ИКИ РАН опубликовал спутниковые снимки ледовой обстановки в районе Санкт-Петербурга
По ним видно, что Финский залив в феврале промёрз заметно сильнее привычного. По данным института, столь масштабное замерзание восточной и центральной частей залива фиксируют впервые более чем за десять лет. Основной обзорный снимок сделан 14 февраля со спутника JPSS-1 прибором VIIRS, на нём хорошо читается сплошной ледовый покров.
Чтобы рассмотреть детали, специалисты использовали данные прибора КМСС с российского спутника Метеор-М № 2-4. На этих изображениях видна структура ледяного массива и даже линии, которые прорезали суда, прокладывая себе путь. Данные обрабатывали в системе ВЕГА Science ИКИ РАН, а снимки показали в ложных цветах, чтобы ледяные поля и каналы выделялись максимально чётко.
По ним видно, что Финский залив в феврале промёрз заметно сильнее привычного. По данным института, столь масштабное замерзание восточной и центральной частей залива фиксируют впервые более чем за десять лет. Основной обзорный снимок сделан 14 февраля со спутника JPSS-1 прибором VIIRS, на нём хорошо читается сплошной ледовый покров.
Чтобы рассмотреть детали, специалисты использовали данные прибора КМСС с российского спутника Метеор-М № 2-4. На этих изображениях видна структура ледяного массива и даже линии, которые прорезали суда, прокладывая себе путь. Данные обрабатывали в системе ВЕГА Science ИКИ РАН, а снимки показали в ложных цветах, чтобы ледяные поля и каналы выделялись максимально чётко.
👍5🔥3❤2
Вышла новая, 4 глава книги «Земля из космоса: законодательство и правоприменительная практика»
В ней коллеги из «Законного Космоса» разбирают базовую технологию дистанционного зондирования Земли и, что особенно важно для юристов и практиков, систематизируют ключевые понятия и нормативную базу: как в российском праве и ГОСТах разграничиваются данные ДЗЗ и продукты ДЗЗ, почему объектом правовой оценки является конечный продукт после обработки, а не просто «снимок», и какие параметры действительно имеют значение в контрактах и экспертизах.
Отдельный раздел посвящён судебной практике. На примере дела А40-67624/2022 показано, как оценивается пространственное разрешение и качество космических данных в арбитражном споре, и почему ссылки на маркетинговые характеристики спутника не заменяют профессиональную экспертизу. Глава полезна тем, кто работает с космическими данными в экологическом контроле, государственных закупках и судебных процедурах.
Прочесть главу полностью можно здесь.
В ней коллеги из «Законного Космоса» разбирают базовую технологию дистанционного зондирования Земли и, что особенно важно для юристов и практиков, систематизируют ключевые понятия и нормативную базу: как в российском праве и ГОСТах разграничиваются данные ДЗЗ и продукты ДЗЗ, почему объектом правовой оценки является конечный продукт после обработки, а не просто «снимок», и какие параметры действительно имеют значение в контрактах и экспертизах.
Отдельный раздел посвящён судебной практике. На примере дела А40-67624/2022 показано, как оценивается пространственное разрешение и качество космических данных в арбитражном споре, и почему ссылки на маркетинговые характеристики спутника не заменяют профессиональную экспертизу. Глава полезна тем, кто работает с космическими данными в экологическом контроле, государственных закупках и судебных процедурах.
Прочесть главу полностью можно здесь.
👍2❤1🔥1
Можно ли найти носорога из космоса результаты теста на WorldView-3
Авторы статьи «Automated rhinoceros detection in satellite imagery using deep learning» проверили это, используя сверхдетальные снимки WorldView-3 с разрешением 33–36 см над крупнейшим частным заповедником белых носорогов в ЮАР. На таких снимках носорог это крошечное пятно, меньше 30 пикселей с тенью, и потому искать их вручную по сотням квадратных километров почти нереально, а автоматизация становится ключевой.
Команда собрала 6 безоблачных сцен за 2015–2022, всего покрыли 188,6 км², нарезали изображения на тайлы 512×512 и обучили детектор YOLOv12x.
Модель обучили на 1700 размеченных фрагментах и проверили на 300. В среднем качество детекции составило 0,63 по шкале от 0 до 1. Это означает, что модель довольно часто правильно находит носорогов, но заметная доля ошибок остаётся.
Если смотреть подробнее, то среди всех объектов, которые алгоритм отметил как носорогов, примерно 65% действительно оказались носорогами. И при этом модель смогла обнаружить около 61% всех носорогов, которые реально присутствовали на снимках. То есть часть животных она всё же пропускает.
Добавление синтетических изображений дало лишь небольшой прирост качества, до 0,65. А если обучать модель только на синтетике, её работа на реальных снимках резко ухудшается, показатель падает до 0,26. А вот отличать носорогов от слонов на таких снимках оказалось сложно. Общий показатель качества для двух классов был около 0,25.
Авторы открыли датасет и инструменты генерации синтетики, чтобы другие команды могли дорабатывать модели и повышать точность мониторинга.
Авторы статьи «Automated rhinoceros detection in satellite imagery using deep learning» проверили это, используя сверхдетальные снимки WorldView-3 с разрешением 33–36 см над крупнейшим частным заповедником белых носорогов в ЮАР. На таких снимках носорог это крошечное пятно, меньше 30 пикселей с тенью, и потому искать их вручную по сотням квадратных километров почти нереально, а автоматизация становится ключевой.
Команда собрала 6 безоблачных сцен за 2015–2022, всего покрыли 188,6 км², нарезали изображения на тайлы 512×512 и обучили детектор YOLOv12x.
Модель обучили на 1700 размеченных фрагментах и проверили на 300. В среднем качество детекции составило 0,63 по шкале от 0 до 1. Это означает, что модель довольно часто правильно находит носорогов, но заметная доля ошибок остаётся.
Если смотреть подробнее, то среди всех объектов, которые алгоритм отметил как носорогов, примерно 65% действительно оказались носорогами. И при этом модель смогла обнаружить около 61% всех носорогов, которые реально присутствовали на снимках. То есть часть животных она всё же пропускает.
Добавление синтетических изображений дало лишь небольшой прирост качества, до 0,65. А если обучать модель только на синтетике, её работа на реальных снимках резко ухудшается, показатель падает до 0,26. А вот отличать носорогов от слонов на таких снимках оказалось сложно. Общий показатель качества для двух классов был около 0,25.
Авторы открыли датасет и инструменты генерации синтетики, чтобы другие команды могли дорабатывать модели и повышать точность мониторинга.
👍4🔥4❤2
Спутники помогли восстановить рельеф под антарктическим ледяным щитом
Обычно подлёдный рельеф измеряют радарами с самолётов или снегоходов, но даже после десятилетий таких работ остаются «дыры» шириной порядка 100 км между профилями. Но исследователи предлагают обходной путь. По очень слабым волнам и изгибам на поверхности льда можно восстановить, какие неровности внизу их создают, если правильно учесть физику течения льда.
Команда взяла оптические спутниковые снимки, чтобы оценить высоты поверхности и её микрорельеф, добавила данные спутниковых радаров, которые хорошо покрывают континент, но не видят глубоко сквозь лёд, и затем применили уравнения, описывающие, как лёд реагирует на подлёдные формы. Сравнение с участками, где есть реальные радарные измерения, показало, что метод даёт правдоподобную картину. На карте проявились детали, которые раньше терялись между профилями, например, сети подлёдных каналов, протянувшиеся на сотни километров, а также долины и впадины глубиной в несколько километров.
Обычно подлёдный рельеф измеряют радарами с самолётов или снегоходов, но даже после десятилетий таких работ остаются «дыры» шириной порядка 100 км между профилями. Но исследователи предлагают обходной путь. По очень слабым волнам и изгибам на поверхности льда можно восстановить, какие неровности внизу их создают, если правильно учесть физику течения льда.
Команда взяла оптические спутниковые снимки, чтобы оценить высоты поверхности и её микрорельеф, добавила данные спутниковых радаров, которые хорошо покрывают континент, но не видят глубоко сквозь лёд, и затем применили уравнения, описывающие, как лёд реагирует на подлёдные формы. Сравнение с участками, где есть реальные радарные измерения, показало, что метод даёт правдоподобную картину. На карте проявились детали, которые раньше терялись между профилями, например, сети подлёдных каналов, протянувшиеся на сотни километров, а также долины и впадины глубиной в несколько километров.
🔥9❤5👍3
Потери ледников и рост уровня моря что видно по данным спутников
Ещё недавно не было точного ответа, сколько ледников на планете. По данным Polytechnique Insights, только в 2012 году появился глобальный инвентарь, около 220 000 ледников. Сейчас их состояние отслеживают со спутников. Для этого используют стереосъёмку: из двух спутниковых снимков одной территории строят 3D-модель и считают изменения толщины льда и снега. Оценка потерь за 2000–2019 годы составляет в среднем 267 млрд тонн льда в год, а с 1976 года растаяло более 9 трлн тонн. Это дало около 2 см роста уровня моря только за счёт горных ледников.
Таяние ледников связано с потеплением из-за выбросов и ведёт к повышению уровня моря и росту рисков опасных явлений, включая обвалы ледников. Учёные отмечают, что по спутнику напрямую видно в основном высоту и объём снега и льда, а чтобы перевести это в массу, нужна плотность снежного покрова и её изменение со временем. Без этих данных оценки потерь в тоннах будут неточными. Отдельная проблема это непрерывность наблюдений. Текущие спутниковые миссии не вечны, а отдельных аппаратов, которые бы специально и постоянно следили за ледниками, сейчас нет. Поэтому учёные призывают заранее планировать продолжение наблюдений, чтобы не возник разрыв в данных.
Ещё недавно не было точного ответа, сколько ледников на планете. По данным Polytechnique Insights, только в 2012 году появился глобальный инвентарь, около 220 000 ледников. Сейчас их состояние отслеживают со спутников. Для этого используют стереосъёмку: из двух спутниковых снимков одной территории строят 3D-модель и считают изменения толщины льда и снега. Оценка потерь за 2000–2019 годы составляет в среднем 267 млрд тонн льда в год, а с 1976 года растаяло более 9 трлн тонн. Это дало около 2 см роста уровня моря только за счёт горных ледников.
Таяние ледников связано с потеплением из-за выбросов и ведёт к повышению уровня моря и росту рисков опасных явлений, включая обвалы ледников. Учёные отмечают, что по спутнику напрямую видно в основном высоту и объём снега и льда, а чтобы перевести это в массу, нужна плотность снежного покрова и её изменение со временем. Без этих данных оценки потерь в тоннах будут неточными. Отдельная проблема это непрерывность наблюдений. Текущие спутниковые миссии не вечны, а отдельных аппаратов, которые бы специально и постоянно следили за ледниками, сейчас нет. Поэтому учёные призывают заранее планировать продолжение наблюдений, чтобы не возник разрыв в данных.
🔥6👍2❤1
786 км над экватором. Геостационарная орбита
Геостационарная орбита - это круговая орбита строго над экватором на высоте 35 786 км. На этой орбите спутник облетает Землю за одни звёздные сутки, 23 часа 56 минут, и движется со скоростью около 3,07 км/с. Благодаря этому он остаётся неподвижным для наблюдателя на Земле и визуально «висит» над одной точкой экватора. Важное условие наклонение 0°, иначе аппарат будет уходить севернее и южнее. На геостационаре работает более 590 активных спутников, в основном телекоммуникационных, а также метеоспутники вроде GOES, Meteosat и Электро Л.
Запуск на такую орбиту дорогой и технически сложный. Обычно спутник сначала выводят на геопереходную орбиту, а затем в апогее включают двигатель и делают орбиту круговой, одновременно уменьшая наклонение. Если стартовать далеко от экватора, на смену плоскости орбиты уходит много топлива, поэтому полезная нагрузка получается меньше. Положение спутника приходится регулярно корректировать, потому что Луна и Солнце постепенно уводят его с точки стояния. Эти коррекции делают примерно раз в 2–4 недели, и именно запас топлива обычно ограничивает срок службы, который составляет около 15–20 лет.
Геостационарная орбита - это круговая орбита строго над экватором на высоте 35 786 км. На этой орбите спутник облетает Землю за одни звёздные сутки, 23 часа 56 минут, и движется со скоростью около 3,07 км/с. Благодаря этому он остаётся неподвижным для наблюдателя на Земле и визуально «висит» над одной точкой экватора. Важное условие наклонение 0°, иначе аппарат будет уходить севернее и южнее. На геостационаре работает более 590 активных спутников, в основном телекоммуникационных, а также метеоспутники вроде GOES, Meteosat и Электро Л.
Запуск на такую орбиту дорогой и технически сложный. Обычно спутник сначала выводят на геопереходную орбиту, а затем в апогее включают двигатель и делают орбиту круговой, одновременно уменьшая наклонение. Если стартовать далеко от экватора, на смену плоскости орбиты уходит много топлива, поэтому полезная нагрузка получается меньше. Положение спутника приходится регулярно корректировать, потому что Луна и Солнце постепенно уводят его с точки стояния. Эти коррекции делают примерно раз в 2–4 недели, и именно запас топлива обычно ограничивает срок службы, который составляет около 15–20 лет.
👍3🔥3❤1
Один из самых ценных водно-болотных комплексов Европы может исчезнуть в течение жизни одного поколения
Исследователи Университета Севильи по данным спутника Sentinel-2 и алгоритму машинного обучения оценили будущее болот Доньяна. При сохранении текущих тенденций расчётная оценка даёт около 61 года до утраты болотной части. Диапазон неопределённости большой: при неблагоприятном развитии климата около 45 лет, при более мягком сценарии до 175 лет.
Анализ данных за 2005–2024 годы показывает, что Доньяна потеряла примерно 15% средней влажной площади, объёма и глубины воды. Более 13% этого снижения пришлось на период после 2010 года на фоне роста температур, снижения осадков и нелегального водозабора. Авторы считают, что ситуацию можно замедлить за счёт закрытия нелегальных скважин и жёсткого контроля водопользования, перехода к менее водоёмким культурам, восстановления деградированных участков и использования очищенных стоков.
Исследователи Университета Севильи по данным спутника Sentinel-2 и алгоритму машинного обучения оценили будущее болот Доньяна. При сохранении текущих тенденций расчётная оценка даёт около 61 года до утраты болотной части. Диапазон неопределённости большой: при неблагоприятном развитии климата около 45 лет, при более мягком сценарии до 175 лет.
Анализ данных за 2005–2024 годы показывает, что Доньяна потеряла примерно 15% средней влажной площади, объёма и глубины воды. Более 13% этого снижения пришлось на период после 2010 года на фоне роста температур, снижения осадков и нелегального водозабора. Авторы считают, что ситуацию можно замедлить за счёт закрытия нелегальных скважин и жёсткого контроля водопользования, перехода к менее водоёмким культурам, восстановления деградированных участков и использования очищенных стоков.
🤯3👍2❤1🔥1
В Scientific Data в 2025 году был опубликован глобальный набор данных береговой линии с разрешением 2 метра, собранный по многоспектральным снимкам Maxar за 2009–2023 годы
Авторы обработали около 1,3 млн изображений общим объёмом примерно 500 ТБ и сделали три глобальных продукта: линии берега, карты вероятности воды и карты приливно-отливной зоны. Для каждого участка береговой линии в данных записаны точное время снимка и расчётная высота прилива в этот момент. А сама линия берега это типичное положение берега для данной точки, полученное из множества снимков, сделанных при разных уровнях воды.
Из карт вероятности воды авторы рассчитали приливно-отливные зоны — участки побережья, которые периодически оказываются то под водой, то на суше.Такие зоны чувствительны к колебаниям уровня моря и штормовым нагонам, поэтому полезны для оценки рисков и планирования на побережье. Самую крупную приливно-отливную зону они нашли в юго-центральной Аляске, её площадь 124,7 км², ширина до 3,8 км. Качество новой береговой линии проверили, сравнив её с официальными данными NOAA и GSHHS для США. При обработке снимков использовали более точную модель поверхности Земли EGM2008, потому что популярная модель SRTM у побережья даёт погрешности и может немного «сдвигать» линию берега.
Авторы обработали около 1,3 млн изображений общим объёмом примерно 500 ТБ и сделали три глобальных продукта: линии берега, карты вероятности воды и карты приливно-отливной зоны. Для каждого участка береговой линии в данных записаны точное время снимка и расчётная высота прилива в этот момент. А сама линия берега это типичное положение берега для данной точки, полученное из множества снимков, сделанных при разных уровнях воды.
Из карт вероятности воды авторы рассчитали приливно-отливные зоны — участки побережья, которые периодически оказываются то под водой, то на суше.Такие зоны чувствительны к колебаниям уровня моря и штормовым нагонам, поэтому полезны для оценки рисков и планирования на побережье. Самую крупную приливно-отливную зону они нашли в юго-центральной Аляске, её площадь 124,7 км², ширина до 3,8 км. Качество новой береговой линии проверили, сравнив её с официальными данными NOAA и GSHHS для США. При обработке снимков использовали более точную модель поверхности Земли EGM2008, потому что популярная модель SRTM у побережья даёт погрешности и может немного «сдвигать» линию берега.
🔥5❤2👍2