Слой качества данных ESA WorldCover 2020
Карта классов земного покрова ESA WorldCover 10 m 2020 V100 находится в каталоге данных GEE: https://developers.google.com/earth-engine/datasets/catalog/ESA_WorldCover_v100, а слой для оценки качества этой карты — ESA WorldCover 10 m 2020 V100 InputQuality, находится здесь.
Слой качества входных данных показывает, сколько снимков Sentinel-1 и Sentinel-2 использовано для получения каждого пикселя итоговой карты. Он представляет собой трехканальный GeoTIFF:
* b1: количество наблюдений Sentinel-1 GAMMA0, использованных в процессе классификации.
* b2: Количество наблюдений Sentinel-2 L2A, использованных в процессе классификации
* b3: процент (0–100) некачественных наблюдений S2, отброшенных в ходе классификации, после фильтрации облаков и теней.
По данным b2 и b3 можно получить общее число достоверных наблюдений Sentinel-2 L2A, использованных для классификации.
Код: https://code.earthengine.google.com/a9b67ae6b5e73657cfa3854dd7af3609
Для ESA WorldCover 10 m 2021 V200 слоя качества пока нет.
#GEE #данные #LULC
Карта классов земного покрова ESA WorldCover 10 m 2020 V100 находится в каталоге данных GEE: https://developers.google.com/earth-engine/datasets/catalog/ESA_WorldCover_v100, а слой для оценки качества этой карты — ESA WorldCover 10 m 2020 V100 InputQuality, находится здесь.
Слой качества входных данных показывает, сколько снимков Sentinel-1 и Sentinel-2 использовано для получения каждого пикселя итоговой карты. Он представляет собой трехканальный GeoTIFF:
* b1: количество наблюдений Sentinel-1 GAMMA0, использованных в процессе классификации.
* b2: Количество наблюдений Sentinel-2 L2A, использованных в процессе классификации
* b3: процент (0–100) некачественных наблюдений S2, отброшенных в ходе классификации, после фильтрации облаков и теней.
По данным b2 и b3 можно получить общее число достоверных наблюдений Sentinel-2 L2A, использованных для классификации.
Код: https://code.earthengine.google.com/a9b67ae6b5e73657cfa3854dd7af3609
Для ESA WorldCover 10 m 2021 V200 слоя качества пока нет.
#GEE #данные #LULC
Дельта Окаванго
На снимке, сделанном радаром спутника Sentinel-1, показана дельта реки Окаванго в Ботсване. В отличие от большинства рек, течение Окаванго направлено вглубь материка. Вместо того чтобы течь к морю, река Окаванго орошает пустыню Калахари, образуя крупнейшую в мире внутреннюю дельту.
Дельта Окаванго — это лабиринт лагун, болот, каналов и островов. Она является объектом Всемирного наследия ЮНЕСКО как часть Рамсарской сети водно-болотных угодий — одной из самых биологически разнообразных экосистем на Земле. Попасть в дельту непросто, но спутниковые радары позволяют получать информацию о ней непрерывно. С их помощью можно различать сухие и заболоченные места, а также показать, как меняется дельта в зависимости от времени года.
Изображение является разновременным композитом. В нем объединены три снимка Sentinel-1, сделанных в 2021 году. Каждому снимку в композите отведен определенный цвет — красный для января, зеленый для апреля и синий для августа — чтобы показать, как менялась земля и вода в промежутке между съемками.
Оттенки розового и голубого в нижней части дельты отражают сезонные изменения растительности, происходящие вдоль водных путей. Это относится и ко впадине Мабабе, которая видна в правой части дельты, как область с такой же окраской.
В левой нижней части изображения находится озеро Нгами. Оно выглядит темным, поскольку его спокойные воды зеркально отражали сигнал радара в каждый из моментов съемки. Зеленые тона возле озера показывают, что территория вокруг него подвержена сезонным наводнениям.
#SAR #снимки
На снимке, сделанном радаром спутника Sentinel-1, показана дельта реки Окаванго в Ботсване. В отличие от большинства рек, течение Окаванго направлено вглубь материка. Вместо того чтобы течь к морю, река Окаванго орошает пустыню Калахари, образуя крупнейшую в мире внутреннюю дельту.
Дельта Окаванго — это лабиринт лагун, болот, каналов и островов. Она является объектом Всемирного наследия ЮНЕСКО как часть Рамсарской сети водно-болотных угодий — одной из самых биологически разнообразных экосистем на Земле. Попасть в дельту непросто, но спутниковые радары позволяют получать информацию о ней непрерывно. С их помощью можно различать сухие и заболоченные места, а также показать, как меняется дельта в зависимости от времени года.
Изображение является разновременным композитом. В нем объединены три снимка Sentinel-1, сделанных в 2021 году. Каждому снимку в композите отведен определенный цвет — красный для января, зеленый для апреля и синий для августа — чтобы показать, как менялась земля и вода в промежутке между съемками.
Оттенки розового и голубого в нижней части дельты отражают сезонные изменения растительности, происходящие вдоль водных путей. Это относится и ко впадине Мабабе, которая видна в правой части дельты, как область с такой же окраской.
В левой нижней части изображения находится озеро Нгами. Оно выглядит темным, поскольку его спокойные воды зеркально отражали сигнал радара в каждый из моментов съемки. Зеленые тона возле озера показывают, что территория вокруг него подвержена сезонным наводнениям.
#SAR #снимки
Protected Planet — векторные данные о границах охраняемых территорий
Protected Planet — крупнейший источник векторных данных о границах охраняемых территорий* по всему миру. Данные обновляются ежемесячно. На сайте можно изучить: Всемирную базу данных по охраняемым территориям (World Database on Protected Areas, WDPA), Всемирную базу данных по эффективным природоохранным мерам на порайонной основе (World Database on effective area-based conservation measures), Глобальную базу данных по эффективности управления охраняемыми территориями (Global Database on Protected Area Management Effectivenes, GD-PAME) и множество сопутствующей информации.
Скачать данные о границах охраняемых территорий можно по регионам, по странам или для каждой территории отдельно. Данные сохраняются в шейпфайлах, в виде точечных и полигональных слоев. Если регион или страна слишком большие, шейпфайл автоматически разбивается на части.
К шейпфайлам прилагаются документы на нескольких языках. Русский язык в них настолько суров, что лучше сразу использовать англоязычные версии.
* а также о границах других эффективных природоохранных мер на порайонной основе (effective area-based conservation measures).
#данные
Protected Planet — крупнейший источник векторных данных о границах охраняемых территорий* по всему миру. Данные обновляются ежемесячно. На сайте можно изучить: Всемирную базу данных по охраняемым территориям (World Database on Protected Areas, WDPA), Всемирную базу данных по эффективным природоохранным мерам на порайонной основе (World Database on effective area-based conservation measures), Глобальную базу данных по эффективности управления охраняемыми территориями (Global Database on Protected Area Management Effectivenes, GD-PAME) и множество сопутствующей информации.
Скачать данные о границах охраняемых территорий можно по регионам, по странам или для каждой территории отдельно. Данные сохраняются в шейпфайлах, в виде точечных и полигональных слоев. Если регион или страна слишком большие, шейпфайл автоматически разбивается на части.
К шейпфайлам прилагаются документы на нескольких языках. Русский язык в них настолько суров, что лучше сразу использовать англоязычные версии.
* а также о границах других эффективных природоохранных мер на порайонной основе (effective area-based conservation measures).
#данные
This media is not supported in your browser
VIEW IN TELEGRAM
Снова о картах Global Forest Carbon Fluxes 2001–2021
У нас две новости. Хорошая состоит в том, что карты Global Forest Carbon Fluxes (2001–2021) уже есть на GEE: https://gee-community-catalog.org/projects/cflux/.
Плохая же новость в том, что основные слои данных: эмиссия углерода, поглощение углерода и чистый поток углерода — это кумулятивные данные, накопленные в течение модельного периода (2001–2021 гг.). Чтобы получить среднегодовые значения, нужно разделить каждый поток на 21. У значений потоков углерода нет привязки к годам наблюдения(
#лес #данные
У нас две новости. Хорошая состоит в том, что карты Global Forest Carbon Fluxes (2001–2021) уже есть на GEE: https://gee-community-catalog.org/projects/cflux/.
Плохая же новость в том, что основные слои данных: эмиссия углерода, поглощение углерода и чистый поток углерода — это кумулятивные данные, накопленные в течение модельного периода (2001–2021 гг.). Чтобы получить среднегодовые значения, нужно разделить каждый поток на 21. У значений потоков углерода нет привязки к годам наблюдения(
#лес #данные
Forwarded from Добрый Овчинников
Сегодня провели Хакатон по спутникостроению в рамках Региональные Открытых Соревнований Московской области по робототехнике «КосмоRobots в детском технопарке "Кванториум" города Королёв.
Задачей у ребят было собрать спутник формата CubeSat 2U с раскрываемыми панелями солнечных батарей, запрограммировать датчики освещённости, датчику угловых скоростей. Но это не всё. Дальше их ждал настоящий вибростенд, который должен был показать все ошибки. Но все команды успешно эти испытания выдержали, их спутники тоже!)
И это только одна номинация, а вообще на этих соревнованиях собрались около 600 участников-робототехников!
#Космороботс2023
#образованиеБудущего
@dobriy_ovchinnikov
Задачей у ребят было собрать спутник формата CubeSat 2U с раскрываемыми панелями солнечных батарей, запрограммировать датчики освещённости, датчику угловых скоростей. Но это не всё. Дальше их ждал настоящий вибростенд, который должен был показать все ошибки. Но все команды успешно эти испытания выдержали, их спутники тоже!)
И это только одна номинация, а вообще на этих соревнованиях собрались около 600 участников-робототехников!
#Космороботс2023
#образованиеБудущего
@dobriy_ovchinnikov
satellite-image-deep-learning — методы применения глубокого обучения к данным дистанционного зондирования
Глубокое обучение (Deep Learning) уже повлияло на методы анализа и интерпретации данных дистанционного зондирования, и со временем это влияние будет только усиливаться. Число ресурсов, посвященных применению глубокого обучения в ДЗЗ, постоянно растет. Чтобы разобраться в них, создан репозиторий satellite-image-deep-learning. Это каталог применений методов глубокого обучения для анализа данных ДЗЗ (архитектуры / модели /алгоритмы), в частности, для решения задач классификации, сегментации и обнаружения объектов на снимках. Сейчас satellite-image-deep-learning содержит около 40 разделов и регулярно обновляется.
#нейронки
Глубокое обучение (Deep Learning) уже повлияло на методы анализа и интерпретации данных дистанционного зондирования, и со временем это влияние будет только усиливаться. Число ресурсов, посвященных применению глубокого обучения в ДЗЗ, постоянно растет. Чтобы разобраться в них, создан репозиторий satellite-image-deep-learning. Это каталог применений методов глубокого обучения для анализа данных ДЗЗ (архитектуры / модели /алгоритмы), в частности, для решения задач классификации, сегментации и обнаружения объектов на снимках. Сейчас satellite-image-deep-learning содержит около 40 разделов и регулярно обновляется.
#нейронки
Рисовые террасы в Цяньсинань-Буи-Мяоском автономном округе провинции Гуйчжоу, Китай (координаты: N25°10'11.7543" E104°53'12.5649"). Поля очень узкие, чтобы их разглядеть потребовалось увеличить масштаб до zoom=20.
На других снимках (источник): крестьяне высаживают рис (май 2023 года, в том же автономном округе), рисовые террасы Хунхэ-Хани — объект всемирного наследия ЮНЕСКО.
Сбор информации о том, как выглядят сельскохозяйственные поля в исследуемом регионе, какие культуры на них выращивают, какие работы и в какие сроки производят, а также знание календаря развития полевых культур являются важной частью анализа данных дистанционного зондирования. Чем больше мы знаем о том, что происходит на земле, тем лучше сможем интерпретировать спутниковые снимки.
#сельхоз #снимки
На других снимках (источник): крестьяне высаживают рис (май 2023 года, в том же автономном округе), рисовые террасы Хунхэ-Хани — объект всемирного наследия ЮНЕСКО.
Сбор информации о том, как выглядят сельскохозяйственные поля в исследуемом регионе, какие культуры на них выращивают, какие работы и в какие сроки производят, а также знание календаря развития полевых культур являются важной частью анализа данных дистанционного зондирования. Чем больше мы знаем о том, что происходит на земле, тем лучше сможем интерпретировать спутниковые снимки.
#сельхоз #снимки
ORNL MODIS/VIIRS Subsets
ORNL — это Oak Ridge National Laboratory. Она финансируется Министерством энергетики США и занимается исследованиями в диапазоне от физики до биологии, включая, естественно, вопросы национальной безопасности. Лаборатория поддерживает один из DAAC’ов (Distributed Active Archive Center) — тематических центров хранения и обработки данных дистанционного зондирования. ORNL DAAC посвящен данным, связанным с биогеохимическими процессами. И вот на нем есть несколько любопытных инструментов, позволяющих получить фрагменты обработанных спутниковых данных — MODIS/VIIRS Subsets.
Global Subsets Tool. Выбираете продукт из нескольких десятков вариантов (MODIS, VIIRS, GEDI, ECOSTRESS и др.), указываете координаты и размеры области интереса (или загружаете ее в форматах CSV или geoJSON), задаете интервал времени (с 1999 года, для MODIS — по настоящее время) и получаете набор изображений выбранного продукта в формате GeoTiff и в CSV, статистики изображений (максимум, минимум, среднее и др.), графики временных рядов по каналам (среднее/±стандартное отклонение) и даже скрипты R для визуализации этих графиков. Основное ограничение: размер области интереса для большинства продуктов не должен превышать 100 x 100 км. На выполнение заявки требуется некоторое время (15–30 минут).
Fixed Sites Subsets Tool. Это готовые обработанные данные для 3000+ наземных участков, предназначенные для проверки моделей и продуктов дистанционного зондирования. Для каждого участка, на протяжении всего периода его существования, сгенерированы временные ряды всех имеющихся спутниковых на ORNL DAAC данных.
Web Service. Получение данных для заданной области в режиме реального времени при помощи REST API. Есть руководства по получению данных для R и Python.
#данные
ORNL — это Oak Ridge National Laboratory. Она финансируется Министерством энергетики США и занимается исследованиями в диапазоне от физики до биологии, включая, естественно, вопросы национальной безопасности. Лаборатория поддерживает один из DAAC’ов (Distributed Active Archive Center) — тематических центров хранения и обработки данных дистанционного зондирования. ORNL DAAC посвящен данным, связанным с биогеохимическими процессами. И вот на нем есть несколько любопытных инструментов, позволяющих получить фрагменты обработанных спутниковых данных — MODIS/VIIRS Subsets.
Global Subsets Tool. Выбираете продукт из нескольких десятков вариантов (MODIS, VIIRS, GEDI, ECOSTRESS и др.), указываете координаты и размеры области интереса (или загружаете ее в форматах CSV или geoJSON), задаете интервал времени (с 1999 года, для MODIS — по настоящее время) и получаете набор изображений выбранного продукта в формате GeoTiff и в CSV, статистики изображений (максимум, минимум, среднее и др.), графики временных рядов по каналам (среднее/±стандартное отклонение) и даже скрипты R для визуализации этих графиков. Основное ограничение: размер области интереса для большинства продуктов не должен превышать 100 x 100 км. На выполнение заявки требуется некоторое время (15–30 минут).
Fixed Sites Subsets Tool. Это готовые обработанные данные для 3000+ наземных участков, предназначенные для проверки моделей и продуктов дистанционного зондирования. Для каждого участка, на протяжении всего периода его существования, сгенерированы временные ряды всех имеющихся спутниковых на ORNL DAAC данных.
Web Service. Получение данных для заданной области в режиме реального времени при помощи REST API. Есть руководства по получению данных для R и Python.
#данные
Главная страница MODIS/VIIRS Subsets и результат оформления заказа Global Subsets Tool.
Завершена сборка "Ресурс-П" №4
Ракетно-космический центр "Прогресс" завершил сборку космического аппарата "Ресурс-П" №4. В ближайшее время аппарат будет отправлен на космодром Байконур. Запуск "Ресурс-П" №4 планируется летом 2023 года.
Аппараты семейства "Ресурс-П" предназначены для высокодетального, широкозахватного и гиперспектрального оптико-электронного наблюдения за поверхностью Земли. Примерные характеристики съемочной аппаратуры смотрите здесь. Новые аппараты "Ресурс-П" должны заполнить нишу высокодетальной съемки российской гражданской группировки ДЗЗ.
#россия
Ракетно-космический центр "Прогресс" завершил сборку космического аппарата "Ресурс-П" №4. В ближайшее время аппарат будет отправлен на космодром Байконур. Запуск "Ресурс-П" №4 планируется летом 2023 года.
Аппараты семейства "Ресурс-П" предназначены для высокодетального, широкозахватного и гиперспектрального оптико-электронного наблюдения за поверхностью Земли. Примерные характеристики съемочной аппаратуры смотрите здесь. Новые аппараты "Ресурс-П" должны заполнить нишу высокодетальной съемки российской гражданской группировки ДЗЗ.
#россия
Анонс запуска “Кондора-ФКА” №1
Пуск ракеты “Союз-2.1а” с разгонным блоком “Фрегат” и “Кондором-ФКА” №1 запланирован на 27 мая в 00:14:51 мск с космодрома “Восточный”.
Источник рисунка.
#россия
Пуск ракеты “Союз-2.1а” с разгонным блоком “Фрегат” и “Кондором-ФКА” №1 запланирован на 27 мая в 00:14:51 мск с космодрома “Восточный”.
Источник рисунка.
#россия