Общедоступные данные дистанционного зондирования Земли: как получить и использовать

Дистанционное зондирование Земли (ДЗЗ) — наблюдение поверхности Земли наземными, авиационными и космическими средствами, оснащёнными различными видами съемочной аппаратуры [википедия]. Поговорим о возможностях, предоставляемых бесплатными и общедоступными данными. Всего не перечислить, поэтому расскажу только о том, с чем я сам работаю, все примеры кода и картинки мои собственные. Исходный код по ссылкам представлен на языке Python 3 в виде Jupyter Notebooks на GitHub.

Картинка ниже показывает смещение поверхности Земли относительно спутника (красным цветом обозначено смещение вверх и синим — вниз) в результате землетрясения (6.5 баллов) — как видим, горы «подросли» (на 20-30 см) и долины углубились (на 15-20 см). Можно ли это замерить локально? Да, с помощью сети наземных станций GPS — что и дорого и сложно организовать, а точность спутниковых наблюдений уже превосходит наземные. Кстати, показанная интерферограмма вычислена за пару часов на обычном лаптопе с помощью Open Source утилит GMTSAR (фактически, это расширение для знаменитых в области наук о Земле утилит GMT).

Общедоступные данные дистанционного зондирования Земли: как получить и использовать
Как растут горы — спутниковая интерферограмма землетрясения магнитудой 6.5 баллов в Монте Кристо, Невада, США

Где брать данные ДЗЗ

Данные спутниковых аппаратов по отдельности доступны в каталогах управляющих спутниками организаций, а еще существуют открытые каталоги, включающие множество датасетов, особенно интересен каталог Google Earth Engine Datasets, все данные из которого могут быть бесплатно обработаны с помощью системы Google Earth Engine: A planetary-scale platform for Earth science data & analysis. Каталог включает амплитудные радарные снимки, но не фазовые (поскольку операции усреднения и другие для них не имеют смысла, из них нельзя построить композит на всю территорию планеты и в глобальном каталоге они бесполезны). Для получения оптических и радарных снимков со спутников Sentinel-1 и Sentinel-2 удобна Python библиотека SentinelSat, для скачивания рельефа SRTM 30м и 90м существует Python библиотека Elevation. Смотрите также продукты в виде GeoTIFF или NetCDF файлов на сайтах:

Примеры данных ДЗЗ

Спутники на удивление много всего умеют измерять, и часто с поразительной точностью, а главное, многие собранные данные бесплатны и легко доступны. Что интересно, десятилетие назад точность и количество данных дистанционного зондирования, разумеется, уступали современным, но скорее количественно (доступное разрешение выросло в несколько раз, частота получения данных увеличилась, орбиты спутников стали известны точнее и это улучшило качество обработки результатов измерений и т.п.), чем качественно. Перечислим некоторые популярные и открыто доступные данные:

  • спутниковые снимки в разных диапазонах (видимые, инфракрасные, тепловые) с аппаратов Landsat 8 разрешением 15/30/100м (также доступны архивы Landsat 7 и более ранних, только следует учесть, что оптика Landsat 7 постепенно деградировала и не все снимки одинаково полезны), Sentinel 2 разрешением 10/20/60м и другие;
  • радарные снимки Sentinel 1 разрешением от 5х5м и другие;
  • гиперспектральные снимки (больше двухсот каналов) HYPERION разрешением 30м (однако, бесплатно доступные снимки HYPERION очень мало где есть, так что редко могут пригодиться) и PRISMA (спутник новый и еще не «обкатанный», в архиве мало снимков доступно и их качество, зачастую, оставляет желать лучшего);
  • спутниковая альтиметрия (измеряют расстояние от спутника до земной поверхности, особенно полезны для точного картирования уровня водной поверхности) — разрешение зависит от плотности спутниковых треков для данной местности и выбранных алгоритмов обработки, измерения уровня производится с точностью порядка сантиметров и даже миллиметров;
  • спутниковая гравиметрия (измерение гравитационного поля Земли, сокращенно — гравика) разрешением порядка десятков километров;
  • спутниковая магнитометрия (измерение магнитного поля Земли, сокращенно — магнитка) разрешением порядка десятков километров;
  • а также другие данные.


Compare Spectrograms of Hyperspectral and Multispectral Satellite Missions

Что еще можно узнать о Земле по данным ДЗЗ

Результаты прямых дистанционных измерений не только широко используются сами по себе, но и служат основой для получения многих других результатов, включая:

  • глобальные модели рельефа (для почти всей территории планеты) SRTM, ALOS, ASTER разрешением от 30м (использованы методы анализа стереопар снимков, радарные съемки и данные со спутниковых альтиметров);
  • глобальные гравитационные модели WGM2012, Sandwell & Smith Gravity разрешением около 4км (на основе спутниковой гравиметрии и глобального рельефа ETOPO1), глобальная гравитационная модель GGM plus 2013 разрешением около 200м (на основе спутниковой гравиметрии и данных рельефа SRTM 90м);
  • глобальная модель батиметрии GEBCO 2020 разрешением около 500м (использованы данные спутниковой гравиметрии, альтиметрии, глобальный рельеф и, вдобавок, судовые измерения);
  • карты различных композитов из оптических и инфракрасных каналов снимков, включая вегетационный индекс NDVI (используется для выделения областей с растительностью на снимках и оценки ее состояния) и многие другие;
  • карты загрязнения воздуха, облачности и прочие составляются на основе специализированных каналов спутниковых снимков.

Пример: создание локальных гравитационных карт высокого разрешения

Можно построить детальные гравитационные карты, используя спутниковую гравиметрию и детальный рельеф (30м и точнее) или космические снимки (10м). Здесь и далее подразумевается вертикальная компонента гравитационного поля.

Что интересно, многие отечественные геофизики не понимают, как это возможно (преобразование Фурье явно «прошло» мимо них), хотя методики построения глобальных гравитационных моделей (доступны только в оригинале, то есть, на английском языке) WGM2012, Sandwell & Smith Gravity, GGM plus 2013 общедоступны. Впрочем, совсем не обязательно их читать целиком, поскольку основой служит простой и легко проверяемый факт. Посмотрим вот эти графики корреляции (в некоторых источниках используется термин когерентность, хотя сами вычисления аналогичны) между гравитационным полем и рельефом:


[https://www.linkedin.com/pulse/computing-coherence-between-two-dimensional-gravity-grids-pechnikov/](Spectral Coherence between Gravity and Bathymetry Grids)

Здесь слева показано значение корреляции между гравитационными данными и батиметрией (рельефом дна), сдвиг от нуля вправо по оси абсцисс объясняется тем, что гравитационные данные измерены на поверхности, а батиметрия (очевидно) на дне, при этом глубина изучаемой территории составляет 3-4км. Справа показан график, аналогичный полученному в известной статье от НАСА (включена в сборник рецептов для батиметрии GEBCO, в статье по ссылке описано подробнее), где также есть аналогичное смещение от нуля по оси абсцисс. Длина волны означает характерный размер неоднородности; как видим, мы можем вычислить значение гравитации по батиметрии (рельефу дна). Разумеется, на суше все аналогично, просто оригинальная статья относится именно к данным батиметрии. Подробности и исходный код доступны по ссылке выше.

Ключевым моментом является линейная связь спектральных компонент гравитационного поля и рельефа — для каждой длины волны (характерного размера неоднородностей) отношение спектральных компонент постоянно. Однако, поскольку это отношение является функцией длины волны, линейная связь между непосредственно гравикой и рельефом отсутствует! Замечу, что характер этой связи известен (да, в общем, и очевиден — амплитуда компонент должна быстро уменьшаться, чтобы энергия поля была конечной) и по нему можно вычислять геологическую плотность через индекс фрактальности, но это, как говорится, совсем другой разговор, ограничусь просто ссылкой на статью и программный код: The Density-Depth Model by Spectral Fractal Dimension Index

Пример вычисления локальной гравики высокого разрешения по данным рельефа (исходный код доступен по ссылке ниже):


Build Super-resolution Gravity from GGMplus Free-Air Gravity Anomaly (200m) enhanced by SRTM topography (30m)

Аналогично можно использовать и ортофотоснимки или космоснимки для улучшения детальности рельефа (исходный код доступен по ссылке ниже):

Build Super-resolution DEM 0.5m from DEM 1m enhanced by one orthophoto image 0.5m

В каждом случае, перед вычислениями необходимо строить коррелограмму, как описано выше, и проверять наличие высокой корреляции между спектральными компонентами. При отсутствии такой корреляции исходные данные некорректны и качества результатов окажется непредсказуемым. Причинами отсутствия корреляции могут быть ошибки позиционирования данных друг относительно друга (существенное смещение координат) или плохое качество снимка (заметные облака или невидимая глазом облачная дымка), а также некорректность используемой в качестве основы гравики на выбранной территории (например, качество модели гравики GGM plus 2013 хорошее на территории Индонезии и плохое в Южной Америке).

Заключение

Существует еще множество вариантов использования данных дистанционного зондирования Земли и при наличии общедоступных и бесплатных платформ для их облачной обработки, таких, как Google Earth Engine: A planetary-scale platform for Earth science data & analysis каждый может попробовать свои силы. Google Earth Engine (GEE) предоставляет также множество примеров скриптов, в том числе, для визуализации каждого доступного набора данных. Аналогично, Open Source утилиты GMTSAR сопровождаются множеством примеров и обширной документацией.

 

Источник

DEM, geology, geophysics, gravity, python, remote sensing, satellite

Читайте также