Ефективність розслідування в інтернеті залежить від здатності збирати по крихтах інформацію про людей чи групи, а потім об’єднувати усі дані.
1143 
Bellingcat знову запускає щомісячний Конкурс відкритих джерел, який розпочався у березні 2025 року. Перший набір завдань зосереджений на аналізі мультиспектральних зображень, що є важливим інструментом в екологічних дослідженнях.
Наприкінці минулого року Bellingcat запустив серію онлайн-викликів, щоб перевірити навички дослідників з відкритих джерел. Основна мета — зробити їх одночасно пізнавальними, етичними та, що не менш важливо, захопливими. Ідея спрацювала — участь взяли понад 35 000 осіб. Дехто навіть створював блоги з розбором завдань, а відомий гравець GeoGuessr Рейнболт виклав відео, де намагається пройти п’ять завдань за пів години.
Через великий інтерес Bellingcat вирішив зробити ці виклики щомісячними. Перший із них уже доступний, і кожного тижня на початку місяця з’являтиметься по одному новому завданню — загалом п’ять. Тематика різноманітна: геолокація, хронолокація, відстеження суден, аналіз супутникових зображень, верифікація фото та відстеження авіарейсів. Акцент — на практичне використання методів OSINT.
Також запускається новий інформаційний бюлетень Bellingcat Challenge, який повідомлятиме про нові завдання, публікуватиме відповіді та виділятиме найбільш оригінальні підходи учасників. Підписатися на розсилку можна на офіційному сайті.
Для обміну знаннями та підтримки працює сервер Discord, де як команда Bellingcat, так і учасники діляться досвідом.
Грудневі виклики Bellingcat включали завдання на геолокацію та хронолокацію, а цього місяця фокус змістився на мультиспектральні зображення. Це особливий тип супутникових знімків, що дозволяє побачити те, що лишається невидимим для людського ока. Завдяки ним можна визначати наявність води, аналізувати типи рослинності, вивчати стан ґрунту — саме ці інструменти дедалі частіше застосовуються у відкритих екологічних дослідженнях.
Організатори закликають ділитися своїми успіхами та знахідками — достатньо просто позначити Bellingcat у соцмережах, як-от Bluesky, Mastodon, Instagram чи YouTube. А якщо з’являться складні моменти, до ваших послуг завжди відкритий канал #BellingcatChallenge у Discord — саме там учасники допомагають одне одному, діляться підказками, методами та просто надихають.
Для тих, хто ще не знайомий з цим методом, Bellingcat підготував окремий гайд, у якому пояснюється, як працюють багатоспектральні знімки та як їх аналізувати. Зараз ми розповімо про нього докладніше.
Коли ми переглядаємо супутникові знімки на платформах на кшталт Google Earth, вони здебільшого відображають світ так, як ми бачимо його неозброєним оком — подібно до краєвиду з ілюмінатора літака.
Проте супутники здатні фіксувати набагато більше, ніж може сприйняти людський зір. Один із прикладів — нічне бачення, яке за допомогою інфрачервоного випромінювання дозволяє «освітити» об’єкти в темряві. У супутникових знімках такий підхід реалізується через багатоспектральну зйомку — зйомку у різних діапазонах світла, зокрема за межами видимого спектра.
Багатоспектральні зображення здатні виявляти цінну інформацію про довкілля — зокрема, визначати стан водойм, типи та здоров’я рослинності, характеристики ґрунту тощо. У цьому матеріалі ми детально розглянемо, як працює така зйомка, покажемо її практичне застосування для моніторингу лісовирубок і гірничої діяльності, а також ознайомимо з відкритими інструментами для самостійного аналізу супутникових даних.
Коли ми дивимося на об’єкт, насправді ми бачимо різні кольори світла, що відбиваються цим об’єктом. Коли ми дивимося на рослини, вони здаються зеленими, тому що хлорофіл у їхньому листі поглинає синє та червоне світло, а відбиває зелене. Восени листя стає помаранчевим, тому що хлорофіл починає розщеплюватися для збереження енергії, і воно також починає відбивати червоне світло.
Зображення, яке відображає те, як людське око природно сприймає речі, називається «зображенням істинного кольору», що складається з трьох смуг (або діапазонів) видимого світла – червоного, зеленого та синього – які можуть поєднуватися, утворюючи будь-який колір. Якщо об’єкт відбиває все видиме світло, ми бачимо його білим. І навпаки, якщо він поглинає все видиме світло, він виглядає чорним.
Подивіться, як це працює, вмикаючи та вимикаючи червоний, зелений та синій канали на зображенні нижче:
Мультиспектральні зображення можуть бути корисними в дослідженнях, оскільки вони можуть висвітлювати зміни на поверхні Землі, які не видно неозброєним оком, чи то через гірничодобувні роботи, вирубку лісів чи забруднення. Найчастіше ці зображення використовують смуги світла з інфрачервоної частини світлового спектру, на додаток до тих, які зазвичай видно людському оку.
Ми можемо шукати ознаки різної активності, порівнюючи різні смуги світла (видимі та невидимі), виділяючи контрасти, які ми зазвичай не могли б побачити.
У наведеному нижче прикладі річка ледь помітна на зображенні ліворуч, знятому цифровою камерою, через туманні умови. Але вона чітко видно на зображенні праворуч, знятому за допомогою інфрачервоного світла. Це пояснюється тим, що довші хвилі інфрачервоної частини спектра менш схильні розсіюватися на дрібних частинках, таких як краплі води в тумані або частинки пилу, ніж видиме світло.
Ще один поширений випадок використання інфрачервоного світла – підсвічування рослинності, оскільки здорові дерева та рослини відбивають багато інфрачервоного світла порівняно з іншими матеріалами.
Оскільки ми зазвичай не бачимо інфрачервоне світло, нам доводиться зіставляти дані про світло, отримане з цих діапазонів, з видимими діапазонами – червоним, зеленим та синім – щоб виявити різні типи матеріалів. Існує три основні способи зробити це, які ми розглянемо в цьому посібнику.
Так само, як видиме світло можна розділити на червоний, зелений та синій діапазони, інфрачервоне світло, яке можуть вловлювати супутники, також можна розбити на окремі діапазони, кожен з яких представляє діапазон довжин хвиль, корисних для аналізу. Зазвичай досліджувані інфрачервоні діапазони включають ближній інфрачервоний (NIR), короткохвильовий інфрачервоний (SWIR 1 та SWIR 2) та тепловий інфрачервоний (TIR).
Найпростіший спосіб візуалізувати ці невидимі смуги світла – це безпосередньо зіставити їх з видимим кольоровим каналом (червоним, зеленим або синім), щоб створити зображення «хибного кольору». Таке зіставлення може виділити відмінності між матеріалами, які можуть виглядати дуже схожими у видимому світлі, або, як у наведеному вище прикладі, дозволити нам чіткіше бачити в несприятливих умовах.
Існує кілька безкоштовних інструментів для супутникової зйомки з відкритим кодом, які включають функції, що дозволяють користувачам створювати композитні зображення з імітацією кольорів, використовуючи різні комбінації каналів, такі як EO Browser, Google Earth Engine та QGIS. Щоб продемонструвати методи, що використовуються в цій статті, ми також створили інструмент під назвою Multispectral Imagery Explorer, який використовує Google Earth Engine, щоб показати, як можуть виглядати зображення з імітацією кольорів, використовуючи кілька комбінацій каналів, співвідношень каналів та індексів каналів (які будуть розглянуті пізніше в цьому посібнику).
У наведеному нижче тематичному дослідженні використовуються зображення з Multispectral Imagery Explorer, щоб продемонструвати, як комбінації смуг можуть виділяти певні матеріали.
Каолінова глина (також відома як каолініт) – це природний мінерал, який використовується в багатьох галузях промисловості, зокрема у виробництві паперу та кераміки. Як і будь-який вид гірничої справи, видобуток цього матеріалу може призвести до впливу на навколишнє середовище, такого як руйнування середовищ існування та забруднення прилеглих водойм відходами гірничодобувної промисловості.
Аналіз супутникових знімків може допомогти дослідникам контролювати райони з високими покладами каолінової глини, де може проводитися гірничодобувна діяльність.
На наведеному нижче супутниковому знімку в натуральну величину кольорів видно шахти та озера з високим вмістом каолінової глини в місті Сандерсвілл у штаті Джорджія, США, яке відомо як « Світова столиця каоліну ». Щороку з великих відкритих кар’єрів у штаті Джорджія видобувається понад 8 мільйонів метричних тонн каолінової глини, вартістю приблизно 1 мільярд доларів США.
На цьому зображенні озера видно як зелені плями, але важко сказати, де саме слід шукати гірничодобувні роботи. Хоча каолініт має білий колір, його неможливо відрізнити від інших білих матеріалів на зображенні в істинному кольорі, оскільки вони часто мають подібні властивості відбиття у видимому світлі.
Щоб допомогти нам виділити відмінності в цих областях, ми розглянемо спектр відбиття каолініту, який показує, як матеріал відбиває світло як у видимому, так і в інфрачервоному діапазоні довжин хвиль.
Ми порівнюємо їх зі спектрами відбиття восьми різних смуг світла, отриманих Landsat 8, супутником, запущеним NASA у 2013 році, який досі перебуває на орбіті та збирає один із найстаріших у світі наборів супутникових знімків. Хоча мультиспектральні зображення, отримані іншими супутниками, такими як Landsat 9 та Landsat 7 (який припинив роботу на початку цього року), записують дані про подібні смуги світла, ми використовуватимемо смуги Landsat 8 для всіх прикладів у цій статті.
Чорна лінія нижче представляє спектр відбиття каолініту, а вертикальні смуги показують довжини хвиль діапазонів Landsat 8.
Щоб допомогти нам виявити можливу каолінову глину, ми можемо використовувати смуги, в яких матеріал відбиває велику кількість світла, поряд з тими, в яких він здебільшого поглинає світло, для створення штучного кольорового композиту. Різні смуги зіставляються з видимими кольорами на нашому штучному кольоровому зображенні наступним чином:
SWIR 2-діапазонний (7) → Червоний
SWIR 1 діапазон (6) → Зелений
Червона смуга (4) → Синя
Це означає, що якщо матеріал, показаний на зображенні, відбиває велику кількість світла в діапазоні SWIR 2, він відображатиметься як червоні пікселі на зображенні з хибними кольорами, світло в діапазоні SWIR 1 відображатиметься як зелені пікселі, а світло в червоному діапазоні – як сині пікселі.
Оскільки каолініт відбиває більше світла в смугах 4 та 6, і менше світла в смузі 7, ділянки з концентрацією каолінової глини повинні виглядати блакитним, що є комбінацією кольорів, на які вони нанесені – зеленого та синього відповідно. Порівняно з наведеним вище RGB-зображенням, тепер можна побачити набагато чіткіші розмежування між частинами зображення, які виглядають змішаними вище, щоб ідентифікувати можливі родовища каолініту, хоча це все ще потребує підтвердження з інших джерел, оскільки інші матеріали можуть мати подібні властивості відбиття.
Комбінації смуг корисні, якщо матеріал, який ми шукаємо, можна спостерігати за допомогою порівняння до трьох смуг (по одній смугі на колірний канал). Однак вони можуть бути не такими точними, як нам хотілося б, оскільки на комбінації смуг можуть впливати зміни тіней і світла, атмосферні умови, такі як серпанок, або матеріали з перекриваючими властивостями відбиття – область, яка виглядає блакитною, насправді може відображати область, яка містить матеріали, що відбивають багато світла окремо в синьому та зеленому каналах, наприклад. Поєднуючи різні смуги разом за допомогою співвідношення смуг , ми можемо створювати ще потужніші візуалізації для розрізнення об’єктів, що цікавлять.
Співвідношення смуг підкреслюють контраст між різними смугами шляхом ділення значень пікселів в одній смузі на значення пікселів в іншій. Визначаючи, яке співвідношення використовувати для виділення певного матеріалу, ми шукаємо частини світлового спектру, де матеріал відбиває найбільше та найменше світла. Ділячи одне на інше, можна точно визначити дуже специфічні матеріали.
Боксит – це гірська порода з високою концентрацією алюмінієвих мінералів, яка є джерелом понад 99 відсотків світового виробництва алюмінію. Зростаючий попит на алюміній в останні роки призвів до масового розширення видобутку бокситів. Видобуток бокситів все частіше поширюється на землі корінних народів і пов’язаний з вирубкою лісів, змінами у джерелах води та переміщенням громад.
Боксити видобувають за допомогою великих відкритих кар’єрів, а ключовим побічним продуктом видобутку бокситів є «червоний шлам» – забруднююча суспензія, яка зазвичай зберігається у великих токсичних « хвостосховищах » поблизу переробних підприємств. Через вплив цих шахт на місцеве населення та швидкозмінні відносини зі світовою економікою, відстеження цих шахт може дати важливе розуміння політичної екології регіону.
Алюміній у бокситах важко ідентифікувати безпосередньо, але ми можемо шукати ознаки інших мінералів, що входять до складу бокситів та червоного шламу: оксидів заліза (що містяться в таких мінералах, як гетит та гематит) та каолініту. Порівняння співвідношення зон трьох частин може допомогти визначити наявність цих різних мінералів.
У цьому прикладі оксиди тривалентного заліза повинні виглядати жовтими (суміш червоного та зеленого), каолінітова глина повинна виглядати синьою, а ділянки, де є як каолінітова глина, так і оксиди тривалентного заліза, повинні виглядати білими.
Співвідношення оксидів заліза (III) 1 (4/2) → Червоний
Співвідношення оксидів заліза (III) 2 (4/3) → Зелений
Співвідношення смуг глини (включаючи каолініт) (6/7) → блакитний
Якщо порівняти RGB-зображення регіону із зображенням, на якому зображено трикомпонентну комбінацію оксидів заліза (III) та каолініту, то набагато чіткіше можна побачити ділянки з потенційними бокситовими рудниками, виділені яскраво-жовтим кольором. Також видно жовті плями там, де річка зустрічається з морем, що вказує на можливі сліди забруднення води цими рудниками.
Ми також можемо порівняти кілька зображень у штучних кольорах, зроблених протягом певного часу, щоб візуалізувати вплив змін політики на регіон.
Якщо ми зробимо таймлапс області навколо річки Капуас (область на зображенні вище з концентрацією жовтих ділянок) між 2013 і 2024 роками, ми побачимо, що між 2014 і 2018 роками майже не спостерігалося розширення жовтих плям, що вказують на можливі бокситові копальні. Це збігається із забороною уряду Індонезії на певну сировину, включаючи боксити, у 2014 році. Однак жовті плями продовжують знову розширюватися з 2018 року, після того, як уряд Індонезії послабив заборону на експорт бокситів у 2017 році.
Цей таймлапс відображає дані зведених даних Геологічної служби США щодо виробництва бокситів в Індонезії за цей період: значне падіння після заборони експорту у 2014 році, а потім зростання з 2018 року.
Розширенням ідеї співвідношення смуг, що використовувалася вище, є індекс супутникових зображень . Ці індекси є складнішими комбінаціями різних смуг і широко використовуються для відстеження певних явищ, таких як зміни рослинності, наявність і якість води, стан ґрунту та покриття деревами.
База даних індексів Верени Генріхт та Хтаріни Брусер – це корисний ресурс, який дозволяє знаходити індекси, що стосуються різних матеріалів. Браузер EO Sentinel Hub також дозволяє користувачам використовувати індекси супутникових знімків та власні скрипти для створення зображень у штучних кольорах, які виділяють певні матеріали або явища, такі як водорості та лісові пожежі .
У наведеному нижче тематичному дослідженні показано, як Індекс нормалізованої різниці рослинності (NDVI), популярний індекс для виявлення наявності здорової рослинності, був використаний для дослідження впливу громадянської війни в Ємені на продовольчу безпеку в сільськогосподарському регіоні Тіхама країни.
У аналізі 2020 року для Bellingcat дослідник Вім Цвейненбург використовував EO Browser – заснований переважно на супутникових знімках, зібраних програмою Copernicus Європейського космічного агентства – разом з NDVI для візуалізації втрати рослинності в районах, відомих плантаціями фінікових пальм.
Аналіз показав, що більша частина втрати рослинності припадає на район поблизу моря. Це дало відправну точку для зосередження уваги та, за допомогою інших інструментів з відкритим кодом та дистанційного зондування, дозволило відстежувати зміни рослинності протягом цього періоду та пояснювати, чому конфлікт призвів до втрати деревного покриву.
Як показують наведені вище тематичні дослідження, багатоспектральні супутникові знімки надають широку та різноманітну інформацію про поверхню Землі, включаючи багато того, що невидимо неозброєним оком.
Ці супутникові знімки надають дослідникам з відкритим кодом набір можливостей, які дозволяють нам по-іншому побачити ландшафт, підкреслюючи зміни на поверхні, такі як розширення шахт, поширення забруднюючих речовин та зміни рослинності. Підкреслюючи тонкі відмінності у тому, як матеріали відбивають різні типи світла, ми можемо робити досить складні висновки про екологічні та геологічні властивості ландшафту.
Однак, також важливо розуміти деякі обмеження багатоспектральних супутникових знімків, щоб уникнути їх неправильного тлумачення. Нижче наведено кілька порад щодо того, на що слід звернути увагу.
Хмари можуть бути особливо оманливими при використанні зображень у штучних кольорах, оскільки вони часто виглядають інакше, ніж природний ландшафт, і їх може бути важко відрізнити від інших матеріалів, що представляють інтерес.
Перемкніться на зображення у справжніх кольорах, щоб переконатися, що те, що ви бачите, цікаве, а не просто хмара.
Цікаві особливості (наприклад, корисні копалини, пов’язані з видобувом корисних копалин) можуть бути приховані рослинністю та іншими покривами. Ділянки, вкриті кронами дерев, особливо схильні до цього. Крім того, багато корисних копалин видобуваються під землею, а не на поверхні, що робить інструменти супутникової зйомки непридатними для цього аналізу.
Розгляньте ці зображення бокситової шахти в Куантані, Малайзія, отримані за допомогою Multispectral Imagery Explorer, до та після того, як землю в цьому районі було покрито родючим ґрунтом після катастрофи на бокситовому руднику в Куантані у 2015-16 роках . На першому зображенні 2015 року шахту чітко видно, а на другому зображенні тієї ж місцевості 2023 року шахту тепер не видно.
Зрештою, може виникнути спокуса робити передчасні висновки щодо значення різних особливостей на зображенні з хибними кольорами. Але на практиці геологи використовують безліч складніших методів, поряд з контекстними дослідженнями регіону, щоб зробити висновки про мінеральний склад місцевості. Існує багато матеріалів, які виглядатимуть подібно на зображеннях з хибними кольорами, тому важливо перевірити інформацію з інших джерел, перш ніж робити висновки.
Для тематичних досліджень з видобутку глини та бокситів у цьому посібнику ми порівняли зображення у штучних кольорах з картою мінеральних ресурсів Геологічної служби США , яка відображає видані урядом ліцензії на видобуток корисних копалин по всьому світу. Ми також посилалися на детальну інтерактивну карту гірничих концесій у регіоні, видану урядом Індонезії, для підтвердження наших спостережень у тематичному дослідженні з видобутку бокситів у Західному Калімантані.
Багатоспектральні супутникові знімки дозволяють бачити те, що невидиме неозброєним оком — зміни в рослинності, ґрунті, воді та сліди видобутку корисних копалин. Комбінації смуг, співвідношення та індекси допомагають точно виявляти ці явища. Але інтерпретація таких даних вимагає обережності та перевірки з інших джерел.
1143 
62 
999