Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "dane satelitarne" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-3 z 3
    Tytuł:
    Processing of satellite data in the cloud
    Autorzy:
    Proficz, J.
    Drypczewski, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/1940555.pdf
    Data publikacji:
    2017
    Wydawca:
    Politechnika Gdańska
    Tematy:
    Apache Spark
    satellite data
    Sentinel-2
    ESA
    big data
    cloud
    OpenStack
    dane satelitarne
    duże zbiory danych
    chmura
    Opis:
    The dynamic development of digital technologies, especially those dedicated to devices generating large data streams, such as all kinds of measurement equipment (temperature and humidity sensors, cameras, radio-telescopes and satellites – Internet of Things) enables more in-depth analysis of the surrounding reality, including better understanding of various natural phenomenon, starting from atomic level reactions, through macroscopic processes (e.g. meteorology) to observation of the Earth and the outer space. On the other hand such a large quantitative improvement requires a great number of processing and storage resources, resulting in the recent rapid development of Big Data technologies. Since 2015, the European Space Agency (ESA) has been providing a great amount of data gathered by exploratory equipment: a collection of Sentinel satellites – which perform Earth observation using various measurement techniques. For example Sentinel-2 provides a stream of digital photos, including images of the Baltic Sea and the whole territory of Poland. This data is used in an experimental installation of a Big Data processing system based on the open source software at the Academic Computer Center in Gdansk. The center has one of the most powerful supercomputers in Poland – the Tryton computing cluster, consisting of 1600 nodes interconnected by a fast Infiniband network (56 Gbps) and over 6 PB of storage. Some of these nodes are used as a computational cloud supervised by an OpenStack platform, where the Sentinel-2 data is processed. A subsystem of the automatic, perpetual data download to object storage (based on Swift) is deployed, the required software libraries for the image processing are configured and the Apache Spark cluster has been set up. The above system enables gathering and analysis of the recorded satellite images and the associated metadata, benefiting from the parallel computation mechanisms. This paper describes the above solution including its technical aspects.
    Źródło:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk; 2017, 21, 4; 365-377
    1428-6394
    Pojawia się w:
    TASK Quarterly. Scientific Bulletin of Academic Computer Centre in Gdansk
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Wykorzystanie syntezy danych satelitarnych Sentinel-1 i Sentinel-2 do opracowania map zmiennego nawożenia azotem rzepaku ozimego
    Using synthesis of Sentinel-1 and Sentinel-2 satellite data to develop maps of variable nitrogen fertilization of winter oilseed rape
    Autorzy:
    Michalski, Michał
    Turos, Przemysław
    Buszke, Bartosz
    Malinowski, Radek
    Rybicki, Marcin
    Stankiewicz, Mateusz
    Powiązania:
    https://bibliotekanauki.pl/articles/52229620.pdf
    Data publikacji:
    2023
    Wydawca:
    Polskie Towarzystwo Informacji Przestrzennej
    Tematy:
    LAI
    uczenie maszynowe
    dane satelitarne
    Sentinel-1
    Sentinel-2
    mapa aplikacyjna
    machine learning
    satellite data
    VRA map
    Opis:
    Monitorowanie upraw w trakcie sezonu wegetacyjnego stanowi podstawę planowania zabiegów agrotechnicznych w rolnictwie precyzyjnym. Opiera się ono zazwyczaj na wykorzystaniu multispektralnych danych satelitarnych, których dostępność jest często ograniczona przez występowanie chmur. Powoduje to potrzebę sięgnięcia po inne rozwiązania, a jednym z nich jest wykorzystanie niezależnych od zachmurzenia satelitarnych danych radarowych. Celem prezentowanego badania było opracowanie map aplikacyjnych zmiennego nawożenia azotem rzepaku ozimego, poprzez modelowanie wskaźnika pokrycia liściowego (Leaf Area Index-LAI) z wykorzystaniem danych Sentinel-1 (S-1) i Sentinel-2 (S-2). Użyte dane teledetekcyjne i dane in-situ zebrano podczas dwóch sezonów wegetacyjnych z różnych regionów w Polsce. Współczynnik wstecznego rozpraszania obliczony na podstawie S-1 został zastosowany jako dane wejściowe do modelowania wskaźnika LAI z wykorzystaniem kilku technik regresji. Ze względu na charakterystykę zobrazowań radarowych, LAI było szacowane jako wartość średnia dla pojedynczego pola osiągając najlepsze wyniki dla algorytmu Random Forest (R2=0.85; RMSE=0.41). W celu zwiększenia precyzji wymaganej przy zabiegach agrotechnicznych wykorzystano zależność pomiędzy LAI wyznaczonym na podstawie ostatniego dostępnego bezchmurnego zdjęcia S-2 i LAI modelowanym przy użyciu S-1. Pozwoliło to na uzyskanie przestrzennego zróżnicowania w obrębie pola do poziomu piksela 10 m×10 m dla okresu z zachmurzeniem. Przygotowana w procesie syntezy danych S-1 i S-2 mapa LAI pozwoliła oszacować dotychczas pobraną przez rzepak ilość azotu. Na tej podstawie dostosowano dawkę nawozu do aktualnych potrzeb roślin oraz opracowano mapę aplikacyjną. Badanie wykazało potencjał i użyteczność syntezy danych S-1 i S-2 do opracowywania map aplikacyjnych zmiennego nawożenia, gdyż umożliwia ich tworzenie również w okresie niedostępności aktualnych danych optycznych. Proponowana metoda może stanowić uzupełnienie dla rozwiązań stosowanych obecnie w rolnictwie precyzyjnym.
    Regular crop monitoring during a vegetation season is necessary to make right decisions in precision agriculture. It is usually based on multispectral satellite data but their use is often limited by cloud cover. This problem can be reduced by applying data from synthetic aperture radar (SAR) satellite sensors that operate independently of cloudiness. The aim of this study was to develop maps of variable nitrogen fertilization for winter oilseed rape, by modelling Leaf Area Index (LAI) using Sentinel-1 (S-1) and Sentinel-2 (S-2) data. Satellite and in-situ data were collected for several fields during two growing seasons in various regions of Poland. Backscattering coefficients derived from S-1 were used as input to the LAI estimation process using different regression techniques. Due to the characteristics of radar imagery, LAI was estimated as an average value for a single field achieving the best results with a Random Forest algorithm (R2=0.85; RMSE=0.41). In order to increase the precision required for agrotechnical treatments, the relationship between LAI calculated using the latest available cloudless S-2 image and LAI derived from S-1 was established. That allowed for spatial differentiation of LAI values within a field at the level of 10×10 m pixel for the clouded period. LAI map prepared in the process of synthesis allowed to estimate the amount of nitrogen taken up so far by winter oilseed rape. Using this information, the dose of fertilizer was adjusted to the current needs of plants in the prepared application maps of variable fertilization. This study showed the potential and usefulness of the S-1 and S-2 data synthesis for developing maps of variable fertilization, as it enabled their creation also in the period of unavailability of optical data. The method can become a complement to the current solutions in precision agriculture.
    Źródło:
    Roczniki Geomatyki; 2023, 21, 1(100); 31-47
    1731-5522
    2449-8963
    Pojawia się w:
    Roczniki Geomatyki
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Program Copernicus źródłem informacji o dominującym typie drzewostanu w Polsce – ocena dokładności krajowej warstwy wysokorozdzielczej
    Copernicus Program as a source of information on the dominant leaf type in Poland – assessment of the accuracy of the national high resolution layer
    Autorzy:
    Mirończuk, A.
    Leszczyńska, A.
    Hościło, A.
    Powiązania:
    https://bibliotekanauki.pl/articles/979243.pdf
    Data publikacji:
    2020
    Wydawca:
    Polskie Towarzystwo Leśne
    Tematy:
    program Copernicus
    dane satelitarne
    warstwa wysokorozdzielcza
    lasy
    stopien zmieszania
    Polska
    leśnictwo
    źrodła informacji
    typy lasów
    copernicus
    high resolution layers
    forest type
    remote sensing
    Sentinel-2
    Opis:
    Information on the spatial distribution and variability of forests is important in monitoring of forest resources, biodiversity assessment, threat prevention, estimation of carbon content and forest management. The Pan−European High Resolution Layers (HRLs) produced as part of the European Earth Monitoring Programme – Copernicus provide detailed information on the land cover characteristics in Europe. The HRLs are produced using satellite imagery based on an interactive rule−based classification. There are the following HRL themes: imperviousness, forest, water and wetness and grasslands. The HRLs are available for the reference year 2012 and 2015, at the spatial resolution of 20 m. The forest related HRL consists of tree cover density, dominant tree type and forest type products. In this study, we performed a) the qualitative and quantitative analysis of the accuracy of the dominant leaf type (DLT) layer for the 2015 year at the national scale, and b) detailed analysis of the data quality at the forest stand level over the selected forest districts. The DLT layer was compared with the national orthophotos. The detailed analysis was carried out using Sentinel−2 images and forest inventory data obtained from the Forest Data Bank over the selected forest districts. The accuracy analysis of the national DLT layer revealed the high omission error equal to 18.8%, and lower commission error of 5.4%. The omission error is mostly related to the omitted orchards and young forest plantations, which are included in the DLT layer. The commission error of the broadleaved forest is related mostly to the small patches of coniferous forest that was misclassified as broadleaved. In general, commission errors were identified more frequently in broadleaved forest than in the coniferous forest. In many locations the patches of coniferous forest were misclassified as broadleaved forest. In general, the area of the broadleaved forest is overestimated.
    Źródło:
    Sylwan; 2020, 164, 02; 151-160
    0039-7660
    Pojawia się w:
    Sylwan
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-3 z 3

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies