Карта космодромов от Гюнтера Креббса
На известном сайте Gunter's Space Page есть интерактивная карта космодромов, сделанная в Google My Map: Rocket Launch Sites.
#космодромы
На известном сайте Gunter's Space Page есть интерактивная карта космодромов, сделанная в Google My Map: Rocket Launch Sites.
#космодромы
”Пожиратель кораблей” на пенсии
Это снимок сделан 18 июля 2018 года с борта МКС, а изображен на нем остров Сейбл (географические координаты: 43.933189, -60.006316), расположенный у восточного побережья Канады. Сейбл имеет форму песчаной косы, длиной более 40 километров и шириной всего около 1,5 километров. Он постоянно перемещаются вглубь Атлантики, отдаляясь от континента со скоростью около 200 метров в год. Причиной этого служит расположение острова на стыке двух течений: теплого Гольфстрима и холодного Лабрадорского. В месте встречи течений образуются сильные водовороты, которые размывают остров с западной стороны и наносят песчаный грунт с восточной. Процесс этот протекает неравномерно, так что сейчас площадь острова медленно сокращается.
Сильные водовороты, частые туманы и плохая видимость низких берегов острова привели к тому, что с XVI века песчаные мели Сейбла стали причиной гибели, по меньшей мере, 300 крупных судов, отчего остров и получил свое неофициальное название. Подробней об этом можно узнать из очерка Льва Сухинина “Ненасытное чрево острова Сейбл“, опубликованном в журнале “Вокруг Света”, № 9 за 1978 год. Решило проблему современное навигационное оборудование: последнее судно погибло у здешних берегов в конце 1940-х годов.
Сейчас визитной карточкой острова являются дикие лошади, которые обитают здесь с XVIII века. Как предполагают исследователи, предки этих лошадей спаслись после очередного кораблекрушения и сумели устроиться на блуждающем острове. Позже их активно использовали работники спасательной станции: на лошадях патрулировали остров и перемещали спасательные лодки. Позже население острова сократилось, зато лошади расплодились. В 1959 году канадское правительство решило вывести лошадей с острова и пустить их на мясо. Но в адрес тогдашнего премьер-министра Джона Дифенбейкера стало приходить множество писем от детей со всей страны и даже из других уголков мира с просьбой оставить лошадей на острове. В итоге лошадей оставили в покое и сейчас они находятся под охраной. Согласно отчету 2016 года, на острове проживает около 550 лошадей.
А еще на берегах острова находится крупнейшая в мире детная залежка* серых тюленей. Ежегодно здесь рождается порядка 50 000 котиков и тюленей.
*именно так называется место, где появляются на свет детеныши тюленей.
#снимки
Это снимок сделан 18 июля 2018 года с борта МКС, а изображен на нем остров Сейбл (географические координаты: 43.933189, -60.006316), расположенный у восточного побережья Канады. Сейбл имеет форму песчаной косы, длиной более 40 километров и шириной всего около 1,5 километров. Он постоянно перемещаются вглубь Атлантики, отдаляясь от континента со скоростью около 200 метров в год. Причиной этого служит расположение острова на стыке двух течений: теплого Гольфстрима и холодного Лабрадорского. В месте встречи течений образуются сильные водовороты, которые размывают остров с западной стороны и наносят песчаный грунт с восточной. Процесс этот протекает неравномерно, так что сейчас площадь острова медленно сокращается.
Сильные водовороты, частые туманы и плохая видимость низких берегов острова привели к тому, что с XVI века песчаные мели Сейбла стали причиной гибели, по меньшей мере, 300 крупных судов, отчего остров и получил свое неофициальное название. Подробней об этом можно узнать из очерка Льва Сухинина “Ненасытное чрево острова Сейбл“, опубликованном в журнале “Вокруг Света”, № 9 за 1978 год. Решило проблему современное навигационное оборудование: последнее судно погибло у здешних берегов в конце 1940-х годов.
Сейчас визитной карточкой острова являются дикие лошади, которые обитают здесь с XVIII века. Как предполагают исследователи, предки этих лошадей спаслись после очередного кораблекрушения и сумели устроиться на блуждающем острове. Позже их активно использовали работники спасательной станции: на лошадях патрулировали остров и перемещали спасательные лодки. Позже население острова сократилось, зато лошади расплодились. В 1959 году канадское правительство решило вывести лошадей с острова и пустить их на мясо. Но в адрес тогдашнего премьер-министра Джона Дифенбейкера стало приходить множество писем от детей со всей страны и даже из других уголков мира с просьбой оставить лошадей на острове. В итоге лошадей оставили в покое и сейчас они находятся под охраной. Согласно отчету 2016 года, на острове проживает около 550 лошадей.
А еще на берегах острова находится крупнейшая в мире детная залежка* серых тюленей. Ежегодно здесь рождается порядка 50 000 котиков и тюленей.
*именно так называется место, где появляются на свет детеныши тюленей.
#снимки
Глобальные карты потоков углерода лесов за 2000–2021 годы
На картах представлены выбросы углерода (в тоннах/га), возникающие в результате нарушений лесов. Нарушения подсчитываются за каждый год наблюдаемого периода — с 2001 по 2021. Данные имеют глобальный охват, пространственное разрешение 30 метров и обновляются ежегодно. Они представлены на сервисе Global Forest Watch, в разделе Climate. в виде трех видов карт: Forest greenhouse gas emissions, Forest carbon removals и Forest greenhouse gas net flux.
Процедура моделирования потоков углерода описана в Harris et al. Global maps of twenty-first century forest carbon fluxes. Nature Climate Change (2021). К сожалению, описание сверхкороткое, так что многие утверждения авторов приходится принимать на веру. Зато код модели находится в открытом доступе, так что кое-что можно узнать из него.
По утверждению авторов, выбросы включают все пулы углерода леса (надземная биомасса, подземная биомасса, валежник, подстилка, почва) и парниковые газы (CO2, CH4, N2O). Оценки выбросов для каждого пикселя рассчитываются в соответствии с Руководящими принципами МГЭИК (Межправительственная группа экспертов по изменению климата) для национальных инвентаризаций парниковых газов. Доля углерода, выделяемого из каждого пикселя при нарушении (коэффициент выбросов), зависит от нескольких факторов, включая непосредственную причину нарушения, наблюдался ли пожар в год наблюдаемого нарушения или предшествующий ему, произошло ли нарушение на торфянике и т. д.
Ежегодные нарушения (потерю) и возобновление лесного покрова фиксируют по данным Global Forest Change.
На карте показаны нетто-потоки парниковых газов — Forest greenhouse gas net flux. Фиолетовый цвет означает эмиссию парниковых газов в атмосферу, зеленый поглощение парниковых газов лесом.
#климат #лес #данные
На картах представлены выбросы углерода (в тоннах/га), возникающие в результате нарушений лесов. Нарушения подсчитываются за каждый год наблюдаемого периода — с 2001 по 2021. Данные имеют глобальный охват, пространственное разрешение 30 метров и обновляются ежегодно. Они представлены на сервисе Global Forest Watch, в разделе Climate. в виде трех видов карт: Forest greenhouse gas emissions, Forest carbon removals и Forest greenhouse gas net flux.
Процедура моделирования потоков углерода описана в Harris et al. Global maps of twenty-first century forest carbon fluxes. Nature Climate Change (2021). К сожалению, описание сверхкороткое, так что многие утверждения авторов приходится принимать на веру. Зато код модели находится в открытом доступе, так что кое-что можно узнать из него.
По утверждению авторов, выбросы включают все пулы углерода леса (надземная биомасса, подземная биомасса, валежник, подстилка, почва) и парниковые газы (CO2, CH4, N2O). Оценки выбросов для каждого пикселя рассчитываются в соответствии с Руководящими принципами МГЭИК (Межправительственная группа экспертов по изменению климата) для национальных инвентаризаций парниковых газов. Доля углерода, выделяемого из каждого пикселя при нарушении (коэффициент выбросов), зависит от нескольких факторов, включая непосредственную причину нарушения, наблюдался ли пожар в год наблюдаемого нарушения или предшествующий ему, произошло ли нарушение на торфянике и т. д.
Ежегодные нарушения (потерю) и возобновление лесного покрова фиксируют по данным Global Forest Change.
На карте показаны нетто-потоки парниковых газов — Forest greenhouse gas net flux. Фиолетовый цвет означает эмиссию парниковых газов в атмосферу, зеленый поглощение парниковых газов лесом.
#климат #лес #данные
harris2021_methods.pdf
834.1 KB
Описание методов моделирования потоков углерода из Harris et al. Global maps of twenty-first century forest carbon fluxes (2021).
Запущен Dragonette-001 — первый аппарат гиперcпектральной группировки Wyvern
15 апреля 2023 года выведен на орбиту первый спутник из гиперспектральной группировки канадской компании Wyvern. Мы прозевали этот пуск, и пропустили бы все на свете, если бы не заметка коллеги — спасибо ему за информацию.
Спутник называется Dragonette-001. Это 6U CubeSat, который выводился в транспортно-пусковом контейнере ION Satellite Carrier. Gunter’s Space Page сообщил о запуске контейнера, не указав его “начинку”. Кстати, следующий запуск контейнера (ION-SCV 011) планируется 10 июня этого года. Весьма вероятно, что в нем будут находиться Dragonette-002 и -003 — аппараты, идентичные Dragonette-001.
Wyvern планирует развернуть на орбите группировку из 36 спутников. Спутники разработаны и изготавливаются AAC Clyde Space, название платформы — EPICHyper.
Dragonette-001 получает данные в 23 спектральных каналах с разрешением 5.3 метра. Чем больше каналов, тем точнее представлен спектр отражения объекта. 23 канала — совсем не много для гиперспектральной съемки, где могут быть сотни каналов. Впрочем, главное здесь даже не число каналов, а их ширина. Каналы должны быть достаточно узкими, чтобы регистрировать тонкие отличия в спектре отражения. У обычных (мультиспектральных) оптических сенсоров ширина каналов составляет 40–50 нм (в отдельных случаях — 20 нм), а у гиперспектральных — 10 нм.
Состав спектральных каналов не сообщается. Обычно, это каналы в видимой, ближней ИК и коротковолновой ИК областях спектра. Для сельского хозяйства, где Wyvern собирается применять свои данные, понадобятся все эти области спектра или, как минимум, видимая и ближняя ИК.
Пространственное разрешение 5.3 метра — очень хорошо. Сейчас есть всего один спутник, предоставляющий общедоступные гиперспектральные снимки — итальянский аппарат PRISMA. У него пространственное разрешение 30 метров.
Wyvern предполагает использовать полученные данные в сельском хозяйстве, где они помогут выявлять вредителей, сорные растения и изменения в составе почвы. Кроме спутников, Wyvern занимается дронами, также ведущими гиперспектральную съемку.
На всякий случай напомним, что от гиперспектральной съемки замаскироваться намного сложнее, чем от мультиспектральной. И заинтересованным организациям об этом хорошо известно. Сейчас Wyvern — канадская компания, так что если мы заметим ее движение в сторону создания американского филиала, следующий шаг предсказать будет легко.
#гиперспектр
15 апреля 2023 года выведен на орбиту первый спутник из гиперспектральной группировки канадской компании Wyvern. Мы прозевали этот пуск, и пропустили бы все на свете, если бы не заметка коллеги — спасибо ему за информацию.
Спутник называется Dragonette-001. Это 6U CubeSat, который выводился в транспортно-пусковом контейнере ION Satellite Carrier. Gunter’s Space Page сообщил о запуске контейнера, не указав его “начинку”. Кстати, следующий запуск контейнера (ION-SCV 011) планируется 10 июня этого года. Весьма вероятно, что в нем будут находиться Dragonette-002 и -003 — аппараты, идентичные Dragonette-001.
Wyvern планирует развернуть на орбите группировку из 36 спутников. Спутники разработаны и изготавливаются AAC Clyde Space, название платформы — EPICHyper.
Dragonette-001 получает данные в 23 спектральных каналах с разрешением 5.3 метра. Чем больше каналов, тем точнее представлен спектр отражения объекта. 23 канала — совсем не много для гиперспектральной съемки, где могут быть сотни каналов. Впрочем, главное здесь даже не число каналов, а их ширина. Каналы должны быть достаточно узкими, чтобы регистрировать тонкие отличия в спектре отражения. У обычных (мультиспектральных) оптических сенсоров ширина каналов составляет 40–50 нм (в отдельных случаях — 20 нм), а у гиперспектральных — 10 нм.
Состав спектральных каналов не сообщается. Обычно, это каналы в видимой, ближней ИК и коротковолновой ИК областях спектра. Для сельского хозяйства, где Wyvern собирается применять свои данные, понадобятся все эти области спектра или, как минимум, видимая и ближняя ИК.
Пространственное разрешение 5.3 метра — очень хорошо. Сейчас есть всего один спутник, предоставляющий общедоступные гиперспектральные снимки — итальянский аппарат PRISMA. У него пространственное разрешение 30 метров.
Wyvern предполагает использовать полученные данные в сельском хозяйстве, где они помогут выявлять вредителей, сорные растения и изменения в составе почвы. Кроме спутников, Wyvern занимается дронами, также ведущими гиперспектральную съемку.
На всякий случай напомним, что от гиперспектральной съемки замаскироваться намного сложнее, чем от мультиспектральной. И заинтересованным организациям об этом хорошо известно. Сейчас Wyvern — канадская компания, так что если мы заметим ее движение в сторону создания американского филиала, следующий шаг предсказать будет легко.
#гиперспектр
На снимке, сделанном 12 мая с борта Международной космической станции (ISS069-E-10181) — корабль "Союз МС-23", пристыкованный к модулю "Причал". Станция находится над северо-восточным побережьем США. Внизу хорошо видны огни Нью-Йорка и близлежащих городов.
Рекомендуемые практики спутникового мониторинга чрезвычайных ситуаций UN-SPIDER
UN-SPIDER (United Nations Platform for Space-based Information for Disaster Management and Emergency Response) — единый информационный ресурс, посвященный использованию спутниковых данных для предупреждения, выявления и ликвидации последствий чрезвычайных ситуаций. UN-SPIDER учрежден резолюцией Генеральной Ассамблеи ООН № 61/110 от 14 декабря 2006 года.
При возникновении угрозы чрезвычайной ситуации ключевое слово — “быстро”. Нужно быстро собрать все, что есть под рукой и начать работать. Поэтому спутниковые данные и софт предполагаются бесплатными и общедоступными, а алгоритмы обработки данных — быстрыми, но рабочими. То есть сбор данных, машинное обучение и расчеты должны проделываться как можно быстрее, а алгоритмы могут быть не самыми современными, но имеющими адекватную задаче точность. Требования к пользователю минимальны — наличие компьютера и Интернета (последнее — не всегда, но часто). Когда все это собрано вместе, на первый план выступает процесс обработки данных и создания из них информационных продуктов, позволяющих решить поставленную задачу (например, оценить площадь зоны затопления).
Здесь и пригодится UN-SPIDER. В нем описаны пошаговые процедуры, так называемые рекомендуемые практики (Recommended Practices), которые доказали свою эффективность при создании информационных продуктов на основе спутниковых данных дистанционного зондирования для оценки наводнений, засух и лесных пожаров и т. п. Сейчас таких практик семнадцать.
Каждая рекомендуемая практика состоит из обзора, пошаговой (Step by Step) и подробной (In Detail) страниц.
На обзорной странице (например) вы знакомитесь с постановкой задачи и примером реальной чрезвычайной ситуации, для которой эта задача решалась. Здесь же представлена блок-схема работы (Fflowchart).
На странице Step by Step указано программное обеспечение и данные, необходимые для решения задачи, а также описан пошаговый процесс создания требуемого информационного продукта (в нашем примере — карты зон затопления). В конце есть обязательный раздел “Application and Limitations” — в каких случаях можно применять описанный подход и какие ограничения он имеет. Из программного обеспечения чаще всего используются QGIS, GEE и SNAP (Sentinel Application Platform), из языков программирования — R и Python.
На странице In Detail кратко описана теория, на которой основаны алгоритмы из Step by Step, и даны ссылки на литературу.
Список рекомендуемых практик: https://un-spider.org/advisory-support/recommended-practices
#основы
UN-SPIDER (United Nations Platform for Space-based Information for Disaster Management and Emergency Response) — единый информационный ресурс, посвященный использованию спутниковых данных для предупреждения, выявления и ликвидации последствий чрезвычайных ситуаций. UN-SPIDER учрежден резолюцией Генеральной Ассамблеи ООН № 61/110 от 14 декабря 2006 года.
При возникновении угрозы чрезвычайной ситуации ключевое слово — “быстро”. Нужно быстро собрать все, что есть под рукой и начать работать. Поэтому спутниковые данные и софт предполагаются бесплатными и общедоступными, а алгоритмы обработки данных — быстрыми, но рабочими. То есть сбор данных, машинное обучение и расчеты должны проделываться как можно быстрее, а алгоритмы могут быть не самыми современными, но имеющими адекватную задаче точность. Требования к пользователю минимальны — наличие компьютера и Интернета (последнее — не всегда, но часто). Когда все это собрано вместе, на первый план выступает процесс обработки данных и создания из них информационных продуктов, позволяющих решить поставленную задачу (например, оценить площадь зоны затопления).
Здесь и пригодится UN-SPIDER. В нем описаны пошаговые процедуры, так называемые рекомендуемые практики (Recommended Practices), которые доказали свою эффективность при создании информационных продуктов на основе спутниковых данных дистанционного зондирования для оценки наводнений, засух и лесных пожаров и т. п. Сейчас таких практик семнадцать.
Каждая рекомендуемая практика состоит из обзора, пошаговой (Step by Step) и подробной (In Detail) страниц.
На обзорной странице (например) вы знакомитесь с постановкой задачи и примером реальной чрезвычайной ситуации, для которой эта задача решалась. Здесь же представлена блок-схема работы (Fflowchart).
На странице Step by Step указано программное обеспечение и данные, необходимые для решения задачи, а также описан пошаговый процесс создания требуемого информационного продукта (в нашем примере — карты зон затопления). В конце есть обязательный раздел “Application and Limitations” — в каких случаях можно применять описанный подход и какие ограничения он имеет. Из программного обеспечения чаще всего используются QGIS, GEE и SNAP (Sentinel Application Platform), из языков программирования — R и Python.
На странице In Detail кратко описана теория, на которой основаны алгоритмы из Step by Step, и даны ссылки на литературу.
Список рекомендуемых практик: https://un-spider.org/advisory-support/recommended-practices
#основы
Пример страницы UN-SPIDER: Рекомендуемая практика картирования наводнений и оценки ущерба с помощью оптических данных Sentinel-2.
Доступ к Z-Library
Любопытный способ доступа к ресурсам наладила возобновившая свою работу библиотека Z-Library. Для этого нужно зарегистрироваться по одному из адресов https://singlelogin.re/ или https://singlelogin.site/, после чего вам на почту придет письмо с адресами индивидуального доступа к Z-Library.
Z-Library — одна из крупнейших библиотек научной, технической и научно-популярной литературы. Утверждается, что с 2018 года библиотека интегрирована с Library Genesis, где она выступает как Bookfi. Так или иначе, но еще один способ доступа к научной литературе не помешает))
Любопытный способ доступа к ресурсам наладила возобновившая свою работу библиотека Z-Library. Для этого нужно зарегистрироваться по одному из адресов https://singlelogin.re/ или https://singlelogin.site/, после чего вам на почту придет письмо с адресами индивидуального доступа к Z-Library.
Z-Library — одна из крупнейших библиотек научной, технической и научно-популярной литературы. Утверждается, что с 2018 года библиотека интегрирована с Library Genesis, где она выступает как Bookfi. Так или иначе, но еще один способ доступа к научной литературе не помешает))
Следы кораблей в воздухе образуются, когда мелкие частицы из выхлопных газов кораблей попадают во влажный слой атмосферы. Эти частицы служат ядрами конденсации, из которых образуются облака, а также притягивают воду из существующих облаков. Снимок сделан над северной частью Тихого океана прибором MODIS на борту спутника Aqua 3 июля 2010 года (источник).
#снимки #атмосфера
#снимки #атмосфера
Forwarded from Aerospace Capital 🛰🚀
Началась интеграция космических аппаратов с пусковыми контейнерами Аэроспейс Кэпитал! 🛰️
Подготовка к предстоящему запуску во втором квартале этого года идет полным ходом 🚀
Подготовка к предстоящему запуску во втором квартале этого года идет полным ходом 🚀
GEE: УЧЕБНЫЕ РЕСУРСЫ
Учебники ДЗЗ на основе GEE
Cloud-Based Remote Sensing with Google Earth Engine: Fundamentals and Applications / Eds. Jeffrey A. Cardille, Morgan A. Crowley, David Saah, Nicholas E. Clinton. — Springer, 2024. https://doi.org/10.1007/978-3-031-26588-4
GEE Developers: Earth Engine resources for higher education — коллекция курсов ДЗЗ, сделанных на основе GEE.
Remote Sensing with Google Earth Engine — растущий учебник по ДЗЗ с примерами в GEE (JavaScript API).
Geospatial Ecology and Remote Sensing — вводные курсы по ДЗЗ и экологическому мониторингу, опирающиеся на GEE (JS).
Regional Agronomy — введение в мониторинг сельскохозяйственных культур при помощи ДЗЗ и GEE (JavaScript). В частности, описана классификация, реализованная в GEE (randomForest).
Учебники по GEE
Переход JavaScript API ↔️ Python API
JavaScript
GEE Developers: Get Started with Earth Engine — официальное руководство для начинающих.
End-to-End Google Earth Engine (Full Course Material) — Основы даны на JS, в конце переходят на Python API. Есть интересные примеры задач.
Geohachweek: Google Earth Engine — введение в GEE.
Google Earth Engine Platform for Big Data Processing — Big Data здесь нет, а есть хороший вводный курс GEE. В третьей главе рассмотрены классификация и регрессия в GEE.
Python
Geospatial Data Science with Earth Engine and Geemap — книга д-ра Q. Wu, автора питоновского пакета geemap и массы руководств по GEE. Для тех, кто обучается GEE с нуля и работает с Python API. Есть более ранние GEE Tutorials в виде отдельных Jupyter-блокнотов. К каждому примеру есть видео. Код примеров: https://github.com/giswqs/earthengine-py-examples
Worldbank Open Nighttime Lights — курс по GEE на Python API, интересный с точки зрения рассмотренных тем. В частности: классификация и регрессия, статистический вывод и интеркалибровка спутниковых сенсоров.
Earth Engine API Colab Setup — настройка совместной работы GEE + Colab.
Google Earth Engine with Python (EEwPython) — коллекция блокнотов по использованию GEE + Colab: 1. Developer's Guide, 2. Image, 3. ImageCollection, 4. Geometry, Feature & FeatureCollections, 5. Reducer, 6. Joins, 7. Chart, 8. Array, 9. Specialized Algorithms, 10. Export data
PreLab - Intro to GEE — шесть лекций с примерами (JS/Python). Есть временные ряды и ночные снимки.
GEE + TensorFlow — как наладить совместное использование GEE и TensorFlow.
Google Earth Engine (GEE) and Image Analysis — курс по GEE и ДЗЗ для совместного использования с CLIMADA (вероятностной моделью оценки риска изменения климата).
Time series analysis — лабораторная работа по анализу временных рядов в GEE.
#GEE
Учебники ДЗЗ на основе GEE
Cloud-Based Remote Sensing with Google Earth Engine: Fundamentals and Applications / Eds. Jeffrey A. Cardille, Morgan A. Crowley, David Saah, Nicholas E. Clinton. — Springer, 2024. https://doi.org/10.1007/978-3-031-26588-4
GEE Developers: Earth Engine resources for higher education — коллекция курсов ДЗЗ, сделанных на основе GEE.
Remote Sensing with Google Earth Engine — растущий учебник по ДЗЗ с примерами в GEE (JavaScript API).
Geospatial Ecology and Remote Sensing — вводные курсы по ДЗЗ и экологическому мониторингу, опирающиеся на GEE (JS).
Regional Agronomy — введение в мониторинг сельскохозяйственных культур при помощи ДЗЗ и GEE (JavaScript). В частности, описана классификация, реализованная в GEE (randomForest).
Учебники по GEE
Переход JavaScript API ↔️ Python API
JavaScript
GEE Developers: Get Started with Earth Engine — официальное руководство для начинающих.
End-to-End Google Earth Engine (Full Course Material) — Основы даны на JS, в конце переходят на Python API. Есть интересные примеры задач.
Geohachweek: Google Earth Engine — введение в GEE.
Google Earth Engine Platform for Big Data Processing — Big Data здесь нет, а есть хороший вводный курс GEE. В третьей главе рассмотрены классификация и регрессия в GEE.
Python
Geospatial Data Science with Earth Engine and Geemap — книга д-ра Q. Wu, автора питоновского пакета geemap и массы руководств по GEE. Для тех, кто обучается GEE с нуля и работает с Python API. Есть более ранние GEE Tutorials в виде отдельных Jupyter-блокнотов. К каждому примеру есть видео. Код примеров: https://github.com/giswqs/earthengine-py-examples
Worldbank Open Nighttime Lights — курс по GEE на Python API, интересный с точки зрения рассмотренных тем. В частности: классификация и регрессия, статистический вывод и интеркалибровка спутниковых сенсоров.
Earth Engine API Colab Setup — настройка совместной работы GEE + Colab.
Google Earth Engine with Python (EEwPython) — коллекция блокнотов по использованию GEE + Colab: 1. Developer's Guide, 2. Image, 3. ImageCollection, 4. Geometry, Feature & FeatureCollections, 5. Reducer, 6. Joins, 7. Chart, 8. Array, 9. Specialized Algorithms, 10. Export data
PreLab - Intro to GEE — шесть лекций с примерами (JS/Python). Есть временные ряды и ночные снимки.
GEE + TensorFlow — как наладить совместное использование GEE и TensorFlow.
Google Earth Engine (GEE) and Image Analysis — курс по GEE и ДЗЗ для совместного использования с CLIMADA (вероятностной моделью оценки риска изменения климата).
Time series analysis — лабораторная работа по анализу временных рядов в GEE.
#GEE
GEE: ПОЛЕЗНЫЕ ССЫЛКИ
Ответы на вопросы
🔹https://stackoverflow.com/
🔹https://gis.stackexchange.com/ есть:
🔹Google Earth Engine Developers в Группах Google.
Специальные задачи
🌍 Harmonization of Landsat and Sentinel 2 in Google Earth Engine — попытка создания единого временного ряда данных Landsat и Sentinel-2: код (JS API) и документация. Особенно интересны BRDF-коррекция и топокоррекция.
🌍 Гармонизация данных Landsat и Sentinel-2 с помощью Google Earth Engine — ещё один способ создания плотного временного ряда Landsat + Sentinel-2 исключительно средствами GEE (JavaScript).
☁️ Multitemporal Cloud Masking in the Google Earth Engine — маскирование облачности по разновременным данным: код, документация, ссылки на теорию.
Скрипты
📝 Open Geo Blog — куча примеров кода (JS).
”Подвал”
Давно не обновлялось, но рабочее.и лень выбросить
🔹Хабр / Earth Engine от Google — уникальная платформа для анализа больших геоданных — хороший обзор возможностей GEE (2020 год). Описано немного внутренней кухни GEE, например граф вычислений.
🔹Keiko Nomura GEE Tips — нетривиальные советы по работе в GEE.
🔹Awesome GEE — обновляемый список ресурсов по GEE.
#GEE
Ответы на вопросы
🔹https://stackoverflow.com/
🔹https://gis.stackexchange.com/ есть:
🔹Google Earth Engine Developers в Группах Google.
Специальные задачи
🌍 Harmonization of Landsat and Sentinel 2 in Google Earth Engine — попытка создания единого временного ряда данных Landsat и Sentinel-2: код (JS API) и документация. Особенно интересны BRDF-коррекция и топокоррекция.
🌍 Гармонизация данных Landsat и Sentinel-2 с помощью Google Earth Engine — ещё один способ создания плотного временного ряда Landsat + Sentinel-2 исключительно средствами GEE (JavaScript).
☁️ Multitemporal Cloud Masking in the Google Earth Engine — маскирование облачности по разновременным данным: код, документация, ссылки на теорию.
Скрипты
📝 Open Geo Blog — куча примеров кода (JS).
”Подвал”
Давно не обновлялось, но рабочее.
🔹Хабр / Earth Engine от Google — уникальная платформа для анализа больших геоданных — хороший обзор возможностей GEE (2020 год). Описано немного внутренней кухни GEE, например граф вычислений.
🔹Keiko Nomura GEE Tips — нетривиальные советы по работе в GEE.
🔹Awesome GEE — обновляемый список ресурсов по GEE.
#GEE
Сегодня — "санитарный день") Разбираемся с накопившимися ссылками, приводим все в порядок. Важное поместим в закреп.
Термины и сокращения
ГНСС / глобальная навигационная спутниковая система
ДЗЗ / дистанционное зондирование Земли
ИК / инфракрасный (диапазон)
КА / космический аппарат
МКС / Международная космическая станция
BOA / Bottom of Atmosphere — спутниковые данные 2-го уровня обработки
DEM / Digital Elevation Model — цифровая модель рельефа (ЦМР)
GEE / Google Earth Engine
GEO / Geostationary orbit — геостационарная (геосинхронная) орбита (высота 35 786 км).
GNSS-RO / Global Navigation Satellite System-Radio Occultation — ГНСС-радиозатменные измерения
LEO / Low Earth orbit — низкая околоземная орбита (высотой до 2000 км)
LST / land surface temperature — температура земной поверхности
LULC / Land Use & Land Cover — карта землепользования и земного покрова
MEO / Medium Earth orbit — средняя околоземная орбита (высотой от 2000 км до 35 786 км)
NIR / near-infrared — ближний инфракрасный диапазон (700–1300 нм)
Red Edge — красный край фотосинтеза (около 700 нм)
SAR / Synthetic-aperture radar — радар с синтезированной апертурой
SSA / space situational awareness — космическая ситуационная осведомленность
SST / Sea surface temperature — температура поверхности моря
SWIR / short-wave infrared — коротковолновой инфракрасный диапазон (1300–2500 нм)
TIR / thermal infrared — тепловой инфракрасный диапазон (3000–14000 нм)
TOA / Top of Atmosphere — спутниковые данные 1-го уровня обработки
UTC / Coordinated Universal Time — Всемирное координированное время (сокращённо: Всемирное время)
ГНСС / глобальная навигационная спутниковая система
ДЗЗ / дистанционное зондирование Земли
ИК / инфракрасный (диапазон)
КА / космический аппарат
МКС / Международная космическая станция
BOA / Bottom of Atmosphere — спутниковые данные 2-го уровня обработки
DEM / Digital Elevation Model — цифровая модель рельефа (ЦМР)
GEE / Google Earth Engine
GEO / Geostationary orbit — геостационарная (геосинхронная) орбита (высота 35 786 км).
GNSS-RO / Global Navigation Satellite System-Radio Occultation — ГНСС-радиозатменные измерения
LEO / Low Earth orbit — низкая околоземная орбита (высотой до 2000 км)
LST / land surface temperature — температура земной поверхности
LULC / Land Use & Land Cover — карта землепользования и земного покрова
MEO / Medium Earth orbit — средняя околоземная орбита (высотой от 2000 км до 35 786 км)
NIR / near-infrared — ближний инфракрасный диапазон (700–1300 нм)
Red Edge — красный край фотосинтеза (около 700 нм)
SAR / Synthetic-aperture radar — радар с синтезированной апертурой
SSA / space situational awareness — космическая ситуационная осведомленность
SST / Sea surface temperature — температура поверхности моря
SWIR / short-wave infrared — коротковолновой инфракрасный диапазон (1300–2500 нм)
TIR / thermal infrared — тепловой инфракрасный диапазон (3000–14000 нм)
TOA / Top of Atmosphere — спутниковые данные 1-го уровня обработки
UTC / Coordinated Universal Time — Всемирное координированное время (сокращённо: Всемирное время)
Обновили закреп. На сегодня приборка закончена.
Telegram
Спутник ДЗЗ
ДЗЗ / дистанционное зондирование Земли
ИК / инфракрасный (диапазон)
КА / космический аппарат
Дистанционное зондирование Земли
Термины и сокращения, #термины
Организации: NASA, NOAA, DARPA и другие
Спектральные каналы Landsat 8/9 и Sentinel-2
Спектральные…
ИК / инфракрасный (диапазон)
КА / космический аппарат
Дистанционное зондирование Земли
Термины и сокращения, #термины
Организации: NASA, NOAA, DARPA и другие
Спектральные каналы Landsat 8/9 и Sentinel-2
Спектральные…
Немного занятной статистики из Our World in Data, раздел Space Exploration and Satellites: годовой бюджет NASA 1959–2022 гг. и стоимость вывода килограмма полезного груза на низкую околоземную орбиту (по горизонтальной оси — год первого удачного запуска носителя).