Viac

Satelit s vysokým rozlíšením


Môže mi niekto povedať, odkiaľ môžem kúpiť komerčné satelitné snímky s vysokým rozlíšením pre výskum biodiverzity? Potrebujem nejaké webové stránky, ktoré predávajú tento druh obrázkov?


Dva z najlepších komerčných multispektrálnych produktov s vysokým rozlíšením sú Worldview-2 a Worldview-3. Tieto snímače sa bežne používajú pre prírodné zdroje a aplikácie biodiverzity. Tu sa dozviete viac o týchto produktoch. Ďalšou nákladovo efektívnejšou možnosťou je použitie snímok so stredným rozlíšením RapidEye (podrobnosti). Ak to váš rozpočet umožňuje, môžete samozrejme získať údaje LiDAR pre vašu študovanú oblasť. LiDAR v kombinácii s multispektrálnymi údajmi vám umožní robiť predpovede na základe štrukturálnych a spektrálnych vlastností.


Tu je zoznam niektorých poskytovateľov a predajcov snímok s vysokým rozlíšením:

  1. https://www.digitalglobe.com/
  2. https://earthexplorer.usgs.gov/
  3. http://www.intelligence-airbusds.com/en/4871-browse-and-order
  4. https://www.planet.com/
  5. http://catalog.sovzond.ru/
  6. http://search.kosmosnimki.ru/
  7. http://www.imagesatintl.com/high-resolution-satellite-imagery/
  8. http://www.si-imaging.com/purchase/

Najväčším poskytovateľom údajov je DigitalGlobe. Majú tiež preukázateľne najlepší satelit (WorldView-3). Môžete nakupovať priamo u nich alebo môžete prejsť cez jedného z mnohých predajcov. Cena okolo 16 $ za km 2 je obvyklá pre 4 spektrálne pásma a 20 $ za 8 pásiem - odkaz na zoznam s cenami.

O niečo lacnejšou možnosťou sú Plejády a dáta SPOT od Airbusu D&S. K dispozícii sú iba 4 pásma.

Ďalej môžete ísť aj na RapidEye. Rozlíšenie 5 metrov je stále dobré pre mnoho projektov, ale úroveň detailov sa nepribližuje úrovni dostupnej od spoločností DigitalGlobe alebo Airbus.


Satelit s vysokým rozlíšením - geografické informačné systémy

Technológia Geografický informačný systém (GIS) je vysoko cenená plánovačmi, architektmi, inžiniermi, vládnymi subjektmi a vývojovou komunitou ako integrované riešenie pre správu a plánovanie projektov infraštruktúry.

Integráciou rôznorodých a meniacich sa priestorových informácií vytvára GIS vizuálne obrazy, ktoré presne zobrazujú informácie o mieste a inventáre majetku a zároveň poskytujú možnosť monitorovať zmeny v čase a predpovedať alebo modelovať budúce dopady projektu.

Burditt zostavuje a analyzuje najnovšie satelitné a letecké snímky s vysokým rozlíšením v kombinácii s prispôsobenými databázami, aby poskytol typ informácií, ktoré musia používatelia v súkromnom a verejnom sektore prijímať informované rozhodnutia, spravovať aktíva a monitorovať prebiehajúce projekty.

Okrem poskytovania máp a informačných prekrytí špecialisti Burditt GIS zhromažďujú údaje v teréne pomocou najmodernejších technológií na zhromažďovanie verejných informácií potrebných na vytvorenie presných hĺbkových databáz. Skúsení odborníci v GIS analyzujú tieto výsledky a poskytujú klientom znalý výklad vrátane archivácie týchto údajov. Naša rozsiahla interná databáza a obrazové archívy sú súčasťou komplexných služieb poskytovaných klientom a kriticky sa interne používajú v rámci riadenia podnikových projektov.

Náš tím je oboznámený so všetkým balíkom nástrojov ESRI ArcGIS a so širokou škálou nástrojov otvoreného zdroja vrátane Quantum GIS, GRASS a SAGA. Sme tiež schopní spracovať a generovať súbory údajov od leteckých a terénnych rastrových údajov až po topografiu LiDAR, demografické údaje a klasifikácie krajinnej pokrývky.


Mapy GIS (geografické informačné systémy)

Satelitné snímky výrazne vylepšujú projekt mapovania GIS a slúžia ako zdroj informácií a údajov na podporu analýzy a klasifikácie pre geopriestorové hodnotenie a modelovanie.

Geografické informačné systémy (mapovanie GIS)

GIS (geografické informačné systémy), GPS (globálny pozičný systém) a satelitná technológia diaľkového prieskumu podporuje environmentálne riadenie prírodných rizík a katastrof, globálne zmeny podnebia, prírodné zdroje, divočinu, pôdnu pokrývku a mnoho ďalších aplikácií. Spoločnosť Satellite Imaging Corporation (SIC) integruje ortorektifikované mozaiky satelitných snímok a vytvára tak jednotlivé snímky bohaté na dáta pre inteligentné mapovanie GIS, aby sa dosiahol viacvrstvový výsledok pre mnoho druhov analýz.

Satelitné snímky výrazne vylepšujú projekt mapovania GIS a slúžia ako zdroj informácií a údajov na podporu analýzy a klasifikácie pre geopriestorové hodnotenie a modelovanie. Satelitný snímač WorldView-4 s 30 cm panchromatickým a 1,2 m štvorpásmovým multispektrálnym zobrazením a WorldView-3 satelitné snímače s rozlíšením 30 cm panchromatickým a 1,2 m 8-pásmovým multispektrálnym obrazom sa stávajú skvelým zdrojom pre správu životného prostredia a monitorovanie divokej zveri. analýza.

SIC kombinuje ortorektifikované mozaiky satelitných snímok s extrahovanými vektorovými údajmi a údajmi atribútov dodaných klientom, aby vytvoril jediné, na dáta bohaté obrázky pre mapy GIS, aby sa dosiahol viacvrstvový výsledok pre mnoho druhov analýz. SIC môže tiež vyrábať DEM a 3D modely digitálneho terénu (DTM) pre mnoho priemyselných aplikácií GIS využívajúcich mono a stereo satelitné obrazové dáta s vysokým a stredným rozlíšením.

Mapovanie GIS pre environmentálne manažérstvo

GIS má veľmi dôležitú úlohu v environmentálnom manažmente. Technológie GIS, GPS a diaľkové snímanie poskytujú výskumníkom nástroje, ktoré im majú pomôcť porozumieť, vizualizovať, integrovať a kvantifikovať dostupné výskumné údaje.

Mapy a databázy krajinnej pokrývky je možné vytvárať zo satelitných snímok alebo leteckých snímok a potom sa ukladajú a digitalizujú (extrakcia prvkov), aby sa vytvorili geopriestorové databázy v prostredí GIS.

Medzi služby na extrakciu funkcií patria stavby a zariadenia (budovy, mosty, letiská atď.), Využitie pôdy, pokrytie krajiny, klasifikácia vegetácie (poľnohospodárstvo, lesníctvo, životné prostredie, minerály), vodné útvary, polohy studní, typy pôd, potrubia a ďalšie.

GIS pomáha environmentálnym manažérom pri tvorbe máp GIS, ktoré ukazujú, ako naše prírodné zdroje reagujú na zmeny v čase, vrátane pobrežných, vegetačných a geologických.

GIS mapa integrovaná s Pleiades 3D ArcScene (0,5 m)

Ditigal Terrain Model (DTM) 1 meter

Medená baňa Bingham Canyon, Utah, USA

Autorské práva na obrázok © AIRBUS Defense & amp Space a spracované spoločnosťou Satellite Imaging Corporation. Všetky práva vyhradené.

Mapovanie GIS na ochranu divej prírody

Technológia GIS, GPS a technológia diaľkového snímania poskytujú ochrancom prírody a výskumným pracovníkom informované rozhodnutia manažmentu, ktoré im pomôžu identifikovať biotopy a chrániť druhy, aby pomohli pri rozhodovaní tam, kde je najviac potrebné úsilie o ochranu.

Satelitné snímky vo vysokom rozlíšení môžu výskumníkom poskytnúť čoraz aktuálnejšie geopriestorové údaje a informácie na monitorovanie migrácie divokej zveri, pytliactvo, mapovanie biotopov a sledovanie ohrozených druhov v odľahlých oblastiach sveta, aby im mohli pomôcť pri riadení a ochrane.

Monitorovanie divej zveri

Technológia GIS umožňuje výskumníkom sledovať divokú zver v odľahlých oblastiach sveta. Údaje GIS zhromaždené z GPS a satelitných snímok s vysokým rozlíšením alebo z bezpilotných vzdušných systémov umožňujú výskumníkom identifikovať a monitorovať pohyb, vzory, počty druhov, chovanie divokej zveri a pomáhať pri predchádzaní pytliactvu.

Úspešné aplikácie v technológii GIS na ochranu voľne žijúcich živočíchov preukázali, ako tento nástroj môže poskytnúť cenné informácie výskumníkom a ochrancom prírody.

Satelitný obraz WorldView-3 (30 cm) monitorujúci aljašský karibou

Autorské práva na obrázok © DigitalGlobe a spracované spoločnosťou Satellite Imaging Corporation. Všetky práva vyhradené.

Ak potrebujete ďalšie informácie alebo konzultáciu o ktoromkoľvek z našich produktov alebo služieb, kontaktujte nás.


Obsah

Prvé snímky z vesmíru boli urobené pri suborbitálnych letoch. Let V-2 zahájený USA 24. októbra 1946 urobil jednu snímku každých 1,5 sekundy. S apogee 105 míľ (65 km) boli tieto fotografie päťkrát vyššie ako predchádzajúci rekord, teda 22 km od balónovej misie Explorer II v roku 1935. [1] Prvé satelitné (orbitálne) fotografie Zem bola vyrobená 14. augusta 1959 americkým prieskumníkom 6. [2] [3] Prvé satelitné fotografie Mesiaca mohla byť urobená 6. októbra 1959 sovietskym satelitom Luna 3 na misiu fotografovať ďaleko strana Mesiaca. Fotografia Modrého mramoru bola vyfotografovaná z vesmíru v roku 1972 a stala sa veľmi populárnou v médiách i medzi verejnosťou. Tiež v roku 1972 USA zahájili program Landsat, najväčší program na získavanie snímok Zeme z vesmíru. Misia Landsat Data Continuity Mission, najnovšia družica Landsat, bola vypustená 11. februára 2013. V roku 1977 získal americký satelitný systém KH-11 prvé satelitné snímky v reálnom čase.

Všetky satelitné snímky produkované NASA zverejňuje Earth Earth Observatory NASA a sú voľne dostupné pre verejnosť. Niekoľko ďalších krajín má programy satelitného zobrazovania a spoločné európske úsilie vypustilo satelity ERS a Envisat nesúce rôzne senzory. Existujú aj súkromné ​​spoločnosti, ktoré poskytujú komerčné satelitné snímky. Na začiatku 21. storočia boli satelitné snímky široko dostupné, keď niekoľko spoločností a organizácií ponúklo cenovo dostupný a ľahko použiteľný softvér s prístupom k databázam satelitných snímok.

Satelitné snímky majú veľa aplikácií v meteorológii, oceánografii, rybolove, poľnohospodárstve, ochrane biodiverzity, lesníctve, krajine, geológii, kartografii, regionálnom plánovaní, vzdelávaní, spravodajských službách a vojnách. Medzi menej bežné použitie patrí lov anomálií, kritizovaná technika vyšetrovania, ktorá spočíva v hľadaní nevysvetliteľných javov na satelitných snímkach. [4] Obrázky môžu byť vo viditeľných farbách a v iných spektrách. Existujú aj výškové mapy, ktoré sa zvyčajne vytvárajú radarovými snímkami. Interpretácia obrazu a analýza satelitných snímok sa vykonávajú pomocou špecializovaného softvéru na diaľkové snímanie.

Pri diskusii o satelitných snímkach pri diaľkovom snímaní existuje päť typov rozlíšenia: priestorové, spektrálne, časové, rádiometrické a geometrické. Campbell (2002) [5] ich definuje takto:

  • priestorové rozlíšenie je definované ako veľkosť pixelov obrazu predstavujúca veľkosť povrchovej plochy (t. j. m 2) meranej na zemi, určenú okamžitým zorným poľom senzorov (IFOV).
  • spektrálne rozlíšenie je definované veľkosťou intervalu vlnovej dĺžky (diskrétny segment elektromagnetického spektra) a počtom intervalov, ktoré senzor meria
  • časové rozlíšenie je definované množstvom času (napr. dní), ktoré prechádza medzi obdobiami zberu snímok pre dané umiestnenie na povrchu
  • Rádiometrické rozlíšenie je definované ako schopnosť zobrazovacieho systému zaznamenávať veľa úrovní jasu (napríklad kontrast) a efektívnej bitovej hĺbky snímača (počet úrovní odtieňov šedej). Spravidla sa vyjadruje ako 8-bitové (0–255). ), 11-bit (0–2047), 12-bit (0–4095) alebo 16-bit (0–65 535).
  • Geometrické rozlíšenie sa vzťahuje na schopnosť satelitného snímača efektívne zobrazovať časť zemského povrchu v jednom pixeli a zvyčajne sa vyjadruje ako vzdialenosť vzorky od zeme alebo GSD. GSD je pojem obsahujúci celkové zdroje optického a systémového šumu a je užitočný na porovnanie toho, ako dobre dokáže jeden snímač „vidieť“ objekt na zemi v rámci jediného pixelu. Napríklad GSD programu Landsat je ≈30m, čo znamená, že najmenšia jednotka, ktorá sa mapuje na jeden pixel v snímke, je ≈30m x 30m. Najnovší komerčný satelit (GeoEye 1) má GSD 0,41 m. To sa porovnáva s rozlíšením 0,3 m, ktoré získal nejaký prieskumný satelit založený na ranom vojenskom filme, ako napríklad Corona. [potrebná citácia]

Rozlíšenie satelitných snímok sa líši v závislosti od použitého prístroja a nadmorskej výšky obežnej dráhy satelitu. Napríklad archív Landsat ponúka pre planétu opakované snímky s 30-metrovým rozlíšením, ale väčšina z nich nebola spracovaná zo surových údajov. Landsat 7 má priemernú návratnosť 16 dní. Pre mnoho menších oblastí sú k dispozícii obrázky s rozlíšením až 41 cm. [6]

Satelitné snímky sú niekedy doplnené o letecké snímkovanie, ktoré má vyššie rozlíšenie, ale je nákladnejšie na meter štvorcový. Satelitné snímky je možné kombinovať s vektorovými alebo rastrovými údajmi v GIS za predpokladu, že boli snímky priestorovo opravené tak, aby boli správne zarovnané s ostatnými množinami údajov.

Public Domain Edit

Satelitné snímanie povrchu Zeme je dostatočne verejne prospešné na to, aby mnohé krajiny udržiavali programy satelitného snímania. USA sa stali priekopníkom v oblasti bezplatného sprístupňovania týchto údajov na vedecké účely. Niektoré z najpopulárnejších programov sú uvedené nižšie a nedávno ich nasledovalo zoskupenie Európskej únie Sentinel.

CORONA Upraviť

The CORONA Program bol radom amerických strategických prieskumných satelitov vyrábaných a prevádzkovaných Riaditeľstvom vedy a technológie Ústrednej spravodajskej agentúry (CIA) za výraznej pomoci vzdušných síl USA. typ snímok je panoramatický film s mokrým filmom a na snímanie stereografických snímok používal dva fotoaparáty (AFT a ampFWD).

Landsat Upraviť

Landsat je najstarší kontinuálny program satelitného zobrazovania pozorujúci Zem. Snímky optického Landsatu sa od začiatku 80. rokov zbierali v rozlíšení 30 m. Počnúc programom Landsat 5 sa zhromažďovali aj tepelné infračervené snímky (pri hrubšom priestorovom rozlíšení ako optické údaje). Družice Landsat 7 a Landsat 8 sú momentálne na obežnej dráhe. Plánovaný je Landsat 9.

MODIS Upraviť

MODIS od roku 2000 zhromaždil takmer denné satelitné snímky Zeme v 36 spektrálnych pásmach. MODIS je na palube satelitov NASA Terra a Aqua.

Sentinel Edit

ESA v súčasnosti vyvíja sústavu Sentinel satelitov. Momentálne je naplánovaných 7 misií, každá pre inú aplikáciu. Sentinel-1 (zobrazovanie SAR), Sentinel-2 (optické zobrazovanie dekametra pre povrchy pevniny) a Sentinel-3 (optické a tepelné zobrazovanie hektometra pre pôdu a vodu) už boli spustené.

ASTER Upraviť

Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER) je zobrazovací prístroj na palube Terry, vlajkovej lode satelitu systému pre pozorovanie Zeme (EOS), ktorý bol uvedený na trh v decembri 1999. ASTER je spoločným úsilím medzi NASA, japonským ministerstvom hospodárstva, obchodu a priemyslu. (METI) a Japonské vesmírne systémy (J-vesmírne systémy). Údaje ASTER sa používajú na vytvorenie podrobných máp teploty povrchu zeme, odrazivosti a nadmorskej výšky. Koordinovaný systém satelitov EOS, vrátane Terry, je hlavnou súčasťou riaditeľstva vedeckých misií NASA a divízie vedy o Zemi. Cieľom NASA Earth Science je rozvinúť vedecké chápanie Zeme ako integrovaného systému, jeho reakcie na zmeny a lepšie predvídať variabilitu a trendy v podnebí, počasí a prírodných rizikách. [7]

  • Klimatológia zemského povrchu - skúmanie parametrov zemského povrchu, povrchovej teploty atď., S cieľom porozumieť interakcii medzi zemským povrchom a tokom energie a vlhkosti.
  • Vegetačná a ekosystémová dynamika - skúmanie vegetácie a distribúcie pôdy a ich zmien s cieľom odhadnúť biologickú produktivitu, porozumieť interakciám medzi zemou a atmosférou a zistiť zmeny v ekosystéme
  • Monitorovanie sopiek - sledovanie erupcií a prekurzorových udalostí, ako sú emisie plynov, oblaky erupcie, vývoj lávových jazier, história erupcií a potenciál erupcie
  • Monitorovanie nebezpečenstva - pozorovanie rozsahu a účinkov požiarov, povodní, erózie pobrežia, škôd spôsobených zemetrasením a tsunami
  • Hydrológia - pochopenie globálnej energie a hydrologických procesov a ich vzťahu k globálnym zmenám je evapotranspirácia z rastlín
  • Geológia a pôdy - podrobné zloženie a geomorfologické mapovanie povrchových pôd a podložia na štúdium procesov na povrchu zeme a histórie Zeme
  • Zmena povrchu krajiny a pokrytie krajiny - monitorovanie dezertifikácie, odlesňovania a urbanizácie, ktoré poskytujú manažérom ochrany údaje na sledovanie chránených oblastí, národných parkov a oblastí divočiny.

Meteosat Upraviť

Geostacionárny meteorologický satelit Meteosat-2 začal operatívne dodávať obrazové údaje 16. augusta 1981. Eumetsat prevádzkuje Meteosaty od roku 1987.

  • The Viditeľný a infračervený zobrazovač Meteosat (MVIRI), trojkanálový zobrazovač: viditeľný, infračervený a vodná para Pracuje na prvej generácii Meteosatu, Meteosat-7 je stále aktívny.
  • 12-kanálový Spinovaná vylepšená viditeľná a infračervená kamera (SEVIRI) zahŕňa podobné kanály ako kanály MVIRI, ktoré poskytujú kontinuitu v údajoch o klíme počas troch desaťročí Meteosat druhej generácie (MSG).
  • The Flexibilná kombinovaná kamera (FCI) o Meteosate tretej generácie (MTG) bude tiež obsahovať podobné kanály, čo znamená, že všetky tri generácie poskytnú údaje o klíme za 60 rokov.

Úprava súkromnej domény

Niekoľko satelitov vyrába a udržujú súkromné ​​spoločnosti. Tie obsahujú:

Úpravy GeoEye

Družica GeoEye-1 spoločnosti GeoEye bola vypustená 6. septembra 2008. [8] Družica GeoEye-1 má zobrazovací systém s vysokým rozlíšením a je schopná zhromažďovať snímky v pozemnom rozlíšení 0,41 metra (16 palcov) v panchromatickej alebo čiernej a biely režim. Zhromažďuje multispektrálne alebo farebné snímky v rozlíšení 1,65 metra alebo asi 64 palcoch.

Maxar Edit

Satelit Maxar WorldView-2 poskytuje komerčné satelitné snímky s vysokým rozlíšením s priestorovým rozlíšením 0,46 m (iba panchromatické). [9] Panchromatické obrázky WorldView-2 s rozlíšením 0,46 metra umožňujú satelitu rozlišovať medzi objektmi na zemi, ktoré sú od seba vzdialené najmenej 46 cm. Podobne satelit MaxBar QuickBird poskytuje panchromatické obrázky s rozlíšením 0,6 metra (pri minimálnej hodnote).

Satelit Maxar's WorldView-3 poskytuje komerčné satelitné snímky s vysokým rozlíšením s priestorovým rozlíšením 0,31 m. WVIII tiež obsahuje infračervený snímač s krátkou vlnou a atmosférický snímač [10]

Pléiades súhvezdie je zložené z dvoch optických satelitov s vysokým rozlíšením (50 centimetrov, spektrum a spektrum 2,1 metra), optických satelitov zobrazujúcich Zem. Pléiades-HR 1A a Pléiades-HR 1B poskytujú pokrytie zemského povrchu opakujúcim sa cyklom 26 dní. Pléiades, navrhnutý ako duálny civilný / vojenský systém, bude spĺňať požiadavky na európsku obranu týkajúce sa vesmírnych snímok, ako aj civilné a obchodné potreby.

Pléiades Neo je najpokročilejšia optická konštelácia so štyrmi identickými satelitmi s rozlíšením 30 cm s maximálnou reaktivitou. Pléiades Neo je úplne financovaný, vyrobený, vlastnený a prevádzkovaný spoločnosťou Airbus a predstavuje prielom v oblasti pozorovania Zeme.

Upraviť bodový obrázok

3 satelity SPOT na obežnej dráhe (Spot 5, 6, 7) poskytujú obrázky vo veľmi vysokom rozlíšení - 1,5 m pre Panchromatic kanál, 6 m pre multispektrálne (R, G, B, NIR). Spot Image tiež distribuuje údaje o viacnásobnom rozlíšení z iných optických satelitov, najmä z Formosat-2 (Taiwan) a Kompsat-2 (Južná Kórea) a z radarových satelitov (TerraSar-X, ERS, Envisat, Radarsat). Spot Image je tiež výhradným distribútorom údajov zo satelitov Plejády s vysokým rozlíšením s rozlíšením 0,50 metra alebo približne 20 palcov. K uvedeniu na trh došlo v roku 2011, respektíve 2012. Spoločnosť tiež ponúka infraštruktúry pre príjem a spracovanie, ako aj možnosti pridanej hodnoty.

Planéta RapidEye Edit

V roku 2015 získala spoločnosť Planet BlackBridge a jej konštelácia piatich satelitov RapidEye, ktorá bola uvedená na trh v auguste 2008. [11] Súhvezdie RapidEye obsahuje identické multispektrálne senzory, ktoré sú rovnako kalibrované. Preto bude obraz z jedného satelitu rovnocenný s obrazom z ktorejkoľvek z ďalších štyroch, čo umožní zhromaždenie veľkého množstva snímok (4 milióny km 2 za deň) a dennú návštevu oblasti. Každý z nich cestuje po rovnakej orbitálnej rovine vo vzdialenosti 630 km a poskytuje obrázky vo veľkosti pixelov 5 metrov. Satelitné snímky RapidEye sú vhodné najmä pre poľnohospodárske, environmentálne, kartografické a katastrofické aplikácie. Spoločnosť nielen ponúka svoje snímky, ale konzultuje svojich zákazníkov s vytvorením služieb a riešení na základe analýzy týchto snímok. Súhvezdie RapidEye bolo Planetou vyradené z prevádzky v apríli 2020.

ImageSat International Edit

Družice na pozorovanie zdrojov Zeme, známejšie ako „EROS“ satelity, sú ľahké a nízko obiehajúce satelity s vysokým rozlíšením určené na rýchle manévrovanie medzi zobrazovacími cieľmi. Na komerčnom trhu satelitov s vysokým rozlíšením je EROS najmenší satelit s veľmi vysokým rozlíšením, je veľmi agilný a umožňuje tak veľmi vysoké výkony. Družice sú rozmiestnené na kruhovom slnku synchrónnom blízko polárnej obežnej dráhy vo výške 510 km (± 40 km). Aplikácie snímok satelitov EROS sú primárne na spravodajské účely, pre vnútornú bezpečnosť a na účely národného rozvoja, ale tiež sa používajú v širokej škále civilných aplikácií vrátane: mapovania, kontroly hraníc, plánovania infraštruktúry, poľnohospodárskeho monitorovania, monitorovania životného prostredia, reakcie na katastrofy, školení a simulácií atď. .

EROS A - satelit s vysokým rozlíšením s panchromatickým rozlíšením 1,9 - 1,2 m bol vypustený 5. decembra 2000.

EROS B - druhá generácia satelitov s veľmi vysokým rozlíšením s panchromatickým rozlíšením 70 cm, bola uvedená na trh 25. apríla 2006.

Čína Siwei Upraviť

GaoJing-1 / SuperView-1 (01, 02, 03, 04) je komerčná konštelácia čínskych satelitov diaľkového snímania riadených spoločnosťou China Siwei Surveying and Mapping Technology Co. Ltd. Tieto štyri satelity fungujú od nadmorskej výšky 530 km a sú fázované 90 ° od seba na tej istej obežnej dráhe a poskytujú 0,5 m panchromatické rozlíšenie a 2 m multispektrálne rozlíšenie na páse 12 km. [12] [13]

Pretože celková plocha zeme na Zemi je taká veľká a pretože rozlíšenie je pomerne vysoké, satelitné databázy sú obrovské a spracovanie obrazu (vytváranie užitočných obrázkov zo surových údajov) je časovo náročné. [ potrebná citácia ] Predbežné spracovanie, ako je napríklad destriping obrazu, je často vyžadované. V závislosti na použitom snímači môžu poveternostné podmienky ovplyvniť kvalitu obrazu: napríklad je ťažké získať obrázky pre oblasti s častou oblačnosťou, ako sú vrcholy hôr. Z týchto dôvodov sa verejne dostupné súbory údajov o satelitných snímkach zvyčajne spracúvajú na vizuálne alebo vedecké komerčné použitie tretími stranami.

Komerčné satelitné spoločnosti neumiestňujú svoje snímky do verejnej sféry a namiesto toho svoje snímky nepredávajú. Na použitie týchto snímok musí mať licenciu. Takto je minimalizovaná schopnosť legálne vyrábať derivátové produkty z komerčných satelitných snímok.

Niektorí, ktorí si neželajú, aby sa ich majetok zobrazoval zhora, vyvolali obavy o ochranu súkromia. Mapy Google reagujú na tieto obavy vo svojich častých otázkach nasledujúcim vyhlásením: „Rozumieme vašim obavám o ochranu súkromia. Obrázky, ktoré zobrazuje služba Mapy Google, sa nelíšia od toho, čo môže vidieť ktokoľvek, kto preletí alebo prejde konkrétnou geografickou polohou." [14]


Aplikácie satelitných snímok a dáta # 038 diaľkového prieskumu Zeme

Aplikácie satelitných snímok a dáta # 038 diaľkového prieskumu Zeme

Dáta diaľkového snímania poskytujú základné informácie, ktoré pomáhajú pri monitorovaní rôznych aplikácií, ako je fúzia obrazu, detekcia zmien a klasifikácia krajinnej pokrývky. Diaľkový prieskum je kľúčová technika používaná na získavanie informácií týkajúcich sa zdrojov a životného prostredia Zeme # 8217s. Údaje popularizácie satelitných snímok popularizovali tak, že k nim je ľahký prístup online prostredníctvom rôznych mapovacích aplikácií, ako sú Google Earth a Bing Maps. Od toho, že som ich jednoducho našiel, & # 8220kde je môj dom & # 8221, tieto aplikácie pomohli komunite GIS pri plánovaní projektov, monitorovaní katastrof a prírodných katastrof a vedení ľudí v oblasti civilnej obrany.

Diaľkovo snímané satelitné snímky a dáta zahŕňajú spektrálne, priestorové a časové rozlíšenia. Spektrálna štatistika obsahuje prvky klasifikácie obrazu na diaľku. Hlavným aspektom, ktorý ovplyvňuje presnosť pozemného objektu, je priestorové rozlíšenie. Časové rozlíšenie pomáha pri generovaní máp krajinnej pokrývky pre plánovanie životného prostredia, zisťovanie zmien využívania krajiny a plánovanie dopravy. Integrácia dát a analýza mestských oblastí pomocou stredného rozlíšenia diaľkový prieskum snímky sa zameriavajú hlavne na dokumentáciu zastavaných oblastí alebo sa používajú na rozlíšenie obytných, obchodných a priemyselných zón.

1. Poskytnutie základnej mapy pre grafické referencie a pomoc plánovačom a inžinierom

Množstvo detailov, ktoré ortografia vytvára pomocou satelitných snímok s vysokým rozlíšením, má nesmiernu hodnotu, pretože poskytuje detailný obraz vybranej oblasti spolu s okolitými oblasťami.

Pretože mapy sú založené na polohe, sú špeciálne navrhnuté na komunikáciu vysoko štruktúrovaných údajov a na poskytnutie úplného obrazu o celom svete. Existuje množstvo aplikácií satelitných snímok a údajov diaľkového snímania. Národy dnes využívajú informácie odvodené zo satelitných snímok pre vládne rozhodovanie, operácie civilnej obrany, políciu a všeobecne pre geografické informačné systémy (GIS). V dnešnej dobe sa údaje zachytávané prostredníctvom Satelitné snímky sa stalo povinným a všetky vládne plány sa majú predkladať na základe údajov zo satelitných snímok.

2. Extrakcia minerálnych usadenín pomocou spektrálnej analýzy na základe diaľkového prieskumu

Počas etáp predbežnej uskutočniteľnosti a uskutočniteľnosti prieskumu minerálov je dôležité vedieť o minerálnej potenciáli oblasti, ktorá sa má brať do úvahy pri ťažbe nerastov. V takýchto scenároch pomáha satelitné mapovanie založené na DPZ a jeho integrácia do platformy GIS geológovi pri jednoduchom mapovaní zón minerálneho potenciálu, a to vďaka úspore času. Pomocou spektrálnej analýzy pásiem satelitného obrazu môže vedec rýchlo identifikovať a zmapovať dostupnosť minerálov pomocou špeciálnych indikátorov. To umožní prieskumnému geológovi zúžiť jeho geofyzikálne, geochemické a testovacie vrtné činnosti na zóny s vysokým potenciálom.

3. Plánovanie a obnova zmierňovania následkov katastrof

Výsledok prírodnej katastrofy môže byť zničujúci a niekedy ťažko hodnotiteľný. Pre záchranárov je však potrebné posúdenie rizika katastrofy. Tieto informácie musia byť pripravené a vykonané rýchlo a presne. Objektová klasifikácia obrazu pomocou detekcie zmien (pred a po udalosti) je rýchly spôsob, ako získať údaje o hodnotení poškodenia. Medzi ďalšie podobné aplikácie využívajúce satelitné snímky pri hodnotení katastrof patrí meranie tieňov z budov a modely digitálnych povrchov.

4. Rozvoj poľnohospodárstva

S rastúcou populáciou na celom svete a potrebou zvýšenej poľnohospodárskej výroby existuje určitá potreba správneho riadenia poľnohospodárskych zdrojov na svete. Aby sa tak stalo, je najskôr potrebné získať spoľahlivé údaje nielen o druhoch, ale aj o kvalita, množstvo a umiestnenie týchto zdrojov. Satelitné snímky a GIS (Geografické informačné systémy) bude aj naďalej významným faktorom pri zlepšovaní súčasných systémov získavania a generovania poľnohospodárskych máp a údajov o zdrojoch. Mapy a prieskumy v oblasti poľnohospodárstva sa v súčasnosti vykonávajú na celom svete s cieľom zhromaždiť informácie a štatistiky o plodinách, plochách, hospodárskych zvieratách a iných súvisiacich poľnohospodárskych zdrojoch.

Tieto zhromaždené informácie sú potrebné na vykonávanie efektívnych rozhodnutí manažmentu. Na plánovanie a pridelenie obmedzených zdrojov do rôznych sektorov hospodárstva je potrebný poľnohospodársky prieskum.

5. 3D GIS

3D modely miest sú digitálne modely mestských oblastí, ktoré predstavujú povrchy terénu, lokality, budovy, vegetáciu, infraštruktúru a prvky krajiny, ako aj súvisiace objekty patriace do mestských oblastí. Ich zložky sú opísané a reprezentované zodpovedajúcimi dvojrozmernými a trojrozmernými priestorovými údajmi a georeferenčnými údajmi. 3D modely miest podporujú prezentáciu, prieskum, analýzu a správu úloh vo veľkom množstve rôznych domén aplikácií. 3D GIS je okamžité a efektívne riešenie pre väčšie a vzdialené miesta, kde je manuálny prieskum takmer nemožný. Rôzne oddelenia plánovania miest a vidieka vyžadujú údaje 3D GIS, ako sú odvodnenie, odtok,
Dodávka vody, Canal Designing BIM and may more.


Satelitné snímky

Diaľkovo snímané satelitné snímky sú čoraz bežnejšie, pretože verejné agentúry a súkromné ​​spoločnosti z celého sveta neustále vysielajú do vesmíru satelity vybavené technologicky vyspelými senzormi. Družice sa používajú na aplikácie ako vojenské a civilné pozorovanie Zeme, komunikácia, navigácia, počasie, výskum a ďalšie. V súčasnosti bolo do vesmíru vyslaných viac ako 3 000 satelitov, pričom viac ako 2 500 z nich pochádzalo z Ruska a Spojených štátov. Tieto satelity udržiavajú rôzne nadmorské výšky, sklony, výstrednosti, synchrónnosti a orbitálne centrá, čo im umožňuje snímať širokú škálu povrchových prvkov a procesov (obrázok 4.14 „Satelity obiehajúce okolo Zeme“).

Obrázok 4.14 Satelity obiehajúce okolo Zeme

Družice môžu byť aktívne alebo pasívne. Aktívne satelity Diaľkové senzory, ktoré detekujú odrazené reakcie objektov, ktoré sú ožarované z umelo generovaných zdrojov energie. využívať vzdialené senzory, ktoré detekujú odrazené odozvy od objektov ožarovaných z umelo generovaných zdrojov energie. Napríklad aktívne senzory, ako sú radary, vysielajú rádiové vlny, laserové senzory emitujú svetelné vlny a sonarové senzory vysielajú zvukové vlny. Vo všetkých prípadoch snímač vydá signál a potom vypočíta čas, ktorý trvá, kým sa vrátený signál „odrazí“ späť od nejakej diaľkovej funkcie. Ak poznáme rýchlosť emitovaného signálu, je možné na výpočet vzdialenosti k objektu použiť časové oneskorenie od pôvodnej emisie po návrat.

Pasívne satelity Diaľkové senzory, ktoré detekujú odrazené alebo emitované elektromagnetické žiarenie z prírodných zdrojov. , alternatívne využiť snímače, ktoré detekujú odrážané alebo emitované elektromagnetické žiarenie z prírodných zdrojov. Týmto prírodným zdrojom je zvyčajne energia zo slnka, ale dajú sa zobraziť aj iné zdroje, napríklad magnetizmus a geotermálna aktivita. Na príklade, ktorý sme už všetci zažili, by fotografovanie pomocou fotoaparátu s bleskom bolo aktívnym diaľkovým snímaním, zatiaľ čo pri použití fotoaparátu bez blesku (t. J. Pri osvetlení scény sa spolieha na okolité svetlo) by pasívne diaľkové snímanie.

Kvalitu a množstvo satelitných snímok do veľkej miery určuje ich rozlíšenie. Existujú štyri typy rozlíšenia, ktoré charakterizujú akýkoľvek konkrétny snímač diaľkového ovládania (Campbell 2002). Campbell, J. B. 2002. Úvod do diaľkového snímania. New York: Guilford Press. Priestorové rozlíšenie Najmenšia vzdialenosť medzi dvoma susednými objektmi, ktoré je možné zistiť na obrázku. satelitného obrazu, ako je opísané vyššie v časti s rastrovými dátovými modelmi (časť 4.1 „Rastrové dátové modely“), je priamym znázornením pokrytia zeme pre každý pixel zobrazený na obrázku. Ak satelit vytvára snímky s rozlíšením 10 m, zodpovedajúce pokrytie pôdy pre každý z týchto pixelov je 10 m x 10 m alebo 100 metrov štvorcových na zemi. Priestorové rozlíšenie je určené okamžitým zorným poľom senzorov (IFOV). The IFOV is essentially the ground area through which the sensor is receiving the electromagnetic radiation signal and is determined by height and angle of the imaging platform.

Spectral resolution The ability of a sensor to resolve wavelength intervals, also called bands, within the electromagnetic spectrum. denotes the ability of the sensor to resolve wavelength intervals, also called bands, within the electromagnetic spectrum. The spectral resolution is determined by the interval size of the wavelengths and the number of intervals being scanned. Multispectral and hyperspectral sensors are those sensors that can resolve a multitude of wavelengths intervals within the spectrum. For example, the IKONOS satellite resolves images for bands at the blue (445–516 nm), green (506–95 nm), red (632–98 nm), and near-infrared (757–853 nm) wavelength intervals on its 4-meter multispectral sensor.

Temporal resolution The amount of time between each image collection period determined by the repeat cycle of a satellite’s orbit. is the amount of time between each image collection period and is determined by the repeat cycle of the satellite’s orbit. Temporal resolution can be thought of as true-nadir or off-nadir. Areas considered true-nadir are those located directly beneath the sensor while off-nadir areas are those that are imaged obliquely. In the case of the IKONOS satellite, the temporal resolution is 3 to 5 days for off-nadir imaging and 144 days for true-nadir imaging.

The fourth and final type of resolution, radiometric resolution The sensitivity of a remote sensor to variations in brightness. , refers to the sensitivity of the sensor to variations in brightness and specifically denotes the number of grayscale levels that can be imaged by the sensor. Typically, the available radiometric values for a sensor are 8-bit (yielding values that range from 0–255 as 256 unique values or as 2 8 values) 11-bit (0–2,047) 12-bit (0–4,095) or 16-bit (0–63,535) (see Chapter 5 "Geospatial Data Management", Section 5.1.1 "Data Types" for more on bits). Landsat-7, for example, maintains 8-bit resolution for its bands and can therefore record values for each pixel that range from 0 to 255.

Because of the technical constraints associated with satellite remote sensing systems, there is a trade-off between these different types of resolution. Improving one type of resolution often necessitates a reduction in one of the other types of resolution. For example, an increase in spatial resolution is typically associated with a decrease in spectral resolution, and vice versa. Similarly, geostationary satellites Satellites that circle the earth proximal to the equator once each day. (those that circle the earth proximal to the equator once each day) yield high temporal resolution but low spatial resolution, while sun-synchronous satellites Satellites that synchronize a near-polar orbit with the sun’s illumination. (those that synchronize a near-polar orbit of the sensor with the sun’s illumination) yield low temporal resolution while providing high spatial resolution. Although technological advances can generally improve the various resolutions of an image, care must always be taken to ensure that the imagery you have chosen is adequate to the represent or model the geospatial features that are most important to your study.


6. Resolution

So far, you've read that remote sensing systems measure electromagnetic radiation, and that they record measurements in the form of raster image data. The resolution of remotely sensed image data varies in several ways. As you recall, resolution is the least detectable difference in a measurement. In this context, four of the most important kinds are spatial, radiometric, spectral, and temporal resolution.

Spatial resolution refers to the coarseness or fineness of a raster grid. It is sometimes expressed as ground sample distance (GSD), the nominal dimension of a single side of a square pixel measured in ground units. High-resolution data, such as those produced by digital aerial imaging or by the Quickbird satellite, have GSDs of one meter or less. Moderate-resolution data, such as those produced by Landsat sensors, have GSDs of about 15-100 meters. Sensors with low spatial resolution like AVHRR and MODIS sensors produce images with GSDs measured in hundreds of meters.

The higher the spatial resolution of a digital image, the more detail it contains. Detail is valuable for some applications, but it is also costly. Consider, for example, that an 8-bit image of the entire Earth whose spatial resolution is one meter could fill 78,400 CD-ROM disks, a stack over 250 feet high (assuming that the data were not compressed). Although data compression techniques reduce storage requirements greatly, the storage and processing costs associated with high-resolution satellite data often make medium and low-resolution data preferable for analyses of extensive areas.

A second aspect of resolution is radiometric resolution, the measure of a sensor's ability to discriminate small differences in the magnitude of radiation within the ground area that corresponds to a single raster cell. The greater the bit depth (number of data bits per pixel) of the images that a sensor records, the higher its radiometric resolution. The AVHRR sensor, for example, stores 2 10 bits per pixel, as opposed to the 2 8 bits that older Landsat sensors recorded. Thus, although its spatial resolution is very coarse (

4 km), the Advanced Very High-Resolution Radiometer takes its name from its high radiometric resolution.

A third aspect is spectral resolution, the ability of a sensor to detect small differences in wavelength. For example, panchromatic sensors record energy across the entire visible band - a relatively broad range of wavelengths. An object that reflects a lot of energy in the green portion of the visible band may be indistinguishable in a panchromatic image from an object that reflects the same amount of energy in the red portion, for instance. A sensing system with higher spectral resolution would make it easier to tell the two objects apart. “Hyperspectral” sensors can discern up to 256 narrow spectral bands over a continuous spectral range across the infrared, visible, and ultraviolet wavelengths.

Finally, there is temporal resolution, the frequency at which a given site is sensed. This may be expressed as "revisit time" or "repeat cycle." High temporal resolution is valued in applications like monitoring wildland fires and floods, and is an appealing advantage of a new generation of micro- and nano-satellite sensors, as well as unmanned aerial systems (UAS).


Book Description

High spatial resolution remote sensing is an area of considerable current interest and builds on developments in object-based image analysis, commercial high-resolution satellite sensors, and UAVs. It captures more details through high and very high resolution images (10 to 100 cm/pixel). This unprecedented level of detail offers the potential extraction of a range of multi-resource management information, such as precision farming, invasive and endangered vegetative species delineation, forest gap sizes and distribution, locations of highly valued habitats, or sub-canopy topographic information. Information extracted in high spatial remote sensing data right after a devastating earthquake can help assess the damage to roads and buildings and aid in emergency planning for contact and evacuation.

To effectively utilize information contained in high spatial resolution imagery, High Spatial Resolution Remote Sensing: Data, Analysis, and Applications addresses some key questions:

The answers are built in three separate parts: (1) data acquisition and preprocessing, (2) algorithms and techniques, and (3) case studies and applications. They discuss the opportunities and challenges of using new sensors and platforms and high spatial resolution remote sensing data and recent developments with a focus on UAVs. This work addresses the issues related to high spatial image processing and introduces cutting-edge methods, summarizes state-of-the-art high spatial resolution applications, and demonstrates how high spatial resolution remote sensing can support the extraction of detailed information needed in different systems. Using various high spatial resolution data, the third part of this book covers a range of unique applications, from grasslands to wetlands, karst areas, and cherry orchard trees.


How do geographic information systems depend on space?

One of the great benefits of engaging with space is understanding Earth better. Data collected from satellites inform our understanding about the relationship between humanity and the rest of the planetary system. One particular way of making sense of space-collected data is via geographic information systems. To learn more about these systems, we spoke to Joshua Sargent, an environmental scientist specializing in GIS. He explains how he came to acquire this specialization and how space-collected data inform environmental science.

What is GIS and how does it depend on space technologies?

A geographic information system (GIS) essentially is a way of managing spatial datasets for making decisions and displaying information. This can be achieved by using a variety of software products, some of which are commercial (such as ArcGIS) and others that are open source (such as QGIS). In general, GIS organizes two types of data: vector (“points, lines, or polygons”) and raster (“images”). Examples of vector data are the location of a tree, the outline of a river, or the boundary of a town. An example of raster data is a photograph of the ground, as taken from an airplane. In addition to cataloging data, GIS software commonly offer several analysis tools for data processing.

Worldwide, GIS primarily relies on space technologies for two key data inputs: global navigation satellite system (GNSS) receiver data and satellite imagery. GNSS data is a vector point dataset and satellite images are raster datasets. For clarification, the term GNSS more generally refers to a satellite array used for geospatial positioning on a global scale. Several polities have their own, including Russia, China, and the European Union. However, GNSS data are more commonly referred to as global positioning system (GPS) data, named after the specific satellite system maintained by the United States. By using highly accurate calculations of time, GPS data can identify the location of features on Earth. By using the location as an attribute of the data, these features can be mapped within GIS.

Satellite imagery is generated by an alternative set of satellites. Just as with GNSS satellites, there are different arrays currently in orbit. While many of these are maintained by national government organizations, some are maintained by private industry. In general, they take a wide range of photos of the Earth in the form of multi-spectral images. Most of these images are taken within the visible spectrum of light, but several satellites also collect data within the adjacent infrared electromagnetic wavelengths. In addition, imaging satellites can have different levels of pixel resolution detail (between 30 meters to sub-meter per pixel) and different temporal resolutions (from one image taken every 16 days to daily). As these images are taken from space, they regularly require complex adjustments before they can be accurately used. Once corrected, these images can function as the backgrounds to maps generated in GIS or, if further processed, they can be used to identify physical features and environmental conditions.

GIS is not limited to space technology data inputs. Specifically, much of the value of GIS is derived from the combination of several layers of data ranging from global to local scale. It can also incorporate localized information, either collected (such as field observation attributes and aerial photography) or hypothetical and user-generated (such as models of proposed construction or management areas). Historical documents containing maps and plans can even be digitized and incorporated into GIS to make new observations about the past.

What applications does GIS have for environmental science?

Environmental science is quite a broad topic and is subdivided into five key fields: atmospheric sciences, ecology, environmental chemistry, geosciences, and environmental social sciences. While each field of environmental science differs, they do share the common need to know where something is or where something has happened. By combining environmental observations with locations, people can observe the types of relationships that drive environmental science research. This is largely based upon the First Law of Geography, which states that “everything is related to everything else, but near things are more related than distant things.”

For more specific applications of GIS for environmental science, I can share a few examples from projects that I have worked on. During university, I had opportunities to help map natural resources with field-collected GPS coordinates. These varied from the soil classifications over a landscape, to the boundaries of wetland habitats in an area, and even to the locations of collected wild rabbit pellets for DNA research. I also had courses in remotely identifying land cover and land use changes from a series of satellite images.

In a GIS-professional capacity, I have worked on various other environmental projects. I utilized GIS to help assess the potential adverse environmental effects of proposed development plans. I worked on a three-year project using maps produced with GIS to calculate and communicate estimates of natural hazard damages from coastal flooding to petroleum industry representatives. Most recently, I have used GIS software to process drone imagery for slope analysis of agricultural fields. All in all, I believe that GIS serves as an excellent tool to link location data with environmental phenomena.

Why are you interested in GIS and environmental science?

I should begin with my interest in environmental science, as it came first. My interest in the environment developed out of my frequent interactions with nature through the Boy Scouts of America. By completing a series of merit badges and camping trips, I developed a personal drive to understand natural processes and assist in protecting natural resources.

Sometime during high school, I decided that I wanted to become an environmental scientist. Fortunately, I had several teachers who noticed this and encouraged my ambitions. One teacher informed me that to be a successful environmental scientist, I would need to learn about four key things at university: fieldwork procedures, environmental policies, wetlands, and something called “GIS.” While at university, I would learn more about all of those things, especially GIS.

Once I had completed courses associated with basic environmental science concepts, GIS and remote sensing courses were available to me as electives. For clarification, the university organized these courses under the same natural resource science department this meant that GIS was taught as a skillset from the perspective of environmental science professors. I believe this greatly benefited me. While initially challenging, I soon discovered that I enjoyed learning how to use this software as a tool for environmental problem solving and decision making. I also developed an affinity for maps and the art of cartography. Throughout my bachelor’s and master’s degrees, I would arrange my schedule to include as many of these courses as possible.

Outside of university, I worked with state, federal, and private environmental organizations in various capacities. From collecting field GPS data to synthesizing geospatial data into maps for communicating results, my GIS skills were a beneficial asset to my environmental science background. They complemented one another and sometimes even allowed me to work on projects for which I otherwise would not have been considered.

As I have recently returned to academic research, I am still benefiting from my knowledge of environmental and spatial sciences. My PhD research relies on modelling historic and potential flooding impacts to low-lying, rural areas along the New Zealand coast. Alongside environmental components, I am learning to introduce aspects of social science into my work. My eventual goal is to develop models that incorporate both human and natural systems’ feedback that assist in coastal flood hazard and risk decision making.


Where to Get Free Geoinformation Software?

If we were not in the world of open source software, it would be very difficult for us to search for Paititi, because otherwise we would have to pay much to access licensed professional software. Fortunately, today, in addition to powerful proprietary software systems for working with geodata, there is a variety of free GIS that can be used for commercial purposes and further developed to suit your needs. QGIS is one of these most famous programs. We use it for our project together with the PostgreSQL relational database management system (with PostGIS extension), and GeoServer mapping server to transfer geodata over the Internet. You can read more about the geographic information structure of the Paititi Research project—our research GIS—in the relevant article “Testing Our Possibilities”.

Below is a list of the main, in our opinion, open source desktop GIS that may be useful for your own archaeological research.


Pozri si video: Švagor ladí satelit (Október 2021).