V izobraževalni oddaji RTV SLO Ugriznimo znanost smo predstavili vidike uporabe satelitskih podatkov, pripravili grafična gradiva za oddajo, sodelovali pri izvedbi oddaje v živo. Na ta način skrbimo, da tehnološko področje opazovanja Zemlje na poljuden način predstavimo širši javnosti in podpiramo izobraževalne oddaje. Oddaja je na sporedu že 10 let, glavna urednica oddaje je za odločno in domiselno izvedbo na mednarodni konferenci poročevalcev o znanosti v letu 2019 prejela prvo nagrado v kategoriji TV/video. Nagrade podeljuje Združenje britanskih znanstvenih novinarjev (ABSW).
F.17 Prenos obstoječih tehnologij, znanj, metod in postopkov v prakso
COBISS.SI-ID: 44953901V nalogi so na kratko opisani satelitski podatki s poudarkom na satelitih Sentinel-2 ter definicija časovne vrste. Opisane so tehnologije, ki omogočajo prenos satelitskih podatkov preko spleta. Primerjali smo izbrano metodo pridobivanja maske oblakov, uporabljeno na portalu Sentinel-hub, z drugimi v stroki razširjenimi metodami. Na kratko smo opisali metode glajenja časovnih vrst Savitzky-Golay oz. LOESS ter Whittaker-Eilers. Podali smo tri različne vegetacijske indekse in sicer NDVI, EVI in EVI2. V nalogi smo podali enostaven način pridobivanja podatkov s programskim jezikom Python. Opisali smo način shranjevanja podatkov časovnih vrst v SQLite in Spatialite datotečni podatkovni bazi. Primerjali smo metode glajenja časovnih vrst vegetacijskih indeksov glede na to, kako različne vrednosti parametrov pri funkcijah glajenja vplivajo na obliko časovnih vrst. Primerjali smo trende zglajene časovne vrste na treh različnih vegetacijskih indeksih. Nato smo podali način grajenja vektorjev iz časovnih vrst, ki se lahko uporabijo v različnih metodah strojnega učenja. Na koncu smo za demonstracijo podanega sistema izvedli klasifikacijo. Za potrebe naloge smo napisali knjižnico za programski jezik Python, ki je javno objavljena in omogoča enostavno pridobivanje in shranjevanje podatkov časovnih vrst satelitov Sentinel-2.
D.10 Pedagoško delo
COBISS.SI-ID: 8887649V okviru projekta analiziramo podatke v programskem jeziku Python. Uporabljamo številne prosto dostopne knjižnice, poleg standardnih (NumPy, matplotlib, pandas) tudi specifične za prostorske podatke in analizo satelitskih posnetkov (GDAL, GeoPandas, Rasterio, Fiona, SentinelHub). Analize izvajamo z lastno programsko opremo, ki si jo v okviru skupine izmenjujemo prek zasebnega odložišča GitHub. Programsko kodo, ki je zanimiva za širšo skupnost, pa smo, prav tako na GitHubu, objavili v odprtokodni knjižnici satimagets. Knjižnica je dostopna na naslovu https://github.com/EarthObservation/satimagets pod licenco MIT, ki je ena najbolj odprtih in dovoljuje uporabo kode tudi v komercialnih izdelkih z navedbo vira. Objavljena verzija poskrbi za osnovno obdelavo in harmonizacijo podatkov, kot primer je dodana koda za harmonizacijo posnetkov PlanetScope in Sentinel-2. Knjižnico bomo v prihodnje razširili s kodo, ki je trenutno v razvoju in je še interna.
F.23 Razvoj novih sistemskih, normativnih, programskih in metodoloških rešitev