версиям снимков World Imagery, сделанных за последние 8 лет. Сравнивая снимки за разные моменты времени, мы можем обнаружить произошедшие изменения. Внимание: архив Wayback основан на дате публикации снимка на карте World Imagery, а не на дате фактического получения снимка.

В Wayback есть несколько полезных инструментов. Рассмотрим их на примере снимка Стамбула (Турция).

Swipe сравнивает снимки “до” и “после”: https://livingatlas.arcgis.com/wayback/#active=14765&ext=29.05991,41.15407,29.12600,41.21556&swipeWidget=14765,44873

Animation создает анимации, составленную из снимков выбранного района, хранящихся в Wayback:
https://livingatlas.arcgis.com/wayback/#active=14765&ext=29.05476,41.15407,29.13115,41.21556&animationSpeed=1
Полученный GIF можно скачать.

#данные

Для тех, кто пропустил сияние в СПб ловите лапс с камеры обсерватории в Низино. Облачка конечно немного попортили виды, но тем не менее. Красотища.

@astrophotoboloto

Создание композитов Best Available Pixel

GEE-BAP — приложение для создания композитов Best Available Pixel (BAP) в Google Earth Engine (GEE). Реализовано на JavaScript, так что код открыт для изучения — даже если все приложение вам не нужно, отдельные фрагменты могут пригодиться.

Мы уже умеем (раз, два) создавать композиты (мозаики), состоящие из средних значений каналов сенсора, взятых за определенный период времени. По сравнению с ними, композиты с наилучшим доступным пикселем (BAP) больше похожи на безоблачный снимок, сделанный в заданную дату.

Для создания композитов BAP задаем дату, вокруг которой создается композит, и интервал времени, ограничивающий выбор снимков (например, ±30 суток от выбранной даты). Задаем также набор сенсоров. В GEE-BAP это: Landsat-5 TM, Landsat-7 ETM+ и Landsat-8 OLI. Все они доступны в GEE и единообразно обработаны. Рассматриваются только снимки, доля площади облаков на которых не превышает заданного порога.

Каждому пикселю из доступных снимков присваивается оценка, в зависимости от

1. даты съемки. Пиксели-кандидаты, полученные ближе к заданной дате, получают более высокие оценки. Рассматриваются только пиксели, полученные в пределах выбранного диапазона дат.
2. расстояния до облаков и теней облаков. Оценка пикселя снижается, если он находится вблизи облака или тени. Пиксели, на которых маска качества определила наличие облаков и теней, не учитываются при компоновке изображения.
3. непрозрачности атмосферы. Пиксели ранжируется на основе значений непрозрачности (opacity) атмосферы, указывающих на наличие дымки.
4. сенсора. Снимки, полученные после неисправности корректора линий сканирования ETM+ (SLC-off), получают меньшую оценку. После SLC-off на снимках Landsat 7 стали появляться прерывистые линии. Поэтому везде, где возможно, стараются обеспечить приоритет “целых” данных TM и OLI над данными ETM+ после SLC-off.

В результате, пиксель, получивший максимальную оценку, попадает в композит BAP.

Непрозрачность атмосферы и расстояние до облаков хранятся в данных Landsat. Загляните, например, сюда. LANDSAT_LE07_C02_T1_L2 SR_ATMOS_OPACITY — это непрозрачность атмосферы, а ST_CDIST — расстояние пикселя до облака.

Подробно алгоритм построения BAP-композитов описан в White et al. (2014).

Еще GEE-BAP умеет удалять атмосферные аномалии и заполнять пробелы в данных. Аномалии удаляются с помощью алгоритма удаления выбросов во временных рядах, описанного в Kennedy et al. (2010). Кеннеди — это создатель LandTrendr.

Кстати, судя по The Scoop on Planet Basemaps, мозаики Planet создаются по алгоритму, очень похожему на BAP.

#GEE

Фрагмент снимка LC09_001017_20230423 без сжатия.

Запущен IMECE — первый спутник дистанционного зондирования высокого разрешения, разработанный и изготовленный в Турции

Чуть не пропустили новость о запуске турецкого спутника ДЗЗ высокого разрешения. Что же в нем особенного?

15 апреля 2023 года на ракете Falcon 9 Block 5 в рамках миссии Transporter-7 ridershare был запущен IMECE — турецкий спутник наблюдения Земли, позволяющий делать снимки высокого разрешения.

Состав каналов съемочной аппаратуры пока неизвестен. Известно, что есть панхроматический канал с пространственным разрешением 0,99 м и что разрешение мультиспектральной съемки составляет 3,96 м. Размеры области изображения: 16 км х 16 км. Масса спутника — около 700 кг.

Спутник IMECE разрабатывался с января 2017 года. Разработчиком считается Совет по научным и технологическим исследованиям Турции (TÜBİTAK).

В Интернете IMECE сгоряча назвали первым турецким спутником, позволяющим делать снимки высокого разрешения. Это, конечно, не так. Уже был Göktürk-2. Зато, на сегодняшний день, IMECE — “максимально турецкий” спутник ДЗЗ высокого разрешения.

При создании спутника использовано до 60% собственной элементной базы. Начиная с 2013 года, государство поддерживало “Проект развития спутниковых подсистем IMECE. Цель проекта — создание инфраструктуры для самостоятельной разработки спутниковых подсистем, с выходом на создание систем ДЗЗ субметрового класса. В рамках проекта разработаны, в частности, звездный датчик, солнечный датчик, электрическая двигательная установка и бортовой компьютер.

Спускаемый аппарат Hakuto-R японской компании ispace потерпел аварию во время прилунения

26 апреля спускаемый аппарат Hakuto-R японской компании ispace потерпел аварию во время прилунения. Предполагается, что аппарат совершил жесткую посадку на поверхность Луны.

Проект начался с того, что в 2008 году инженер Эндрю Бартон, стремившийся выиграть конкурс Google Lunar X Prize (посадка на Луну ровера на частные средства к 2018 году), собрал международную группу профессионалов и создал компанию White Label Space. В 2010 году Такеши Хакамада основал ispace, как японское отделение White Label Space. К 2013 году многие специалисты покинули проект, а японцы остались. Проект был переименован из White Label Space в Hakuto, по имени мифологического белого зайца. Хотя ispace, как и все кто участвовал в Google Lunar X Prize, не смогла стартовать до установленного срока в 2018 году, команда продолжила работу. Важно, что и крупные спонсоры (KDDI Corporation, Japan Airlines, Suzuki) продолжили поддерживать ispace.

ispace рассчитывало побороться за контракты NASA на создание спускаемых аппаратов и роверов для новых лунных миссий. В октябре 2018 года ispace вошла в состав команды, предложившей проект коммерческого лунного спускаемого аппарата в рамках программы NASA Commercial Lunar Payload Services Program (CLPS). Другие участники команды: лаборатория Дрейпера (Draper Laboratory), компании General Atomics и Spaceflight Industries*. До вхождения в проект, ispace планировала в 2020 году запустить демонстрационную миссию для облета Луны. Однако, согласившись на участие в проекте, ispace пришлось ускорится: миссия по облету Луны была отменена, чтобы скорее продемонстрировать возможность посадки на ее поверхность. Новую миссию назвали Hakuto-R Mission 1. Она стартовала к Луне 11 декабря 2022 года и завершилась 26 апреля аварией спускаемого аппарата.

На снимке восход Земли, снятый Hakuto-R во время облета Луны.

*Все партнеры ispace известны своей работой в “сфере национальной безопасности”.

#луна

Тот самый белый заяц, вместе с богом Окунинуси и крокодилами, на картине Хокусая.

Карта древесного покрова в тропиках

Джон Брандт и его коллеги построили карту древесного покрова в тропических широтах, имеющую пространственное разрешение 10 метров. Карта создана на основе разновременных композитов радарных (Sentinel-1) и оптических (Sentinel-2) данных, проанализированных с помощью сверточных нейросетей. Учитываются леса, площадью более 0,49 га, с сомкнутостью полога (canopy cover) ≥10%. По сравнению с предыдущими работами, более точно отображается расположение деревьев в районах с высокой неоднородностью полога и с открытым пологом, особенно в засушливых районах, внутри городской застройки и на пахотных землях.

Статья продолжает цикл работ авторов, начатый в Brandt et al. A global method to identify trees outside of closed-canopy forests with medium-resolution satellite imagery (2020). Детально описан процесс создания карты, включая построение обучающей выборки (в Collect Earth Online), уточнение разрешения снимков (DSen2), построение мозаик и сглаживание временных рядов.

Код: https://github.com/wri/sentinel-tree-cover

#лес

Суда в порту Дудинки, 3 октября 2021 года. До окончания судоходства остались считанные дни.
Песня под настроение: От злой точки не матерись...

Снимок Sentinel-2, естественные цвета.

#снимки #севморпуть