Це пʼятий випуск із серії матеріалів про журналістику даних і візуалізації, де «Медіамейкер» розбирається в цих питаннях разом з Євгенією Дроздовою та Юлією Дукач. Євгенія очолює відділ журналістики даних Тexty.org.ua, спеціалізується на створенні інтерактивних візуалізацій і карт, багато працює з геопросторовою інформацію. Юлія спеціалізується на роботі з даними соцмереж, аналізі тексту й тому, як за допомогою машинних алгоритмів можна виявляти російську дезінформацію. У нас різний технічний бекграунд, але спільна пристрасть — постійно стежити за роботою дата-журналістів зі всього світу, помічати тренди та цікаві рішення у візуалізації даних. А також рефлексувати, що працює, а що ні, і що з цього всього можна взяти на озброєння в українських редакціях. Перший, другий, третій і четвертий випуски за покликаннями.
Багато хто досі вважає, що супутникові знімки в журналістиці — це просто фотографії землі з висоти пташиного польоту. Але це не зовсім так. Без сумніву, супутникові зображення є цінними, коли треба документувати події, проводити фактчекінг чи OSINT-розслідування, але вони також є потужним джерелом даних для виявлення глобальних змін, зокрема кліматичних та екологічних. Спробуємо в цьому огляді привідкрити можливості, які пропонують супутники.
Джерело не тільки даних, а й тем
Часом найцікавіше криється не в тому, що видно на знімку, а в тому, що можна з нього «витягнути» за допомогою аналізу. Тут потрібно трохи теорії, щоб подальша розповідь мала сенс.
Колір і світло
Фотографія чи картинка, яку ви бачите в інтернеті, ймовірно, матиме кольорову палітру RGB: червоний (Red), зелений (Green) та блакитний (Blue). Комбінація цих кольорів здатна створити будь-який інший колір чи відтінок. Якщо ви редагували зображення у графічних редакторах на кшталт Photoshop, то знаєте, що можна «гратися» з кількістю червоного, синього та зеленого в зображенні, тим самим редагуючи кольори або насиченість. Коли ми говоримо про супутникові знімки важливо думати про кольори саме з такої позиції.
Це не просто фотографія землі, це різні спектри, які супутник отримує окремо, а їхні комбінації створюють потрібний нам знімок.
Комбінація RGB дає звичне оку True Color (реалістичне) зображення, що виглядатиме як фотографія. Але бувають і інші комбінації, адже окрім RGB супутники отримують інші дані. Наприклад, Sentinel-2 має 13 спектрів.
Комбінація червоного та ближнього інфрачервоного спектрів (NIR), який не видимий людському оку, дає змогу отримати індекс здоровʼя рослинності (NDVI-індекс). Для цього навіть не потрібні деталізовані знімки, де цю рослинність видно оком. Ключ у тому, що рослини і, скажімо, бетон по-різному поглинають та відбивають сонячне світло у червоному та ближньому інфрачервоному спектрах.
Розрахунок NDVI-індексу — це настільки розповсюджене завдання, що сервіси супутникових знімків роблять це за замовчуванням, достатньо просто вибрати знімок потрібної території й дату. Ось скрін із сервісу Sentinel Hub, який надає безплатний доступ до знімків, зокрема, від Sentinel. Тут вам і формула розрахунку, і докладний опис, і сам знімок.
Погляньмо ближче.
Тільки задумайтеся: ось це зображення центру Києва побудоване лише на різниці у відбитті й поглинанні світла різними поверхнями червоного та ближнього інфрачервоного спектру, але ми без проблем можемо бачити тут вулиці, парки, дороги, будинки, квартали та інші знайомі нам патерни міста. Якщо вам цікаво роздивитися його деталі, то тицяйте на лінк, а потім на Use anonymously у вікні, що відкриється.
Так само сервіси супутникових знімків дають наперед розрахований індекс вологості грунтів та інші цікаві індекси, з якими ви також можете ознайомитися за покликанням вище.
Температура
Деякі супутники збирають інформацію про температуру земної поверхні. Це, наприклад, NASA MODIS, Sentinel-3, VIIRS. Landsat 8 та Landsat 9 також мають спеціальні сенсори. Варіантів використання таких даних безліч: від прогнозу погоди й вивчення змін клімату до аналітики в агросекторі.
На мапі нижче приклад використання супутникових знімків MODIS для аналізу літньої спеки.
Зверніть увагу, як на знімку видно лінію фронту. Чи не мала б ця територія навпаки бути гарячіша від постійних пожеж, обстрілів та вибухів? Виявляється, що ні. Звісно, нам відомо, що на цій території відбуваються активні бойові дії, але це чудова демонстрація того, наскільки супутникові знімки є чутливими до змін на землі та скільки цікавого можуть нам розповісти. Лише треба знати, де дивитися.
Як це використати в журналістиці?
Температура поверхні та NDVI
ЦІ дві можливості супутників поєднані в матеріалі про «теплові острови» в українських містах. Колеги змогли довести, що відсутність дерев впливає на те, як мешканці міст відчувають літню спеку.
Для цього дослідження використані знімки Landsat, які є в безплатному доступі. Вони мають якість лише у 30 метрів на 1 піксель зображення. Фактично це знімок низької роздільної якості, але він дає змогу виявити, що різниця температур між озелененими районами та «бетонними пустелями» може сягати 10–15°C.
NDVI-індекс також може застосовуватися для визначення типів культур в агросекторі. Різні культури мають різний цикл зростання та збору врожаю. Тому якщо порівняти «зеленість» полів, наприклад, у квітні, липні та вересні, поля матимуть різний колір залежно від типів культур, що там зростають.
Є і складніші техніки дослідження, які передбачають залучення машинних алгоритмів для визначення типів культур. Схожі технології дали змогу порахувати, скільки зерна росіяни вирощують на окупованих українських територіях.
Нічні вогні
Ще цікавий приклад — супутникові знімки нічних вогнів. Це також не просто красиві фотографії країн та міст, що світяться вночі. Це потужний інструмент для оцінювання економічного розвитку та урбанізації.
Активний розвиток міст збільшує нічне освітлення, а на зникнення міст може впливати міграція, природні катаклізми та, звісно, війни.
Наприклад, нещодавно ми досліджували, як війна вплинула на українські міста. На карті нижче червоним кольором показано нічні вогні, які Україна втратила за два роки війни, блакитним — нові, а білим — вогні, що залишилися без змін.
На противагу цьому за останні роки відбулися позитивні зміни в освітленні Північної Кореї: між 2022 та 2024 роками можна побачити збільшення нічного освітлення. Це непрямо може свідчити про покращення економічного становища країни, яке, як ми припускаємо, пов’язане з військовою підтримкою Росії у війні проти України.
Побачити невидиме
Деякі супутникові знімки, як-от від Sentinel-1, використовують радарне випромінювання для збору інформації й фіксують, як мікрохвилі відбиваються від земної поверхні. Такі знімки відкривають кардинально інші можливості для журналістських розслідувань.
Ми в «Текстах» маємо чималий досвід роботи із радарними супутниками. Напередодні 2022 року за допомогою Sentinel-1 ми моніторили скупчення російських військ на кордоні. Це можливо завдяки здатності супутника визначати різні типи поверхні. Скупчення техніки є металом посеред полів (тобто посеред неурбанізованої території), а метал і земля по-різному відбивають хвилі радару.
На ілюстрації ліворуч — знімок високої якості від MAXAR, на якому добре видно військову техніку, а праворуч — знімок цієї ж території за ту ж дату від Sentinel-1. Рожево-зелені патерни – це і є скупчення металу.
Коли військову техніку відвели з полігонів, картина кардинально змінилася:
Так само добре Sentinel-1 здатен розпізнавати кораблі (метал) на воді, тому що вода й метал у різний спосіб відбивають сигнали радару.
Але це ще не все. Найцікавіше, що різниця буде і в тому, як сигнал повертається від цілої будівлі та від зруйнованої чи навіть пошкодженої.
Використовуючи цю методологію, The New York Times створили масштабний проєкт про руйнування українських міст. Ми вже розповідали про нього як приклад для натхнення в одному з попередніх випусків, але цього разу радимо почитати блог журналіста Марко Ернандеса, де він описує процес роботи над матеріалом.
Автору довелося обробити терабайти даних і навчитися відрізняти справжні руйнування від «шуму» — змін у рослинності, вологості ґрунту чи снігового покриву.
Звісно, неможливо не відзначити красу самого формату — розповідь про роботу над великим проєктом: тут і про пошуки оптимального рішення, і про проблеми та складнощі, і про роздуми над форматом візуалізації.
Якщо вам цікаві такі формати, то вам точно сподобається проєкт The Pudding 2018 року. Він жодним чином не повʼязаний із супутниковими знімками, а розповідає про феномен збільшення популярності зірок після їхньої смерті. Але бонусом до цього проєкту йде понад 50 годин відео на YouTube, який демонструє весь процес роботи над проєктом — від збору даних до верстки мобільної версії. Зацініть тільки, яка це унікальна можливість зазирнути за лаштунки роботи дата-редакції.
Фотографії чи ні?
Bloomberg робив схожий проєкт — аналізував руйнування в Газі внаслідок військових дій. Проте тут журналісти пішли іншим шляхом — вони використали знімки високої роздільної здатності та машинне навчання. Алгоритм навчили розпізнавати не лише зруйновані будівлі, але й намети біженців. Це дало змогу оцінити масштаби як руйнувань, так і гуманітарної кризи.
У такому разі знімки високої роздільної якості є фактично фотографією руйнувань, тож їх виявлення не є проблемою, а машинний алгоритм тут використовується виключно для того, аби масштабувати дослідження та скоротити оброблення даних. Відповідно для перевірки роботи алгоритму можна просто наблизити знімок і пересвідчитися в тому, чи він коректно спрацював.
Ми в «Текстах» пробували обидва підходи. І кожен з них має свої переваги і недоліки.
- Перевага використання Sentinel-1 у тому, що знімки є у вільному доступі, регулярно оновлюються та покривають весь світ. Недолік — для таких складних завлань журналістам часто потрібні ґрунтовні знання або допомога експертів.
- Плюси використання знімків високої роздільної якості — не потрібна експертиза з радарних супутників. За відсутності спеціаліста з машинного навчання знімки завжди можна обробити вручну, хоча й на це треба витратити більше часу. Недоліком, звісно, є те, що свіжі знімки або знімки за конкретні дати коштують великих грошей. Можливо, вартість знімків для оцінювання руйнувань у Газі (яка за розміром трохи більша за Харків) може бути прийнятна для редакції, однак припускаємо, що купівля супутникових знімків MAXAR для території всієї України була б непосильно дорогою навіть для NYT.
Супутникові знімки високої роздільної якості від Planet Lab використовував Bellingсat для аналізу руйнувань у Вовчанську на Харківщині. Тут журналісти якраз вручну проаналізували стан будівель у місті, візуально розділили їх на три категорії:
- зелені (пошкоджень немає);
- помаранчеві (будівля пошкоджена);
- червоні (будівля зруйнована).
Як отримати доступ до супутникових знімків?
Звісно, високоякісні супутникові знімки — це те, чого найбільше хочеться мати редакціям. Глобальна мережа журналістів розслідувачів (GIJN) публікувала добірку з порадами для журналістів, як отримати такі знімки, та навіть ділилася електронними поштами компаній та іменами відповідальних за контакти із медіа.
Комерційні компанії іноді йдуть назустріч редакціям і публікують окремі знімки у вільному доступі. Наприклад, MAXAR має відкриту базу із знімків катастроф. А Planet Lab нерідко надають редакціям безплатний доступ до своєї бази знімків на запит.
І хоча свіжі знімки дорого коштують, якщо дата знімку для вашого розслідування не принципова, то зображення високої роздільної якості абсолютно безплатно можна знайти також на Google Earth, Bing та інших.
Так, Reuters робили матеріал-розслідування про китайські табори для мусульман на основі супутникових знімків, а FT із використанням знімків від Google Earth досліджував, як Китай позбавляється мусульманських мечетей.
Працюючи з супутниковими знімками, також важливо пам’ятати:
- Хмарність може суттєво обмежити можливості оптичних супутників.
- Радарні знімки можуть «бачити» крізь хмари, але їх складніше інтерпретувати.
- Часова роздільна здатність (як часто супутник знімає одну й ту саму територію) може бути критичною для деяких розслідувань.
Ми не зупинялися в цій статті на історії того, як супутникові знімки увійшли і міцно закріпилися в журналістиці. Якщо вам цікаво, то радимо почитати блог Роберта Сіммона.
