От спутников через открытые данные к мертвым котикам. Грустно, но, к сожалению, такая вот тема и КДПВ.
Хочу рассказать об интересном ресурсе по открытым данным и опыте его использования. Тем более появился актуальный, хоть и печальный повод для его применения.
Недавно прочитал статью в немецком журнале об этом ресурсе, и тут пришли новости с Камчатки об экологической катастрофе с неизвестным происхождением (https://www.kommersant.ru/doc/4519234). Данные из СМИ — противоречивые. В т.ч. в Интернете начали ходить спутниковые снимки места загрязнения (https://twitter.com/MitvolTV/status/1312313457862205443). Что эти снимки показывают – поле для самых широких интерпретаций.
Решил посмотреть на эту область и событие под углом взгляда европейских научных спутников, используя возможности доступа к открытым данным.
Сразу подчеркну, я — специалист в области ИТ. Экология, спутники и метеорология далекие от меня темы. Поэтому интерпретация отдельных результатов и инструментов на данном ресурсе, возможно, будет неточной. Пробуйте сами, в комментариях будет интересней.
В рамках программы Европейского Союза по открытым данным имеется открытый доступ и к спутниковым данным от ESA (https://en.wikipedia.org/wiki/European_Space_Agency). Речь идет о спутниках типа Sentinels исследовательской программы Copernicus (https://www.d-copernicus.de, немецкий язык), всего 6 типов спутников, имеющих различные датчики, камеры и характеристики. Основные области применения вполне мирные и полезные: контроль атмосферы, окружающей среды морей и океанов, земельных площадей для сельского хозяйства, контроль изменения климата, катастроф и кризисов. Именно, последний пункт и был выбран как повод для данной статьи. Интересный пример использования в этой области: моделирование загрязнения океана через выбросы с кораблей.
Адрес рассматриваемого ресурса: https://code-de.org.
Это не просто доступ к снимкам, это комплексная платформа по анализу и обработке данных, в т.ч. в интерактивном режиме в т.н. EO-браузере, который и будет рассмотрен в данной статье. Кроме этого на ресурсе имеется доступ к процессорным мощностям для обработки данных. Всего, на ресурсе доступно около 15 Петабайт данных.
Комментарий: это только одна из точек входа к спутниковым данным указанной программы, все возможные варианты представлены здесь: https://scihub.copernicus.eu/.
Регистрация на сайте быстрая и удобная, даже не требуется подтверждения email.
Опишу здесь работу только со встроенным браузером по снимкам со спутников. Это отличная точка входа для не-специалистов. Быстро, удобно и достаточно понятный доступ к данным.
Немного в сторону: также есть доступ по API, в целом платформа построена на облаке AWS от Амазона.
1. SEARCH
Первый шаг – определение критериев поиска необходимых снимков (когда, где, как).
Рис. Браузер по снимкам. Начинаем с поиска.
Здесь читаем описания спутников и выбираем, откуда будем смотреть данные. Я выбрал почти все спутники, за исключением «архивных» (видимо, уже отлетали). Точный выбор спутников — скорее за специалистами.
Представлено несколько десятков типов спутников. Это не только снимки видимого диапазона, как в гугле. Есть, например, и инфракрасный диапазон.
Примеры спутников. Спутник типа Sentinel-1: радарные датчики типа SAR в диапазоне C-Band, разрешение около 10-40 м.
Рис. Спутник типа SENTINEL-1
Другой спутник типа Sentinel-2: мультиспектральный инструмент (MSI), 13 спектральных диапазонов, различных разрешений от 10 до 60 м. В т.ч. в инфракрасном диапазоне.
Слева на карте определяем интересуемую область.
У меня выбрано побережье около Петропавловско-Камчатского, в районе Халактырского пляжа, который упоминается в СМИ в свете рассматриваемой экологической проблемы.
Указываем даты: я выбрал с начала сентября и до текущей даты 4 октября.
Тут же указываем процент облачности: например 30%. Система автоматически отфильтрует только те снимки, на которых процент облачности соответствует заданному. Удобно!
Жмем внизу Search, и система переходит в следующую вкладку с отфильтрованными результатами.
2. RESULTS
Здесь мы видим, что найдено 10 результатов по 10 датам. Т.е. именно в эти даты указанные спутники сделали измерения выбранной области, и в этот момент облачность была вполне достаточной для измерений. По каждому снимку указана дата, время и процент облачности.
Рис. Вкладка с результатами поиска
У меня всегда выдавался один снимок в один день, примерно в одно время. Разобрался, когда ознакомился подробнее с режимами и территорией съемок, см. ниже. Это непростая тема. Важно, что это не геостационарные спутники, т.е. территория съемок непостоянная.
Не так много результатов, как я ожидал. Пробовал увеличивать облачность, но существенного увеличения количества снимков не заметил.
Комментарий: в результатах не нашел информации по спутнику, с которого сделан данный снимок. Идентифицировать тип спутника можно только на следующем шаге, в заголовке снимка.
Белым цветом на снимках выделены области, которые просто не попали в области измерений. У разных спутников разный типы съемок, на следующем рисунке схематично показано, как формируется кадр съемки у SENTINEL-1 (https://sentinel.esa.int/web/sentinel/missions/sentinel-1/instrument-payload):
Рис. Принцип картографирования для одного из типов спутников, по полосам.
Это принцип необходимо хотя бы примерно понимать, чтобы разобраться, почему получаются те или иные снимки по поиску.
На следующем рисунке объяснение, как часто проводятся измерения в зависимости от территории:
Рис. Принцип временного распределения снимков.
Как видим, территория Европейского Союза в приоритете (смотрим выше, чьи спутники) по частоте снимков — 1 день, остально примерно в 2-4 дня, что и видим в результатах поиска.
Более того для различных территорий используются и различные режимы съемок и измерений. Например, для территории Северного, Балтийского морей используются свои настройки.
Комментарий: важно не задавать в поиске слишком большую территорию, иначе в результаты могут попасть белые зоны на интересующей области.
Для детального анализа выбираем нужный день (снимок), жмем VISUALIZATION.
3. VISUALIZATION
В зависимости от выбранного снимка и соответствующего типа спутника будет представлен список с различными возможностями для анализа изображения. Я — не специалист в данной теме, аббревиатуры для меня незнакомые. Основные инструменты анализа ориентированы на измерение погодных условий, поверхности земли, рек, морей и т.п. Они могут и должны быть интересными и для анализа экологических ситуаций.
Отмечу, что снимки уже прошли определенную картографическую цифровую обработку, т.е. это не „сырые“ данные со спутника. Доступ к сырым данным, возможно, имеется через API.
Пример списка фильтров, результатов измерений для снимка со спутника типа SEN2COR:
Рис. Список инструментов по просмотру и анализу снимков, данных.
Выбирая один из типов анализа, на карте справа интерактивно будут отображаться соответствующие результаты (см. примеры ниже). Скорость обновления вполне приличная, у меня было около 1-2 c.
Чуть подробнее об одном виде анализа NDWI или NDVI. NDVI (Normalized Difference Vegetation Index) — нормализованный относительный индекс растительности — простой показатель количества фотосинтетически активной биомассы (обычно называемый вегетационным индексом). https://en.wikipedia.org/wiki/Normalized_difference_vegetation_index
Подчерку, что мне сложно судить насколько этот тип анализа может помочь в рассматриваемой ситуации на Камчатке. Взял для примера.
Все снимки в виде файлов можно скачивать или получать ссылки.
Отметил, что на части снимках есть вполне приличное разрешение, сравнимое со снимками из Google Maps. Можно заметить и плавающие средства.
Рис. Удобно, на календаре сразу отмечены дни, по которым найдены данные.
Далее приведены выборочно результаты прочих инструментов анализа, интерпретировать детально мне уже сложно. Я использовал их, скорее, для сравнительного анализа по дням и территории.
Рис. Исходное отображение без инструмента обработки
Рис. С классификацией по алгоритму от ESA
Уверен, на розовый цвет здесь нет смысла реагировать. Сравнивал со снимками других территорий.
Рис. С оценкой уровня влажности.
Комментарий: можно было бы использовать этот инструмент для анализа наводнений после известных московских дождей.
Внимание: это не снимок для отображения зоны поражения! Это результаты анализа по влажности (moisture index).
Рис. Это как раз NDVI, описанный выше.
4. По ситуации с экологией на побережье
Результаты моего небольшого экспресс анализа по данным в период с 01 по 30 сентября.
Вышеприведенные снимки сделаны в области рассматриваемого побережья около Петропавловска-Камчатского. Всего найдено около двух десятков снимков с различных спутников при достаточно хорошей облачности.
Смотрел около часа, проводил сравнительный анализ по дням, по соседним территориям, по различным инструментам анализа. Пытался быть экспертом, хотел увидеть аномалии.
Что-то примечательное все-таки разглядеть не удалось. Часть обработанных снимков выглядит несколько подозрительно, однако, это точно не связано с обсуждаемой экологической проблемой. При уменьшении масштаба (бОльшая территория снимка) и по результату сравнительного анализ с другими соседними областями — там похожие визуальные эффекты. В СМИ эти области не упоминаются.
Возможно, европейские специалисты с помощью автоматических алгоритмов классификации уже что-то смотрели по нашему случаю. Если найдут — мы точно услышим. См. заголовок (нет, не наброс).
Из интересного — увидел некий объект.
Рис. Объект Х
Если увеличить:
Судите сами. Может быть местные подскажут, что это.
Итого
Открытые данные дошли до космоса и планеты Земли. Это крайне интересно. Особенно радует, что вокруг выстраивается целая инфраструктура по доступу и анализу.
Продуманный, удобный инструмент доступа к интересным данным со спутников как для специалистов, так и для широкого круга любителей науки, экологии, спутников, подходит и для школьников, студентов.
Этот ресурс может дать более интересные результаты в руках профильных специалистов: экологов, географов, метеорологов, прокуроров. Будет интересно взглянуть на их анализ. В т.ч. в контексте темной истории с камчатским пляжем. Всем здоровья, чистого воздуха, рек и морей!
