Friske, gratis sattelitfotos åbner et væld af nye muligheder
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
By signing up, you agree to our Terms & Conditions and agree that Teknologiens Mediehus and the IDA Group may occasionally contact you regarding events, analyzes, news, offers, etc. by telephone, SMS and email. Newsletters and emails from Teknologiens Mediehus may contain marketing from marketing partners.

Friske, gratis sattelitfotos åbner et væld af nye muligheder

Illustration: DHI Gras/Copernicus

Det er ikke en svær opgave for DMI’s eksperter at skelne hav fra is på et satellitfoto. Det er heller ikke raket­videnskab at tælle biler og beregne belægningsprocenten på en parkeringsplads. Men at gøre begge dele dagligt kan hurtigt blive en omfattende opgave.

Derfor bliver den slags analyser i disse år langsomt, men sikkert flyttet fra menneskehænder til vores hurtigere og mere tålmodige hjælpere: satellitter og computere. Og at den flytning kan lade sig gøre, skyldes en kombination af nye satellitter, gratis adgang til billeder og muligheden for at analysere dem med kunstig intelligens.

»Udviklingen har for alvor taget fart i løbet af de seneste par år, og fremover kan vi kun forvente større datamængder. Baseret på de tilgængelige markedsanalyser kan vi forvente noget, der ligner en fire- til femdobling af data i løbet af de næste par år. Samtidig får vi bedre og bedre mulighed for at analysere disse data,« konstaterer Rasmus Borgstrøm, direktør i rådgivningsvirksomheden DHI Gras.

Virksomheden er blandt dem, der længe har brugt satellitdata professionelt, men tilgængeligheden af billederne betyder, at de kan anvendes til langt flere formål i dag, konstaterer Rasmus Borgstrøm.

Sentinel vender markedet på hovedet

Særligt en enkelt nyhed har gjort en forskel for myndigheder og virksomheder landet over. I 2014 blev den første af de såkaldte Sentinel-satellitter opsendt af Den Europæiske Rumorganisation (ESA) som en del af Copernicus-programmet.

Med Sentinel-satellitterne er satellitbilleder med ét gået fra at være en relativt dyr og begrænset ressource til at være en gratis rå­vare, der opdateres flere gange om ugen – også for ethvert punkt i Danmark. Flere kommercielle virksomheder leverer lignende og især mere specialiserede billeder, men Sentinel-billedernes pris og tilgængelighed er nyskabende.

Satellitterne leverer billeder af Jorden med et ‘almindeligt’ kamera og med et infrarødt kamera, som det har været kendt fra satellitter i årtier, men opløsningen er blevet bedre, og satellitterne kan nu se detaljer, der er ned til 25 x 25 cm store. Det er imidlertid ikke kvaliteten af billederne, men den hyppige leverance af gratis billeder, der har gjort forskellen, vurderer Rasmus Borgstrøm.

»Det betyder, at billederne kommer bredere ud. Flere og flere bliver opmærksomme på, at man kan bruge dem. Det betyder også, at der opstår flere startups omkring Sentinel i øjeblikket, men andre aktører såsom kommuner og myndigheder er kommet med. De har ikke været de hurtigste til at komme med, men det sker nu på grund af Sentinel.«

Blandt de institutioner, der nu tør kaste sig ud i at benytte satellitdata på et nyt område, er en enkelt, der allerede er velbevandret inden for traditionel anvendelse af satellitbilleder. Danmarks Meteorologiske Institut (DMI) er nemlig så sent som i denne måned begyndt på et projekt, hvor de sammen med DTU skal automatisere arbejdet med at kortlægge is i Arktis.

Satellitter kortlægger byen: Multispektrale billeder af byområder kan være med til at kortlægge, hvor der er parkerede biler, optælle arealer med grønne tage og vurdere tilstanden af vegetationen på grønne arealer. Her er vegetationen i et område omkring Christianshavn fremhævet. Kombinationen af fotos ved forskellige bølgelængder gør en computer i stand til at skelne vegetation fra andre objekter, som ellers har samme farve for det blotte øje. Illustration: DHI Gras/DigitalGlobe

I dag foregår arbejdet hos DMI’s istjeneste manuelt ved, at DMI-medarbejdere indkøber og studerer de relevante satellitbilleder. Men gennem et treårigt projekt vil DMI og DTU nu forsøge at effektivisere og udvide processen.

På DTU, som står for den tekniske del af projektet, er opfattelsen den samme som på DHI Gras: Det er snarere den store mængde billeder end den forbedrede teknologi, der er årsagen til, at satellitbillederne breder sig over stadigt flere anvendelser.

»Der er ikke noget særligt i teknologien, der har ændret sig, men hele systemet er sat anderledes op nu, så det kan sammenlignes med de vejrsatellitter, som meteorologerne er vant til at bruge,« konstaterer lektor og vicedirektør ved DTU Space Henning Skriver.

»Konceptet med, at data kommer ofte og med sikkerhed, har skabt stor interesse. Folk opdager, at der pludselig er et system, man kan basere operationelle ting på. Det er det virkelig nye. Som myndighed ser man for eksempel, at der er et system, man tør gå ind i, fordi man kan stole på, at data er der,« påpeger han.

Maskinlæring gør data brugbare

Men når der ikke længere er tale om blot at købe ti satellitbilleder om dagen, bliver analyseopgaven også uoverkommelig at udføre manuelt. Det er her, den anden del af udviklingen bliver relevant.

Maskinlæring – og navnlig den automatiske billedforståelse kendt som ‘computer vision’ – bliver relevant for den analyse af billederne, der kan gøre dem til brugbare data. Hos DHI Gras gælder det eksempelvis optælling af biler på en parkeringsplads, beregning af havdybder eller genkendelse af oversvømmede områder efter en storm.

Parkeringspladser overvåget fra rummet: Ved hjælp af billeder som dette af parkeringspladser kan man automatisere beregninger af belægningsprocent på parkeringspladser. På billedet her er to københavnske parkeringspladser markeret med henholdsvis røde og grønne markeringer afhængig af, om den enkelte plads er optaget eller ej. Illustration: DTI Gras/DigitalGlobe

Det betyder samtidig, at der inden længe er løsninger, som kan benyttes uden hjælp fra virksomheder som DHI Gras.

»Folk er begyndt at kaste sig over computer vision til den type opgaver, og der begynder at komme open source-løsninger, som kan bruges af for eksempel landmænd,« siger Rasmus Borgstrøm.

Indtil videre betyder udviklingen imidlertid ikke, at der er mindre arbejde til den type virksomheder – tværtimod, understreger han.

Det er også denne teknologi, DTU og DMI vil benytte til at skelne is fra vand på de mange billeder, der skal analyseres, hver gang Sentinel-satellitterne har passeret de arktiske egne.

Beredskabet får overblik efter en storm: Efter storme og andre naturkatastrofer er satellitfotos velegnede til at registrere skaderne. Større lande bruger billederne til at skabe overblik over svært tilgængelige områder, mens vi herhjemme kan bruge satellitterne til at kortlægge, præcis hvor store arealer der er oversvømmet, eller hvor meget skov der er ødelagt af en storm. På billedet ses Odense Fjord efter stormen Ingolf i oktober. De oversvømmede områder er genkendt automatisk og markeret på billedet. Metoden blev eksempelvis også brugt, efter at stormen Egon i 2015 havde skabt oversvømmelser omkring Limfjorden. Her afslørede billeder, at store områder ned til fjorden fortsat var oversvømmet tre dage efter stormen. Oversvømmelsesbillederne skabes typisk af en kombination af radarsatellitter og fotosatellitter. Illustration: DHI Gras/Airbus

»Der er sket en udvikling i maskin­læring, som ikke har været prøvet i denne sammenhæng før. Hvis de fremskridt kan bruges her, kan vi i højere grad automatisere fremstillingen af iskort. I dag gør folk det manuelt i både Danmark, Norge og andre lande. Det gør, at det ikke er praktisk eller økonomisk muligt at udvide tjenesterne,« vurderer Henning Skriver.

Det er kun de to Sentinel-2-satellitter, der laver ‘almindelige’ satellitfotos af Jorden. De øvrige Sentinel-satellitter i Copernicus-programmet har et bredt udvalg af andre instrumenter om bord. Det seneste skud på stammen er eksempelvis Sentinel-5P, der indeholder et mul­ti­spek­tralt billedspektrometer, som blandt andet giver overblik over den globale forurening med NO2 og methan.

Satellit data er helt klart et fantastisk værktøj til at lave remote-sensing.
Sentinel-2 og Landsat-7/8 kan hentes fra ESA og NASA, med en pixelopløsningen som ligger mellem 10 og 100m, alt efter hvilke bånd man ønsker information fra.
Pixelopløsningen er vigtig at være klar over, inden man kaster sig ud i at anvende de gratis sattelit services. Man kan dog fint bruge sentinel-2 data til at estimere vegetation via index som NDVI, SAVI, REIP og NDRE, samt mange andre. I FutureCropping projektet er der også blevet arbejdet med sattelit data, til bla. gødningstildeling: https://futurecropping.dk/tag/satellit/.

Det kan være relevant at anvende kommercielle løsninger til fx. biloptælling. Da det kan være lidt svært at se biler på billeder med 10x10m pixel opløsning.
Her kommer firmaer som Planet Labs ind i billedet, som levere data fra deres 180+ satellitter:
https://www.planet.com/
Planet labs bedste satellit løsning skulle gerne kunne levere RGB billeder med en opløsning på 0.8m. Deres frontend er også super til at skabe overblik over satellit data (herunder sentinel-2 og Landsat-7/8), der optaget på de enkelte dage.

En af andre udfordringer man hurtigt opdager, er skydækket over Danmark.
Det betyder at man i perioder ikke kan få brugbare målinger af fx landjorden pga. der kun overflyves et par gange om ugen. Skydækket kan gøre det temmelig svært kun at anvende multispectral data fra sentinel-2 og Landsat-7/8. Mange hopper derfor hurtigt over og begynder at anvende de kommercielle løsninger, da de de kan få flere billeder og derfor har større chance for et skyfrit billede.

Dog er remote sensensin via satteli data, meget mere end bare multispetrale billeder.
Sentinel-1 laver Synthetic Aperture Radar (SAR) opmålinger, som trænger igennem skydækket
og derfor ikke på samme måde er påvirket. Derfor anvende man ofte kombinationen af sentinel-1 og sentinel-2 til opmålinger af fx. oversvømmelser. Dog har sentinel-1 sine egne udfordringer ifht. anvendelse, som man også skal forholde sig til.

Samtidig arbejdes der på lave services som https://fieldbabel.eng.au.dk/ til at levere behandlet sentinel-1 og Sentinel-2 data for hele Denmark. De behandlede data er tiltængt forskere indenfor landbrugs området.

  • 4
  • 0

Tjek også Google Earth Engine (ikke at forveksle med Google Earth) som dels er et meget brugbart værktøj til at få overblik og downloade gratis satellit-data, og dels er et stærkt værktøj til eksempelvis at klassificere multispektrale grids. Dertil kan laves time lapses over historiske fotos, og dermed hurtigt opnås overblik og historiske ændringer. Det er meget imponerende udført.

Mere avancerede brugere kan udnytte diverse programmeringssprog til at regne på griddede datasæt. Brugere kan også selv uploade egne datasæt som supplement til de mange som Google har indekseret.

Earth Engine er stadig i beta og dermed ikke kommercielt tilgængeligt. Tjek deres intro-video på:
https://earthengine.google.com

  • 2
  • 0

Artiklen får det desværre til at lyde som om Sentinel-2 har en langt bedre opløsning end den reelt har. Alle billed eksempler de anvender i artiklen er ikke taget med Seninel-2 og det burde nok gøres mere klart. Dog kan man se hvor de enkelte billeder kommer fra, hvis du kigger i figur teksten.

Dog er jeg ikke helt med på ikke hvad du mener med open hub, cloudless og pixelopløsning.
Har du anvendt:
https://s2maps.eu/
Eller har du selv hente helt skyfrie data for DK ned fra https://scihub.copernicus.eu/dhus/#/home

Som jeg skrev tidligere, giver de bedste bånd fra Sentinel-2 pixels med en opløsning på 10x10m.
Dog er nogle bånd 20x20 pr. pixel og andre 60x60m:
https://yceo.yale.edu/what-sentinel-2
https://www.satimagingcorp.com/satellite-s...
http://www.esa.int/Our_Activities/Observin...

Normalt henter man selv data ned fra scihub og bruger software som sen2cor til at fjerne atomosfæren: http://step.esa.int/main/third-party-plugi...
ESA SNAP software kan bruges til at efterbehandle data fra sentinel-1 og sentinel-2:
http://step.esa.int/main/toolboxes/snap/
Fx. skal du selv fjerne de skyer der er til stede i billederne, ved fx at anvende de funktionaliteter der findes i SNAP, Mener også SNAP kan bruges til Landsat og et par andre satellitter. Forums for sentinel software kan du finde her: http://forum.step.esa.int/

Hvis spørgsmålet mere var hvor man ellers kunne få "gratis" satellit data fra, vil jeg mit svar være at du burde kigge her:
https://www.planet.com/pulse/free-light/
http://gisgeography.com/free-satellite-ima...
https://earthengine.google.com/datasets/
https://earthexplorer.usgs.gov/
https://www.digitalglobe.com/opendata

Har du kun brug for årlig billed data fra Danmark kunne de også prøve kortforsyningens ortofoto:
https://kortforsyningen.dk/
Bruger selv qgis til at tilgå data fra kortforsyningen:
https://kortforsyningen.dk/content/gis-vej...
De er data er dog optaget med fly i steder for sattelit:
https://download.kortforsyningen.dk/conten...

Der er også virkelig mange andre løsninger ifht. satellit data på markedet:
https://www.satimagingcorp.com/satellite-s...
https://www.unavco.org/instrumentation/geo...
https://www.planet.com/products/hi-res-mon...
http://www.shoghicom.com/high-resolution-i...
https://www.digitalglobe.com/
http://www.effigis.com/solutions/satellite...
Dog koster det hurtigt når man går væk fra de gratis løsninger der er mulige pt.

Rådet er som regel at man skal være klar over, hvad man ønsker at observere og så finde ud af hvilke satellitter som kan anvendes.
De har nemlig ikke alle de samme bånd og overflyvnings muligheder.

Håber det svare på dit spørgsmål.

  • 3
  • 0

Tak for udførligt svar og links Martin.

Dog er jeg ikke helt med på ikke hvad du mener med open hub, cloudless og pixelopløsning

Hvis man klikker på Jens' link kan man vælge Open Hub og på kortet Sentinel-2 Cloudless + Overlay. Hvis man så zoomer max ind er det ret utydeligt.

Jeg er ikke professionel i denne sammenhæng, kun amatør med stor interesse for opdaterede kort og satellit- og luftfotos.

man skal være klar over, hvad man ønsker at observere

Det kunne fx være sjovt hvis man kunne se hvor der ligger sne i dag, hvordan det går med byggeri af veje, bygninger og anden infrastruktur, og måske ligefrem hvor mange lystbåde der er i en bestemt havn en god sommerdag :-)

  • 0
  • 0

De fleste opgaver du kigge på ,ville kræve en højere opløsning end det sentinel-2 kan levere som er 10x10 meter pr. pixel på RGB. Dit næste problem er at de fleste data først er udgivet 4-5 dage, efter de er optaget.

Du skal nok prøve at få fadt i nogle samples fra Digital Globe eller Planetlab, hvis du vil have noget med bedre opløsning.

  • 0
  • 0